QwQ 是 Qwen 团队开发的一个拥有 320 亿参数的实验性研究模型，专注于提升 AI 的推理能力。

QwQ 在这些基准测试中展现了卓越的性能

• **在 GPQA 上达到 65.2%**，展现了其研究生级别的科学推理能力
• **在 AIME 上达到 50.0%**，突显了其强大的数学问题解决能力
• **在 MATH-500 上达到 90.6%**，展现了其在不同数学主题上的出色理解能力
• **在 LiveCodeBench 上达到 50.0%**，验证了其在现实场景中强大的编程能力。

这些结果突显了 QwQ 在分析和解决问题能力方面的显著进步，尤其是在需要深入推理的技术领域。

作为预览版本，它展现了令人鼓舞的分析能力，但也存在一些重要的局限性

1. **语言混合和代码切换：**模型可能会意外地混合语言或在语言之间切换，影响响应的清晰度。

2. **递归推理循环：**模型可能会进入循环推理模式，导致冗长的响应而没有结论性的答案。

3. **安全和伦理考虑：**模型需要加强安全措施以确保可靠和安全的性能，用户在部署时应谨慎。

4. **性能和基准测试的局限性：**模型擅长数学和编码，但在其他领域，如常识推理和细微的语言理解方面仍有改进空间。