Alibaba har avduket sin QWQ-32B resonnementsmodell, kort tid etter å ha sluppet QWQ-Max-Preview. Begge modellene fokuserer på å tilby rimelige, men likevel høye ytelsesløsninger.
QWQ-32B, som ble lansert i november 2024 i en forhåndsvisningsversjon, har allerede fått oppmerksomhet for sine evner i logisk resonnement, kompleks problemløsning, avanserte kodingsoppgaver.
Designet som et alternativ til å være dyre av bransjer fra bransjene.
Alibaba som en nøkkelaktør for å demokratisere tilgangen til høy ytelse AI.
I tillegg forbedrer den nylige utgivelsen av QWQ-Max-Preview ytterligere Alibabas skyve inn i AI-rommet ved å tilby effektive løsninger for bedrifter som trenger skalerbare AI-modeller til en lavere kostnad.
Hrongt Models: QWQ-32B og QWQ-max De har tydelige tekniske egenskaper og ytelsesmåling.
Både QWQ-Max-Preview og QWQ-32B bruker tankekjede (COT) resonnementsteknikker, men de implementerer dem på litt forskjellige måter:
QWQ-Max-Preview Incorporates. Denne modusen gjør det mulig for lange tanker, slik at modellen kan dele opp komplekse problemer i mindre trinn og fornuft gjennom dem. Tankegangsmodus er en nøkkelfunksjon som skiller QWQ-MAX og forbedrer dens evne til å håndtere intrikate resonneringsoppgaver.
QWQ-32B bruker også kjede av tankeresonnement, men på en mer strømlinjeformet måte. Det genererer utdata-symboler på en barneseng, og bryter ned problemer i håndterbare subtasks og gir trinn-for-trinn-forklaringer. QWQ-32Bs tilnærming fokuserer på effektiv analyse og omvendt planlegging, og jobber bakover fra ønsket resultat for å identifisere nødvendige trinn.
Mens begge modellene bruker COT, er QWQ-MAXs implementering mer eksplisitt og kontrollerbar gjennom sin tenkemodus, mens QWQ-32Bs COT er integrert i sin generelle grunnprosess. Begge tilnærminger tar sikte på å forbedre modellenes problemløsningsfunksjoner, spesielt på områder som matematikk, koding og komplekse resonneringsoppgaver.
Til tross for den mindre størrelsen, oppnår den ytelse som kan sammenlignes med mye større modeller som Deepseek-R1 mens du krever betydelig mindre beregningsressurser.
Kilde: AliBaba har en utvidet kontekstlengde på 131.072 symboler og demonstrerer konkurransedyktige resultater mot ledende modeller i sin klasse. De viktigste forskjellene mellom de to modellene ligger i deres størrelse, arkitektur, treningsmetode, kontekstlengde, multimodale evner og distribusjonsscenarier.
QWQ-Max-Preview er designet for høy ytelse, multimodale show, mens QWQ-32B er optimalisert for å være en MOD-mål. Alibabas innsats for å fremme AI-resonnementfunksjoner, med QWQ-Max-Preview med fokus på high-end ytelse og QWQ-32B som tilbyr effektiv resonnement i en mer kompakt form.