QwQ 是由 Qwen 團隊開發的 32B 參數實驗性研究模型，專注於提升人工智慧推理能力。

QwQ 在這些基準測試中展現了卓越的效能

• 在 GPQA 上取得 65.2% 的成績，展現其研究生級別的科學推理能力
• 在 AIME 上取得 50.0% 的成績，突顯其強大的數學問題解決能力
• 在 MATH-500 上取得 90.6% 的成績，展現其在多樣主題中卓越的數學理解能力
• 在 LiveCodeBench 上取得 50.0% 的成績，驗證其在真實世界情境中穩健的程式設計能力。

這些結果突顯了 QwQ 在分析和問題解決能力方面的顯著進步，尤其是在需要深度推理的技術領域。

作為預覽版本，它展現了有前景的分析能力，但同時也存在一些重要的限制。

1. 語言混合與程式碼切換： 模型可能會意外地混合語言或在語言之間切換，影響回應的清晰度。

2. 遞迴推理迴圈： 模型可能會進入循環推理模式，導致冗長的回應而沒有結論性的答案。

3. 安全與倫理考量： 模型需要加強安全措施，以確保可靠且安全的效能，使用者在部署時應謹慎。

4. 效能與基準測試限制： 模型在數學和程式碼方面表現出色，但在其他領域仍有改進空間，例如常識推理和細緻的語言理解。