作者｜子川
来源｜AI先锋官
来了来了，终于等到了基于Qwen2.5-Max的推理模型！
就在今天，通义千问团队发布了最新的深度推理模型QwQ-Max-Preview预览版，这是继QwQ-32B-Preview之后，千问团队再次推出推理模型。
据介绍，QwQ-Max-Preview的基础模型是Qwen2.5-Max，它将更加擅长数学、编程、与Agent相关的任务。
虽然QwQ-Max-Preview目前是一个预览版，但实力非常抗打。
在LiveCodeBench编程测试上，QwQ-Max-Preview 表现比肩 o1-medium ，超越了DeepSeek R1等顶尖模型。
并且通义千问团队还表示后续将推出 QwQ-Max 和 Qwen2.5-Max 的官方 Apache 2.0 许可开源版本。
除此之外，公告还透露将发布Qwen Chat APP和开源更小的推理模型，如qwq-32b，可直接在本地设备部署。
在博客中，通义千问团队放出了多个实测案例，分别展示QwQ-Max-Preview在代码、数学、搜索、Agent、创意写作等方面的能力。
比如QwQ-Max-Preview轻松搞定模拟海量小球运动的代码。
还能开发游戏，把《俄罗斯方块》和《2048》两款游戏整合在一起。
甚至能给淘宝服装店生成一张海报和二维码，二维码实测也可以跳转至淘宝官网。
这样看起来，QwQ-Max-Preview的表现确实牛。
老规矩，接下来，实测一下，看一下QwQ-Max-Preview的推理能力到底有多强。
下面就用QwQ-Max-Preview和o3-mini、混元T1打个PK。
某地有两个奇怪的村庄，张庄的人在星期一、三、五说谎，李村的人在星期二、四、六说谎。在其他日子他们说实话。一天，外地的王从明来到这里，见到两个人，分别向他们提出关于日期的题。两个人都说：“前天是我说谎的日子。”如果被问的两个人分别来自张庄和李村，那么这一天是星期几？
QwQ-Max-Preview
好家伙，只有o3-mini回答错误，QwQ-Max-Preview和混元T1都回答正确，逆推一下发现o3-mini明显回答错误了。
在一个夜晚，同时有4人需要过一桥，一次最多只能通过两个人，且只有一只手电筒，而且每人的速度不同。A、B、C、D需要时间分别为：1，2，5，10分钟。问：在17分钟内这四个人怎么过桥？
全部回答正确，是时候上上难度，来一个挖坑推理题，能不能难住它们。
一根8米长的竹竿是否能通过一个4米高、2米宽的门？
这道挖坑题把混元T1难住了，回答错误，混元T1按照惯性思维计算斜对角的长度，它不理解竹杠是可以穿过去的。
相反，QwQ-Max-Preview和o3-mini没有被坑到，回答正确，目前只剩下QwQ-Max-Preview还保持全对，上上难度。
专门挑了选择题的最后一题，在过去，最后一道题往往只有数学老师和数学大神能做出来，看看它们三是否能做出来。
又是只有o3-mini一个人回答错误的名场面出现了…..
整体测试下来，唯一保持全胜记录的只有QwQ-Max-Preview，会发现其推理能力要比o3-mini强得多。
目前QwQ-Max-Preview模型已经上线，大家感兴趣的话，可以试玩一下
此前DeepSeek蒸馏出的6个开源模型中，有4个就是基于Qwen-32B来蒸馏。
还有李飞飞团队用不到50美元的费用，以Qwen2.5-32B-Instruct开源模型为底座，在16块H100 GPU上监督微调26分钟，训练出新模型s1-32B。
据不完全统计，Qwen系列衍生模型总数超过5万个，已经成为仅次于Llama的世界级模型群。
（文：AI先锋官）
