看分数 qwen2.5max性能应该强于V3，理论上说qwq应该超越R1，那毫无疑问站在了顶级水平，但是关于claude3.7的讨论一抓一大把 qwq一个没见 这个模型到底怎么样呢
18 个赞
qwq还没出吧，现在只是宣布要出了
3 个赞
没有正式出，但是有个QwQ-32B-Preview，不知道有没有采用GRPO的方法来做训练
3 个赞
那个早就出了，一个视觉推理模型，感觉不咋行
1 个赞
官网发布后就能用了，测了论坛佬友们的题库，感觉不如r1
2 个赞
qwq 这个模型一定很萌吧
2 个赞
qwen一直比较低调的感觉，没啥宣发
ai届汪峰不是gemini吗
3 个赞
在抱脸提供的抱聊上试过 Qwen/QwQ-32B-Preview ，感觉不太行
已经能试用了，拉中拉
QwQ-Max的文字没有R1那么浮夸，尤其是在翻译的时候，R1大概率会加入自己的理解，重组句子甚至改变原意或者漏掉一些词汇（我认为这可能是R1在Language Average上分数反而很低的原因之一），QwQ翻译出来的至少还是在原文基础上润色，而不是篡改（并且润色出来的效果明显比Max/V3更好）。论坛里大部分佬都是理工科，所以可能不太关注翻译能力。
不过我测试诗歌的时候发现了有趣的一点，之前测R1就发现，如果让R1输出“带有波斯意象的诗歌”，它很大概率输出的内容里有“驼铃”一词，其他的所有模型都不会这样（V3也不会）；而这次的QwQ-Max出现了一样的症状，只要波斯就会想到驼铃（QwQ-32B和Max都没有）。
这还跟只要让R1“详细描写”几次就会出现量子不一样，因为QwQ-Max给人感觉确实是幻觉没那么强（没那么容易瞎举例子），文笔也没有那么极端浮夸以至于完全丧失节奏感，所以没那么容易动辄量子力学。但即便如此，它写作风格还是给人一种R1的即视感。我觉得很难说QwQ-Max没有用R1生成的回答做训练。
另一点是，在佬友mozi的题目测试贴里，基本上R1能答对的QwQ-Max也都能答对，R1答不对的它也都答不对，两者在推理能力上非常相近。
3 个赞
和楼上佬观点差不多，推理能力可以的，当天凌晨我就测试了论坛测试合集里面的案例，qwq优点在于幻觉没那么严重，r1说的太浮夸了，qwq就显得稳健许多，比如让它帮忙生成prompt，r1乱扯一些名词，qwq给的就很好
qwq的能力大体上肯定是不输于r1的
1 个赞
QwQ-32B-Preview应该不是视觉推理，貌似博客也没说，但是实际上Qwen-2.5-Max看跑分也就和V3差不多，就算加了强化学习后训练也很难说会有很多突破，我倒是觉得能不能有和r1的基模风格拉开差距，到时候可以直接搞个分类器连两个api，然后搞到很强的性能之类的
2 个赞
我认为可能一定程度上是因为R1思考之后的长上下文性能问题，即使从代码或者instruction following的角度出发，比如用Cline接入R1，R1往往也不会按照格式来启动Cline的指令。
是这位佬友记错了，QvQ是视觉模型（v=vision），QwQ是纯文字模型（可以理解成w=word）
2 个赞
按我个人的理解，R1的另一个特点是，在prompt较短的情况下，会过度遵守prompt的要求。这一点甚至在使用Azure R1等有可能不触发思考的R1时也会出现，即使不思考也要搞得比较浮夸（思考之后更浮夸）。我觉得，可能在强化训练的阶段，由于无人工干预，导致模型可能自以为输出越花哨、越符合prompt就越好，奖励就越多，导致自我强化到走火入魔了
QWQ就挺一般。。
就怎么说呢，感觉qwen他们推出的产品有点像一个比较随意的程序员，能出好东西，但是时好时坏，而且命名也喜欢搞点奇怪的东西。谁他喵知道QWQ是干什么的模型？
智商差不多，R1部分问题浮夸，QWQ稍好，遵循指令强一些。