Manus 发布之后，随之而来赶到战场的，是阿里。
关于 Manus 的深度测评：
唯有惊叹！一手体验首款通用Agent产品Manus
昨天夜里，深夜惊雷。
阅读文章 >
凌晨 3 点，阿里开源了他们全新的推理模型。
QwQ-32B。
本来还有点意识模糊，当看到他们发出来的性能比对图，我人傻了。
不是，我没看懂，这特么是个什么怪物。
在几乎所有数据集里，QwQ-32B 都已经能跟满血版 DeepSeek R1（671B）表现相当了。尤其是作为 QwQ-32B 的主攻方向的数学和代码。
而且，QwQ-32B 在基准测试上的性能跑分，几乎拉开 o1-mini 一个身位。
我人已傻。
今天这夜，对我的冲击有一点大。
GPT4.5 刚刚证明传统的那套快撞墙了，转头阿里就来给你掏个大的，说，你看，强化学习还是能卷的，这条路，远远还没到头。
这么令人诧异的性能表现，其实也跟这两天在 arxiv 出来的一篇爆火论文互相印证了。
一堆斯坦福教授集中讨论，为什么 Qwen-2.5-3B 一开始就能自己检查自己的答案，Llama-3.2-3B 却不行。
最后的原因还是落在了 Qwen 团队的强化学习上。因为，这能让模型自己学会一些关键的“思考习惯”。
没啥可说的，阿里 NB。QwenNB。
QwQ-32B 开源链接在此：
魔搭开源链接： https://modelscope.cn/models/Qwen/QwQ-32B
huggingface 开源链接： https://huggingface.co/Qwen/QwQ-32B
当然如果想直接上手体验，官方也给出了在线体验的地址：https://chat.qwen.ai/?models=Qwen2.5-Plus
左上角模型选择 Qwen2.5-Plus，然后开启 Thinking（QwQ），就能用 QwQ-32B 了。
我这边也第一时间在 AutoDL 租了一台 A800-80G 的显卡，然后把模型下载了下来，并部署测试了一下这个怪物。综合体验下来，本地部署版和网页版其实是一样的。
性能曲线是这样的。
我也做了一些测试。
首先就是，我觉得赛博半仙易主了。这回的 QwQ-32B 真的能当八字算命大师了。
懂得都懂，AI 自媒体人的命也是命，它掐指一算，就知道我经常熬大夜，狂肝文章。下半年家里那些鸡毛蒜皮的事就别提了，为了搭我的摄影棚，把景深弄得更到位，我是真得搬家啊。。。
当然，AI 算命只能算是个开胃菜，接下来还是得认真测下 QwQ-32B 的数学能力。
然后就是拿我的著名的国庆调休题来难为下这类推理模型了：
这是中国 2024 年 9 月 9 日（星期一）开始到 10 月 13 日的放假调休安排:上 6 休 3 上 3 休 2 上 5 休 1 上 2 休 7 再上 5 休 1。请你告诉我除了我本来该休的周末，我因为放假多休息了几天？
比如 Grok3 这种，开了推理还是直接炸了。
答案明明是 4 天，你咋独自加了 3 天。。。
而看看 QwQ-32B，在一顿小推理之后。
最后答案，完全正确。
要知道，这可只是一个 32B 的小模型啊。。
然后我还试了一下代码能力。我就直接去 Leetcode 找了一道困难级别的算法题，解数独。
可能有人不知道 Leetcode 是啥，LeetCode 是一个全球知名的在线编程练习平台，这个平台有大量不同难度的算法题库，从简单到困难的各种编程题都有。
我直接把解数独的题目还有代码模板丢给 QwQ-32B，让它给出最优解的代码：
编写一个程序，通过填充空格来解决数独问题。
数独的解法需遵循如下规则：
数字 1-9 在每一行只能出现一次。
数字 1-9 在每一列只能出现一次。
数字 1-9 在每一个以粗实线分隔的 3x3 宫内只能出现一次。（请参考示例图）
数独部分空格内已填入了数字，空白格用 '.' 表示。
然后给定你一个类，给我一个比较好的方案：
class Solution(object):
def solveSudoku(self, board):
"""
:type board: List[List[str]]
:rtype: None Do not return anything, modify board in-place instead.
"""
经过几分钟的思考，这道题的完整最优解代码也是被 QwQ-32B 成功给出。
我把这段代码粘贴到了 Leetcode 平台上，直接提交，没想到这段代码竟然完美的通过了全部测试用例吗，而且执行用时才 127ms，击败了 93%的在这个算法题库做尝试的人。
说实话，这个结果让我挺惊讶的，毕竟 127ms 的用时，看平均的用时基本都在 1691ms 左右。
很强，但是我觉得最强的，还是它未来的生态。
32B 和 671B，对于本地算力的要求，或者是云服务的成本来说，差别实在是太大太大了。
671B，在 FP16 精度下需要 1400G 的显存，这个门槛有多高大家懂得都懂。
而现在，32B 的 QwQ，4 张 4090 就能跑，这是将近 15 倍的差距。
而且，智能水平差不多。
这也意味着很多普通企业还有普通开发者，可以直接拿到一个足以对标 DeepSeek R1 的逻辑推理、数学推理、代码思考能力的大模型，而且还开源，能在自家环境中任意调试、微调、二次开发。
更何况，阿里云上的资源、ModelScope、Hugging Face 镜像都能对接，瞬间就把部署壁垒降到几乎为零。
对于那些创新型创业者、小型团队，或者想要做专业 AI 应用的公司而言，我说实话，这就是天降神兵。
对于大多数的企业垂直场景，一个优秀的 32B 的模型真的已经足以应付很很多，没必要非得上 600 多亿参数、又烧又贵的巨无霸。
这波 QwQ-32B 开源的意义，还是非常强的。
它用实力证明 RLHF 路线还能玩出花，打破了一些人对 GPT4.5 撞墙后的过度悲观。
用中等规模却拿到高级性能，给开源界注入了强大信心，你也不必搞那种天价设备和超大规模，也有机会跟国际巨头同场竞技。
真的，昨夜爆火的 Manus，在技术架构上，也是 Claude+很多微调的 Qwen 小模型。
那这次 QwQ-32B，又是一次智能的提升。
每个大厂、每个团队都在全力冲刺，新的风暴还会一个接一个出现。
睡前一抬头，日历翻到新的数字。
又是个不眠之夜。
阿里 NB，QwenNB。
我们中国的团队。
就是 NB。
愿我们都能见证更多奇迹。
晚安，或者早安吧。
欢迎关注作者的微信公众号：数字生命卡兹克
