QwQ-32B
О QwQ-32B
QwQ — это рассуждающая модель серии Qwen. По сравнению с обычными моделями с настройкой на инструкции, QwQ, способная думать и рассуждать, может добиться значительно улучшенной производительности в последующих задачах, особенно в сложных проблемах. QwQ-32B — это средняя по размеру рассуждающая модель, способная достигать конкурентных показателей в сравнении с передовыми рассуждающими моделями, например, DeepSeek-R1, o1-mini. Модель включает такие технологии, как RoPE, SwiGLU, RMSNorm и Attention QKV bias, с 64 слоями и 40 Q головы внимания (8 для KV в архитектуре GQA)
Исследуйте, как мощные мыслительные и рассуждающие возможности QwQ-32B могут решать сложные реальные проблемы в различных областях.
Решение продвинутых научных задач
Ускорьте научные открытия, анализируя сложные наборы данных, создавая и проверяя математические доказательства, а также составляя технические статьи с последовательными, пошаговыми рассуждениями.
Пример использования:
"Помощь команде квантовой химии путем выведения и проверки сложных уравнений молекулярных орбиталей на Python, значительно ускоряя разработку теоретической модели."
Глубокий анализ и оптимизация кода
Выходите за рамки простого дополнения кода. Используйте QwQ-32B для анализа целых баз кода, выявления тонких логических ошибок и предложения оптимизаций производительности на основе глубокого понимания алгоритмов.
Пример использования:
"Определен условие взаимной блокировки в архитектуре микросервисов на Go, отслеживая межсервисную коммуникацию, обеспечивая надежное решение для улучшения стабильности системы."
Стратегическое финансовое моделирование
Используйте QwQ-32B для выполнения многоэтапного количественного анализа финансовых отчетов и рыночных данных, выводя причинно-следственные связи и создавая подробные стратегические рекомендации.
Пример использования:
"Разработана сложная модель оценки риска для нового рынка производных финансовых инструментов на криптовалюту, выявляя потенциальные возможности арбитража и системные уязвимости."
Интеллектуальная проверка систем
Разверните QwQ-32B для аудита сложных систем, таких как структуры регуляторного соответствия или инженерные схемы, рассуждая о логических зависимостях, выявляя несоответствия и отмечая потенциальные проблемы.
Пример использования:
"Проведен аудит конфигурации крупной системы управления промышленностью (ICS), обнаружена тонкая логическая ошибка в протоколах безопасности, которая могла бы привести к операционному сбою."
Метаданные
Спецификация
Государство
Deprecated
Архитектура
Causal Decoder Transformer
Калибровка
Нет
Смешение экспертов
Нет
Общее количество параметров
32B
Активированные параметры
32.5B
Мышление
Нет
Точность
ФП8
Контекст length
131K
Максимум Tokens
131K
Сравнить с другими Model
Посмотрите, как эта Model сравнивается с другими.

Qwen
chat
Qwen3.6-35B-A3B
Выпуск: 17 апр. 2026 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.2
/ M Tokens
Output:
$
1.6
/ M Tokens

Qwen
chat
Qwen3.6-27B
Выпуск: 23 апр. 2026 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.3
/ M Tokens
Output:
$
3.2
/ M Tokens

Qwen
chat
Qwen3.5-397B-A17B
Выпуск: 24 апр. 2026 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.39
/ M Tokens
Output:
$
2.34
/ M Tokens

Qwen
chat
Qwen3.5-122B-A10B
Выпуск: 24 апр. 2026 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.26
/ M Tokens
Output:
$
2.08
/ M Tokens

Qwen
chat
Qwen3.5-35B-A3B
Выпуск: 25 февр. 2026 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.24
/ M Tokens
Output:
$
1.8
/ M Tokens

Qwen
chat
Qwen3.5-27B
Выпуск: 24 апр. 2026 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.25
/ M Tokens
Output:
$
2.0
/ M Tokens

Qwen
chat
Qwen3.5-9B
Выпуск: 24 апр. 2026 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.1
/ M Tokens
Output:
$
0.15
/ M Tokens

Qwen
chat
Qwen3-VL-32B-Instruct
Выпуск: 21 окт. 2025 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.2
/ M Tokens
Output:
$
0.6
/ M Tokens

Qwen
chat
Qwen3-VL-32B-Thinking
Выпуск: 21 окт. 2025 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.2
/ M Tokens
Output:
$
1.5
/ M Tokens
