平民電腦跑分對比：一個患精神病大師，一個連錯別字都會寫？
阿里發佈開源推理模型 QwQ-32B，支持消費級顯卡本地部署，有哪些技術亮點？
由於是 32B 的模型，意味着它在大部分不算差的電腦上就能跑，所以第一時間部署到了本地。
我們不妨來測試下，它和本地部署的 DeepSeek-R1 32b 的對比效果。
以前我以為本地部署食之無味，但是經過前兩天的『用戶服務條款』一鬧，本地部署的優勢又顯現了，不只是隱私問題，更是版權的問題，誰能想到你上傳個文檔讓 AI 改個錯字，版權就成別人的了。
扯遠了。
先來一個靈魂深度問題：
『你能分享一些關於我的心理和思想的極其深刻的見解嗎？這些見解是我可能無法識別或看到的，也可能是我可能不想聽到的』。
QwQ-32B：思考部分：
回答部分：
再來看看 Deepseek-r1:32b
思考部分：
回答部分：
再來一個弱智吧問題：
一個半小時是幾個半小時？
它想到了歧義的問題。
再來看看 Deepseek-r1:32b，整整想了 117 秒。
文學創作：
QwQ-32B:
Deepseek
很明顯，QwQ-32B 寫的更好一些。
數學題：
扔硬幣，連續出現兩次正面即結束，問扔的次數期望
QwQ
整整想了快十分鐘，然後沒有給出答案，莫名其妙的中止輸出了。
其實在思考的過程中，它都已經解答對了，但是在驗證的過程中，就出現了各種自我懷疑，然後又給出了一個解法，結果又對不上，甚至還懷疑是不是翻譯導致的錯誤。
甚至過程中，還出現一個我之前從未見過的狀況，就是它用了一個錯別字。
Deepseek：
一樣的，會陷入到超長的思維連，思考一分鐘的時候得出了正確的答案（甚至它還提到，好像聽說過這個問題的正確答案），剩下的十幾分鐘都在各種假設，在一次次的驗證中自我懷疑，胡亂髮散。
甚至還會問，等等，原問題是什麼，這時候它已經跑偏了，感覺像是一個學識淵博的大師得了精神病。
結論是，QwQ-32B 和Deepseek-r1-32b 的表現太像了，尤其是在思維連上的表現，如果我不看模型名的話，一定程度上會搞混。但是 deepseek 的幻覺好像更明顯一點？
至於生成速度，兩者是差不多的。在 M4 Pro（48GB）上能跑到 12 tokens/s。完全可用了。
