Manus 合作阿里千問，意味著什麼？

在一系列權威基準測試中，千問 qwq-32b 模型表現出色，幾乎完全超越了 openai-o1-mini，比肩最強開源推理模型 deepseek-r1：在測試數學能力的 aime24 評測集上，以及評估代碼能力的 livecodebench 中，千問 qwq-32b 表現與 deepseek-r1 相當，遠勝於 o1-mini 及相同尺寸的 r1 蒸餾模型；在由 meta 首席科學家楊立昆領銜的「最難 llms 評測榜」livebench、谷歌等提出的指令遵循能力 ifeval 評測集、由加州大學伯克利分校等提出的評估準確調用函數或工具方面的 bfcl 測試中，千問 qwq-32b 的得分均超越了 deepseek-r1。