QwQ-32B: текстовая reasoning-модель

Официальный паспорт QwQ-32B называет модель reasoning-вариантом серии Qwen и отдельно указывает этапы pretraining, supervised fine-tuning и reinforcement learning. Это предметное отличие от раннего экспериментального Preview: сравнивать их нужно как две ревизии, а не как один URL с новым ярлыком. Размер 32,5 млрд параметров говорит о классе развёртывания, но сам по себе не является рейтингом качества. В практическом тесте стоит использовать задачи с проверяемым ответом, например unit-тесты для кода или строгие решения задач, и сохранять не только итог, но и стоимость по времени, длину ответа и долю исправлений после замечания. Reasoning-текст помогает разбирать ошибку, однако может содержать уверенную, но ложную промежуточную посылку. Итоговая верификация остаётся независимой от цепочки рассуждений.

Карточка указывает полную длину контекста 131 072 токена, но одновременно предупреждает: для промптов свыше 8192 токенов следует включить YaRN согласно инструкции по использованию. Это практическое условие важно при сопоставлении с 32 768 токенами Preview. Ошибка конфигурации способна сделать длинный тест некорректным, даже если данные подаются без исключения. Сценарий оценки должен включать несколько размеров входа, вопросы, для которых ответ расположен в разных частях документа, и ограничения на число генерируемых токенов. Также важно раздельно проверять математику, программирование и обычные объяснения: удача на формально проверяемой задаче не гарантирует аккуратности в фактах общего профиля. HF подтверждает лицензию Apache-2.0 для весов; это не является свидетельством условий сторонних хостингов.