斯坦福李飛飛團隊的一篇論文，近來在AI圈子掀起了一場颶風。

他們僅用1000個樣本，在16塊H100上監督微調26分鐘，訓出的新模型s1-32B，竟取得了和OpenAI o1、DeepSeek R1等尖端推理模型相當的數學和編碼能力！

團隊也再次證明了測試時Scaling的威力。

就連AI大神Karpathy都為之驚嘆。

值得一提的是，研究人員是基于阿里通義千問Qwen2.5-32B-Instruct，完成了推理模型的微調。

甚至，在競賽數學問題上，新模型竟將o1-preview甩在身后，領先27%。

這一爆炸性突破，讓全世界目光都聚焦在了，這個來自阿里云的大模型——通義千問Qwen。

早在此之前，紅遍全網的DeepSeek便選擇的也是Qwen模型。

他們將DeepSeek-R1推理能力蒸餾6個模型開源給社區，其中4個都是基于Qwen打造。基于Qwen-32B蒸餾的模型，在多項能力上性能直追o1-mini。

再一次，通義千問Qwen模型又在開源社區火了。

有專家提出：也許，這是我們第一次認真嘗試研究，推理中究竟發生了什么變化。

現在，我們有充分的理由去質疑「涌現」的說法，也有了更多動力去理解，為什么Qwen-2.5-Math的基礎模型要比Llama 3.1好這么多。

的確，如今在業內，這一現象越來越成為大家公認的事實——

憑借強勁的性能，多樣化開源尺寸，以及全球最大的衍生模型群，Qwen已經取代Llama成為開源AI社區最重要的標桿基座模型。

站在巨人的肩膀上

自2023年8月以來，阿里云通義千問掀起了一場開源革命。

Qwen、Qwen1.5、Qwen2、Qwen2.5四代模型相繼開源，覆蓋了大語言模型、多模態模型、數學模型和代碼模型等數十款。

在HuggingFace的Open LLM Leaderboard、Chatbot Arena大模型盲測榜單、司南OpenCompass等多個國內外權威榜單中，Qwen性能全球領先，屢次斬獲「全球開源冠軍」。

甚至，有業內專家指出——

當前AI領域的諸多突破性進展，無論是微調、蒸餾，還是其他低成本創新技術，并非從0開始訓練，而是建立在Qwen等基礎模型的優異性能之上。

Databricks研究科學家Omar Khattab稱，「更多關于Qwen的發現。我越來越確信這些論文似乎發現了一些關于Qwen模型的特性，而不一定涉及推理能力的突破」。

另一位來自滑鐵盧大學計算機系助理教授Wenhu Chen對此觀點表示極大地認同。

他表示，這基本和s1的發現一樣，用大約1000個樣本就能得到類似的訓練結果。

在別的模型上用同樣的數據訓練，但卻完全沒成效，這是為何？

顯然，Qwen模型本身必然有一些神奇之處。

越來越多的人不約而同地發現，「我們幾乎什么都沒做，Qwen 2.5卻幾乎什么都能做了。」

這就說明，它的基礎模型一定性能超強，在基準測試中非常領先。

因為，這已經完全不能用訓練數據質量來說明了。

李飛飛團隊s1模型用實踐證明，在特定條件下，低成本（不到50美金）訓練確實能夠產生令人驚喜的結果。

這在很大程度上，要歸功于它所依賴的基座模型——通義千問Qwen。

如果沒有這樣強大的模型作為支撐，想要去實現同樣的效果，恐怕并非易事。

包括DeepSeek開源蒸餾后四款Qwen模型，也是如此。

這也讓Qwen成為推動前沿技術發展的又一重要案例。

全尺寸、全模態、多場景

可以說，阿里云Qwen模型是業界率先實現「全尺寸、全模態、多場景」的開源。

無論是1.5B、72B還是110B，Qwen開源的模型尺寸和版本的覆蓋面都最廣，讓開發者和企業有了更多選擇的余地。

從2024年開始，Qwen就已經在開發者中擁有越來越高的影響力。

比如，在全球最知名的開源社區HuggingFace數據統計中，2024年，僅Qwen2.5-1.5B-Instruct這款模型，就占到了全球模型下載量的26.6%，遠高于第二名Llama-3.1-8B-Instruct-GGUF的6.44%。

而僅僅是視覺理解Qwen-VL及Qwen2-VL兩款模型，全球的下載量就突破了3200萬次。

就在一周前，Qwen2.5-VL全新升級，又引發了新一輪的開源社區狂熱。

如今，細數海內外開源社區，Qwen的衍生模型數量已突破9萬，直接超越了Llama系列衍生模型。

DeepSeek和李飛飛的選擇，更是證明了Qwen系列的強大潛力。

在未來，它必將繼續創造新的奇跡。