النقاط الرئيسية
التعلم التعزيزي (RL): يستخدم عملية تعلم تعزيزي على مرحلتين لصقل الاستدلال من خلال التجربة والخطأ، مع التحقق منه بواسطة أدوات مثل مفسرات الأكواد والحلول، مما يضمن دقة النتائج.
معايير تنافسية: يحقق نتائج قوية في مهام الاستدلال والبرمجة:
AIME24: 79.5 (قريب من DeepSeek R1 البالغ 79.8).
IFEval: 83.9 (أعلى قليلاً من DeepSeek R1).
BFCL: 66.4 (يتفوق على DeepSeek R1 البالغ 60.3).
كفاءة الأجهزة: يتطلب ذاكرة VRAM أقل بكثير من DeepSeek R1؛ ويدعم التكميم للعمل على إعدادات أجهزة أصغر.
إذا كنت تتطلع إلى تقييم QWQ 32B في حالات الاستخدام الخاصة بك — عند التسجيل، تمنحك Novita AI رصيد $0.5 لتبدأ!
QwQ-32B، الذي طورته فريق Qwen من Alibaba، هو نموذج استدلال بـ 32.5 مليار معلمة يقدم أداءً مشابهاً لنماذج أكبر بكثير مثل DeepSeek-R1، مع استفادته من معلمات أقل بكثير. كفاءته وقدراته الاستدلالية القوية تجعله خياراً مثالياً للباحثين والمطورين والمؤسسات الباحثة عن أداء عالٍ دون متطلبات الموارد الثقيلة لنماذج اللغة الكبيرة التقليدية.
ما هو QwQ-32B؟
مقدمة أساسية
- qwen/qwq-32b
- مفتوح المصدر: متاح تحت ترخيص Apache 2.0، مما يتيح المساهمات والتحسينات من المجتمع.
- المحولات (Transformers): يستخدم QwQ-32B بنية محولات تحتوي على 64 طبقة، و40 رأس انتباه للاستعلامات، و8 للمفاتيح والقيم. مبني على المحولات مع RoPE (تضمينات موضعية دوارة)، ويدمج QwQ-32B دالة التفعيل SwiGLU، ويستخدم RMSNorm للتطبيع، ويتضمن تحيزاً في حسابات QKV للانتباه.
- المعلمات: إجمالي 32.5 مليار معلمة، منها 31.0 مليار معلمة غير تضمينية.
- دعم السياق الطويل: يدعم حتى 32,768 رمزاً.
- اللغات المدعومة: يغطي أكثر من 29 لغة لضمان الوصول العالمي والتطبيقات.
طرق التدريب
بناءً على Qwen2.5، يعمل QwQ-32B على تحسين مهام الاستدلال تحديداً من خلال التعلم التعزيزي (RL)، مما يظهر ابتكاراً محتملاً بالتخلي عن الاعتماد على طرق الضبط الدقيق الخاضع للإشراف التقليدية (SFT).
علاوة على ذلك، يستخدم QwQ-32B التعلم التعزيزي (RL) لصقل قدراته الاستدلالية، معتمداً على التجربة والخطأ لتكييف منهجه باستخدام الأدوات والملاحظات البيئية. من خلال استخدام آلية “المكافآت المستندة إلى النتائج”، يولد النموذج نتائج بشكل مستقل، ثم يتم التحقق من دقتها، مما يضمن أداءً موثوقاً في المهام المنظمة. هذا الابتعاد عن SFT يبرز تركيزه على الكفاءة والقابلية للتكيف، مما يمثل تحولاً نحو التحسين المباشر المعتمد على RL.
المعايير
من Qwen
QwQ-32B يتفوق على حجمه: يضاهي أو يتجاوز أداء النماذج الأكبر، مثل DeepSeek-R1-671B، في عدة معايير، على الرغم من امتلاكه معلمات أقل. يظهر النموذج مهارات قوية في الاستدلال العام، والبرمجة، والاستنتاج، لكن ليس في المحتوى الإبداعي، مما يجعله متعدد الاستخدامات عبر مهام متنوعة.
متطلبات الأجهزة
لتشغيل QwQ-32B بكفاءة، ضع في اعتبارك متطلبات الأجهزة التالية:
- ذاكرة VRAM:
- يتطلب ذاكرة VRAM كبيرة.
- لدقة 16 بت، يلزم 80 جيجابايت VRAM.
- لدقة 8 بت، يكفي 40 جيجابايت VRAM.
- لدقة 4 بت، يلزم 20 جيجابايت VRAM فقط.
- وحدات معالجة رسومية (GPUs):
- متوافق مع RTX 3090/4090 GPUs، خاصة عند استخدام التكميم.
- وحدات المعالجة الرسومية عالية الأداء مثل NVIDIA A100 و H100 مناسبة أيضاً.
مقارنةً بـ DeepSeek R1، يقلل QwQ-32B بشكل كبير من متطلبات الأجهزة، مما يجعله أكثر سهولة في الوصول لأنظمة متنوعة مع الحفاظ على أداء قوي.
التطبيقات
- التعليم:
- يقدم دروساً خصوصية مخصصة في الرياضيات و البرمجة، تلبي احتياجات المتعلمين بمستويات مهارات مختلفة.
- يشرح المفاهيم المعقدة بعبارات بسيطة، مما يجعله أداة قيمة للطلاب والمعلمين على حد سواء.
- يساعد في حل الواجبات المنزلية وإنشاء تمارين تدريبية للتعلم الفعال.
- تطوير البرمجيات:
- يدعم المطورين بتوليد مقاطع أكواد عالية الجودة بلغات برمجة متنوعة.
- يساعد في تصحيح الأخطاء من خلال تحديد الأخطاء واقتراح الإصلاحات المناسبة.
- يقدم توصيات لتحسين كفاءة الكود والالتزام بأفضل الممارسات.
- البحث:
- يساعد الباحثين في إجراء تحليل البيانات، بما في ذلك الحسابات الإحصائية والتصور.
- يساعد في مراجعات الأدبيات، وتلخيص الأوراق الأكاديمية، واستخراج الأفكار الرئيسية.
- يولد مسودات أولية لوثائق البحث، مما يوفر وقتاً ثميناً للباحثين.
- حل المشكلات:
- يساعد في تقسيم المشكلات المعقدة إلى مكونات أصغر يمكن إدارتها.
- يقترح حلولاً محتملة، بما في ذلك إرشادات خطوة بخطوة للتحديات متعددة الجوانب.
- يقدم تفكيراً منطقياً وشروحات لدعم عمليات اتخاذ القرار.
من خلال التفوق في هذه المجالات، يعمل QwQ-32B كمساعد متعدد الاستخدامات للمهام التعليمية والمهنية والبحثية.
QWQ 32B مقابل Qwen 2.5 72B مقابل DeepSeek R1
| الميزة | QwQ-32B | Qwen 2.5 72B | DeepSeek-R1 671B |
|---|---|---|---|
| المعلمات | 32.5B | 72B | 671B |
| قاعدة البنية | Qwen 2.5 | بنية أصلية | DeepSeek-R1-Zero |
| طريقة التدريب | التعلم التعزيزي (بدون SFT) | غير محدد بشكل صريح | RL + ضبط دقيق خاضع للإشراف |
| نافذة السياق | 32,768 رمزاً | 8,000 رمز | 32,768 رمزاً |
| دعم اللغة | أكثر من 29 لغة | أكثر من 29 لغة | بشكل أساسي الصينية والإنجليزية |
| القدرة الرياضية | 79.5 (AIME 2024) | 83.1 (معيار MATH) | 97.3 (MATH-500)، 79.8 (AIME 2024) |
| القدرة البرمجية | 63.4 (Live Code Bench) | 59.1 (HumanEval) | 49.2 (SWE-bench Verified)، 65.9 (Live Code Bench) |
| متطلبات الأجهزة | 4 بت: 20 جيجابايت VRAM/8 بت: 40 جيجابايت VRAM/16 بت: 80 جيجابايت VRAM، يفضل مع عدة A100s أو H100s | تقريباً 41.6 جيجابايت إلى 77.1 جيجابايت VRAM | 8xH100 GPUs |
| ترخيص المصدر المفتوح | Apache 2.0 | غير محدد بشكل صريح | MIT License |
| المزايا الرئيسية | صديق للأجهزة/استدلال قوي/مشابه للنماذج الأكبر | سرعة استجابة سريعة/فعالية من حيث التكلفة/دعم متعدد اللغات جيد | استدلال رياضي استثنائي/مخرجات ذاتية الفحص/عملية استدلال واضحة |
| خصائص المخرجات | استدلال منطقي قوي، محتوى إبداعي أضعف | قدرات عامة | منطق واضح، منظم جيداً |
كيفية الوصول إلى QWQ 32B؟
1. استخدام المنصات الإلكترونية للوصول إلى QWQ 32B (مثل Novita AI)
يمكنك العثور على صفحة LLM Playground الخاصة بـ Novita AI لتجربة مجانية! هذه هي صفحة الاختبار التي نقدمها خصيصاً للمطورين! اختر النموذج الذي تريده من القائمة. هنا يمكنك اختيار نموذج QWQ 32B.
2.الوصول إلى QWQ 32B APIs المجانية (مثل Novita AI)
Novita AI هي منصة سحابية للذكاء الاصطناعي تقدم للمطورين طريقة سهلة لنشر نماذج الذكاء الاصطناعي باستخدام واجهة برمجة التطبيقات البسيطة لدينا، مع توفير سحابة GPU ميسورة التكلفة وموثوقة للبناء والتوسع.
الخطوة 1: تسجيل الدخول والوصول إلى مكتبة النماذج
سجل الدخول إلى حسابك وانقر على زر مكتبة النماذج.
الخطوة 2: اختر نموذجك
تصفح الخيارات المتاحة واختر النموذج الذي يناسب احتياجاتك.
الخطوة 3: ابدأ تجربتك المجانية
ابدأ تجربتك المجانية لاستكشاف قدرات النموذج المختار.
الخطوة 4: احصل على مفتاح API الخاص بك
للمصادقة مع API، سنزودك بمفتاح API جديد. بالدخول إلى صفحة “الإعدادات”، يمكنك نسخ مفتاح API كما هو موضح في الصورة.
الخطوة 5: تثبيت API
قم بتثبيت API باستخدام مدير الحزم الخاص بلغة البرمجة التي تستخدمها.
بعد التثبيت، قم باستيراد المكتبات اللازمة إلى بيئة التطوير الخاصة بك. قم بتهيئة API باستخدام مفتاح API الخاص بك لبدء التفاعل مع Novita AI LLM. هذا مثال على استخدام API لإكمال الدردشة لمستخدمي بايثون.
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
# احصل على مفتاح API من Novita AI بالرجوع إلى: https://novita.ai/docs/get-started/quickstart.html#_2-manage-api-key.
api_key="<YOUR Novita AI API Key>",
)
model = "qwen/qwq-32b"
stream = True # or False
max_tokens = 512
chat_completion_res = client.chat.completions.create(
model=model,
messages=[
{
"role": "system",
"content": "تصرف وكأنك مساعد مفيد.",
},
{
"role": "user",
"content": "مرحباً!",
}
],
stream=stream,
max_tokens=max_tokens,
)
if stream:
for chunk in chat_completion_res:
print(chunk.choices[0].delta.content or "")
else:
print(chat_completion_res.choices[0].message.content)
عند التسجيل، تمنحك Novita AI رصيد $0.5 لتبدأ!
إذا نفد الرصيد المجاني، يمكنك الدفع لمواصلة الاستخدام.
الخلاصة
يمثل QwQ-32B تقدماً كبيراً في نماذج الاستدلال بالذكاء الاصطناعي، حيث يقدم أداءً استثنائياً في الرياضيات والبرمجة وحل المشكلات متعددة الخطوات، مع الحفاظ على حجم صغير نسبياً. بفضل توفره مفتوح المصدر وتصميمه الفعال، فهو أداة قوية للباحثين والمطورين والمهندسين الذين يتطلعون إلى تسخير الذكاء الاصطناعي للمهام المعقدة والمنظمة.
ما الذي يجعل QwQ-32B فريداً؟
يتميز QwQ-32B باستخدامه للتعلم التعزيزي دون ضبط دقيق خاضع للإشراف، محققاً أداءً استثنائياً في مهام الاستدلال، خاصة في الرياضيات والبرمجة.
ما هي متطلبات الأجهزة؟
للحصول على الأداء الأمثل، يتطلب QwQ-32B موارد حوسبة كبيرة. الإصدار المكمم 4 بت يحتاج إلى حوالي 20 جيجابايت من VRAM.
ما الفرق بين QwQ-32B و Qwen2.5؟
يبني QwQ-32B على Qwen2.5، مضيفاً تحسين التعلم التعزيزي خصيصاً لمهام الاستدلال، دون استخدام طرق الضبط الدقيق الخاضع للإشراف التقليدية.
Novita AI هي المنصة السحابية الشاملة التي تمكن طموحاتك في الذكاء الاصطناعي. واجهات برمجة تطبيقات متكاملة، بدون خوادم، مثيل GPU — الأدوات الفعالة من حيث التكلفة التي تحتاجها. تخلص من البنية التحتية، ابدأ مجاناً، وحقق رؤيتك للذكاء الاصطناعي.
