DataLearner 标志DataLearnerAI
最新AI资讯
大模型排行榜
大模型评测基准
大模型列表
大模型对比
资源中心
工具
语言中文
DataLearner 标志DataLearner AI

专注大模型评测、数据资源与实践教学的知识平台,持续更新可落地的 AI 能力图谱。

产品

  • 评测榜单
  • 模型对比
  • 数据资源

资源

  • 部署教程
  • 原创内容
  • 工具导航

关于

  • 关于我们
  • 隐私政策
  • 数据收集方法
  • 联系我们

© 2026 DataLearner AI. DataLearner 持续整合行业数据与案例,为科研、企业与开发者提供可靠的大模型情报与实践指南。

隐私政策服务条款
页面导航
目录
大模型列表QwQ-Max-Preview
QW

QwQ-Max-Preview

推理大模型

QwQ-Max-Preview

发布时间: 2025-03-20更新于: 2025-03-09 20:07:57630
在线体验GitHubHugging FaceCompare
模型参数
未披露
上下文长度
128K
中文支持
支持
推理能力

QwQ-Max-Preview 是由 阿里巴巴 发布的 AI 模型,发布时间为 2025-03-20,定位为 推理大模型,上下文长度为 128K,采用 Apache 2.0 许可。

数据优先来自官方发布(GitHub、Hugging Face、论文),其次为评测基准官方结果,最后为第三方评测机构数据。 了解数据收集方法

QwQ-Max-Preview

模型基本信息

推理过程
支持
思考模式
不支持思考模式
上下文长度
128K tokens
最大输出长度
暂无数据
模型类型
推理大模型
发布时间
2025-03-20
模型文件大小
暂无数据
MoE架构
否
总参数 / 激活参数
暂无数据 / 不涉及
知识截止
暂无数据
QwQ-Max-Preview

开源和体验地址

代码开源状态
Apache 2.0
预训练权重开源
Apache 2.0- 免费商用授权
GitHub 源码
暂无GitHub开源地址
Hugging Face
暂无开源HuggingFace地址
在线体验
暂无在线体验地址
QwQ-Max-Preview

官方介绍与博客

官方论文
暂无官方论文
DataLearnerAI博客
暂无介绍博客
QwQ-Max-Preview

API接口信息

接口速度
暂无数据
暂无公开的 API 定价信息。
QwQ-Max-Preview

评测结果

QwQ-Max-Preview 当前已收录的代表性评测结果包括 LiveCodeBench(60 / 118,得分 65.60)。 本页还汇总了参数规模、上下文长度与 API 价格,便于结合评测结果与部署约束一起判断模型适配度。

思考模式
全部常规

编程与软件工程

共 1 项评测
评测名称 / 模式
得分
排名/总数
LiveCodeBench
常规模式
65.60
60 / 118
查看评测深度分析与其他模型对比
QwQ-Max-Preview

发布机构

阿里巴巴
阿里巴巴
查看发布机构详情
QwQ-Max-Preview

模型解读

QwQ-Max Preivew并不是一个已发布的模型,而是由网友在GitHub的代码分支上看到的阿里官方对这个模型的描述。通过该描述我们得知,未来阿里巴巴将会开源这个基于Qwen-MAX打造的推理大模型。


QwQ-Max Preview 模型是 Qwen 系列的最新发展,基于 Qwen2.5-Max 构建。这一预览版本旨在展示其在深度推理和多功能问题解决方面的提升,尤其在数学、编程以及通用领域任务中表现突出。该模型似乎特别适用于基于智能体的应用场景,暗示其在需要自主决策或交互式决策的环境中具备增强的功能。作为一个预发布版本,QwQ-Max Preview 为即将推出的 QwQ-Max 提供了早期预览,预计正式版本将在此基础上进一步优化。


关于该模型目前已知的关键信息包括:

  • 基础架构:基于 Qwen2.5-Max,表明其继承了专为复杂任务优化的强大架构。
  • 重点领域:在数学、编程和广泛领域的问题解决方面表现优异,尤其强调基于智能体的应用流程。
  • 发布计划:QwQ-Max 和 Qwen2.5-Max 都计划在 Apache 2.0 许可证下开源,这对开发者和研究人员而言是个好消息。


未来生态系统:除了模型本身,Qwen 团队还计划推出面向非技术用户的 Qwen Chat 应用,以及适用于本地部署的较小模型,例如 QwQ-32B,从而拓宽其应用范围。

发展路线图还表明,Qwen 团队同时关注两个目标:通过开源模型为技术社区赋能,并通过直观的工具让 AI 对普通用户更加友好。较小的 QwQ 变体(如 QwQ-32B)专为资源高效的部署设计,可能在保留核心推理能力的同时,满足对隐私敏感或低延迟的需求。

DataLearner 官方微信

欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送

DataLearner 官方微信二维码