アリババ、OpenAI「o1」対抗の推論モデル「QwQ-32B-Preview」を公開

アリババのQwenチームが、OpenAIの「o1」シリーズに対抗する新しい推論モデル「QwQ-32B-Preview」を公開しました。

複雑な論理パズルや数学の問題を解くために設計されたモデルで、答えを急がずに「思考時間（テスト時計算）」を使い、自問自答しながら段階的に推論を進める点が大きな特徴です。

何ができるか、その実力

パラメータ数は325億（32.5B）で、最大約3万2000語（32K）のコンテキストウィンドウを備えています。

アリババの検証によると、AIMEやMATHといった難度の高い数学ベンチマークにおいて、OpenAIのo1-previewを上回るスコアをマークしました。また、主要なテストにおいてo1-miniをも凌ぐ推論・コーディング性能を示しています。

一方で、「Preview」版ならではの粗削りな部分も残っています。アリババの公式発表によると、思考の途中で言語が不意に切り替わったり、同じ推論ループから抜け出せなくなったり、一般的な常識を問うタスクでつまずくケースがあるとしています。

また、中国の規制に対応しているため、特定の政治的な質問に対しては回答を控える挙動が見られます。

ライセンスと動作環境

モデルはHugging Face上で公開されており、Apache 2.0ライセンスが適用されているため商用利用も可能です。

32.5Bというサイズ感は、数千億規模の巨大モデルと比べて扱いやすく、量子化などの工夫次第で手元のGPU環境でもローカル実行や検証が狙える現実的なスケールです。

ただし、今回公開されたのは一部のコンポーネントと重みであり、学習データセットや詳細な学習コードまでは公開されていません。完全な再現は難しいものの、自前の環境で推論を試すには十分な構成です。

なぜ重要か

自前のシステムに高度な論理推論やコーディング補助を組み込みたい開発者にとって、すぐにダウンロードして試す価値がある選択肢です。これまでo1のような「思考するAI」はプロプライエタリなAPI経由でしか利用できませんでしたが、同等水準を狙えるモデルがオープンなライセンスで手に入ることになります。

日常的な会話や常識推論ではまだ改善の余地があるものの、数学や特定領域の深層推論においてオープンソース陣営がトップレベルに急迫していることを実証した一手といえます。