基于同样的基座：qwen2.5-32b-base，qwen官方先后推出了常规模型qwen2.5-32b-instruct（下面简称instruct模型）和推理模型qwq-32b-preview/qwq-32b（下面简称qwq）。众所周知，推理模型擅长推理，我们可以预期qwq在逻辑推理、数学、代码等方面远胜instruct模型，那其他维度呢？

我们接下来通过全方位的评测一探究竟。评测包括8大领域，300多个细分维度。

更多细分维度结果详见：https://github.com/jeinlee1991/chinese-llm-benchmark

公众号：大模型评测EasyLLM

从上表可知：

• 相比instruct模型，qwq总分提高了13%，十分可观。

• 最突出的改进，除了“推理与数学计算”提升21%外，“法律”及“行政公务”都有大幅提高，分别达到20%、27%。

• “推理与数学计算”方面的改进在我们预料之中，然而“法律”及“行政公务”方面的显著效果却没有那么显而易见。但仔细琢磨后会发现，医疗/教育/金融/心理健康等领域都更偏向考察知识的熟记程度，而法律/行政公务（特别是后者的行测题）更依赖于逻辑推理能力。

另外，我们通过对比qwq及其早期preview版本，也能得出类似以上的结论，数据如下：

更多细分维度结果详见：https://github.com/jeinlee1991/chinese-llm-benchmark

公众号：大模型评测EasyLLM

关于（公众号）大模型评测EasyLLM：https://easyllm.site

1. 最全——全球最全大模型评测平台，已囊括200+大模型、300+评测维度

2. 最新——每周更新大模型排行榜

3. 最方便——无需注册/梯子，国内外各个大模型可一键评测

4. 结果可见——所有大模型评测的方法、题集、过程、得分结果，可见可追溯

5. 错题本——百万级大模型错题本

6. 免费——为您的私有模型提供免费的全方位评测服务，欢迎私信

公众号：大模型评测EasyLLM