阿里巴巴最新开源了320亿参数的大语言模型Qwen1.5-32B，这个模型在各项评测结果中都略超此前最强开源大模型Mixtral 8×7B MoE，比720亿参数的Qwen-1.5-72B模型略差。但是一半的参数意味着只有一半的显存，这样的性价比极高。

Qwen1.5-32B简介

Qwen系列大语言模型是阿里巴巴开源的一系列大语言模型，在各项评测和应用中都取得了非常好的效果，也引起了非常多的人的关注。而且Qwen系列模型不仅仅是在国内很有名，在全球的大模型开源领域都有着很好的吸引力。本次开源的320亿参数模型是最新的一个。

Qwen1.5可以理解为Qwen2的beta版本，在此前开源了6个不同参数规模的Qwen1.5模型，最小的只有5亿参数，最大的是720亿参数。其中，Qwen1.5-72B是目前MT-Bench测评中仅次于GPT-4的模型，也是开源模型中得分最高的模型（MT-Bench采用了真实的多轮对话数据集）。而在匿名投票评测中（LMSYS推出的Areno评测系统，该评测为用户提供不同模型的匿名回复，由用户投票谁好谁好），Qwen1.5-72B也是开源模型中最强的。

不过720亿参数的Qwen1.5-72B的半精度模型需要144GB显存才能载入，单个显卡无法使用，因此很多人也无法体验。而此次发布的Qwen1.5-32B模型的参数只有Qwen1.5-72B模型参数的一半，显存也只有它的一半。官方提供的Int4版本模型仅需要20G显存，可以在4090显卡上推理，但实测速度较慢！。所以，消费级显卡在做这种规模参数模型的推理上还是比较差的。

而从评测结果看，Qwen1.5-32B比Qwen1.5-72B性能损失很小，而显存降低了一半，所以非常有性价比。

阿里巴巴官方说，最近几个月，通义千问模型在后训练上取得了进展，即在基于人类反馈的强化学习对齐训练方面有了很好的进步。而这个Qwen1.5-32B模型就是这个进步的成果。而Qwen1.5-32B模型本身和其它1.5版本的Qwen模型架构没有区别，不过多了一个 grouped query attention (GQA)，因此，推理的效率应该更高。

官方发布的Qwen1.5-32B包含5个版本：

Qwen1.5-32B模型的评测结果

根据官方的描述，Qwen1.5-32B模型在300亿参数规模的模型中评测中非常靠前。虽然不能说第一，但各项成绩都很优秀。

而根据DataLearnerAI收集的全球主流模型评测结果上，Qwen1.5-32B接近此前发布的DBRX模型（ https://www.datalearner.com/ai-models/pretrained-models/DBRX-Instruct ），这是一个1320亿参数的MoE模型（激活时使用360亿参数）：

上图是按照MMLU评分从上往下排序的结果。从上图可以看到，Qwen1.5-32B超过了Grok-1，略低于DBRX模型。但是总体上比李开复旗下公司开源的Yi-34B也要略差。详细的数据如下：

尽管综合理解能力MMLU得分，Qwen1.5-32B并不算优秀，但是涉及到推理和数学方面（GSM8K、Math），则比其它300亿参数模型提升明显，只是略低于Qwen1.5-72B模型。

Qwen1.5-32B模型的上下文长度

官方提到了它支持32K上下文长度输入，在“大海捞针”测试中表现很好。

Qwen1.5-32B模型的开源地址和演示地址

Qwen1.5-32B模型本身以通义千问的开源协议开源，允许商用，也有在线测试，具体开源地址和在线测试地址参考DataLearnerAI的Qwen1.5-32B模型信息卡：https://www.datalearner.com/ai-models/pretrained-models/Qwen1_5-32B