Qwen QwQ 32B (Alibaba 2024)（クウェンキューダブリュキュー32ビー2024）
Alibaba 2024年11月発表 OSS reasoning モデル。32B パラメータ・AIME 50%・GPQA 65.2%・Apache 2.0・RTX 4090 動作可
概要
Qwen QwQ 32B は 2024年11月28日に中国 Alibaba（杭州、1999年 Jack Ma 創業）の Qwen チーム（DAMO Academy 配下）が発表した OSS reasoning モデル（HuggingFace: Qwen/QwQ-32B-Preview、後継正式版 Qwen/QwQ-32B 2025-03）。32B パラメータ・AIME 2024 = 50.0%・GPQA Diamond = 65.2%・MATH-500 = 90.6%・Apache 2.0 ライセンス・RTX 4090 24GB で動作可で「中型 OSS reasoning」の先駆け。
QwQ = 「Qwen with Questions」の略、「質問を考える Qwen」コンセプト。Qwen 2.5 32B base から chain-of-thought 強化学習で reasoning 能力を引き出し、OpenAI o1 (2024-09) 発表から 2 ヶ月後に対抗発表、Alibaba reasoning 戦略の中核。DeepSeek R1 (2025-01-20) 発表より 2 ヶ月早く登場した「OSS reasoning 戦国時代」の最初の旗手。
革新は (1) 32B 中型パラメータ：DeepSeek R1 (671B) の 1/21 サイズで、RTX 4090 24GB / Mac Studio で動作可、エッジ推論実現 (2) 思考過程フル公開：内部 chain-of-thought 全表示、OpenAI o1（非公開）の対極 (3) Apache 2.0：完全自由商用利用 (4) 学習データ + 一部 weights 公開：研究再現性高い (5) 多言語強い：Alibaba 戦略で中・日本語 reasoning 強化。
価格は OSS で無料、Alibaba Cloud DashScope 経由 API は $0.001-0.005/1M トークン。後継 QwQ-32B (2025-03) では AIME 79.5%・GPQA 71.4% に大幅性能向上し、DeepSeek R1 に肉薄。
主な特徴・仕組み
- ベース: Qwen 2.5 32B（Alibaba Qwen ファミリー）
- パラメータ: 32B（DeepSeek R1 671B の 1/21）
- 学習手法: Chain-of-Thought 強化学習
- AIME 2024: 50.0%（Preview）→ 79.5%（正式版 2025-03）
- GPQA Diamond: 65.2%（Preview）→ 71.4%（正式版）
- MATH-500: 90.6%
- コンテキスト: 32K トークン
- 思考過程: フル公開（OpenAI 対極）
- VRAM: FP16 64GB / INT4 16GB（RTX 4090 で INT4 動作可）
- ライセンス: Apache 2.0
- 派生: QwQ-32B-Preview (2024-11)・QwQ-32B 正式版 (2025-03)
- OS バージョン: Preview (2024-11-28)・正式 (2025-03)
スペック比較表
| 項目 | Qwen QwQ 32B (2024) | DeepSeek R1 | OpenAI o1-preview | OpenAI o1-mini | Claude 3.7 Extended Thinking |
|---|---|---|---|---|---|
| パラメータ | 32B | 671B (MoE) | unknown | unknown | unknown |
| AIME 2024 | 50% (Preview) / 79.5% (正式) | 79.8% | 83% | 70% | 78.4% |
| GPQA Diamond | 65.2% / 71.4% | 71.5% | 75.7% | 60% | 84.8% |
| 価格 | OSS 無料 | $2.19/1M | $60/1M | $12/1M | $15/1M |
| ライセンス | Apache 2.0 | MIT | proprietary | proprietary | proprietary |
| VRAM (INT4) | 16GB | 168GB | API | API | API |
| エッジ動作 | RTX 4090 | H100 多基 | 不可 | 不可 | 不可 |
具体例・対応製品
- Qwen/QwQ-32B-Preview (HuggingFace 2024-11): 公式 Preview 版、評価用
- Qwen/QwQ-32B (HuggingFace 2025-03): 正式版、性能大幅向上
- Alibaba Cloud DashScope QwQ API: $0.001-0.005/1M、Alibaba Cloud 統合
- Ollama qwq:32b: ローカル動作、Mac Studio / RTX 4090 で実用
- Hugging Face Inference Endpoint QwQ: 月 $50-200 でクラウド推論
選び方・注意点
- エッジ推論最適: RTX 4090 24GB で INT4 動作可、自宅 / 小規模オフィスで o1 級 reasoning が可能
- Apache 2.0: 完全自由商用利用、企業法務クリア容易
- 中・日本語強い: Alibaba 戦略で多言語学習データ豊富、日本語 reasoning タスクで実用性高
- 思考過程フル公開: 教育的価値高、デバッグ・学習に最適
- Preview vs 正式版: 2024-11 Preview は実験的、2025-03 正式版で AIME +29%・GPQA +6% 大幅性能向上、新規利用は正式版
- DeepSeek R1 比較: パラメータ 1/21 で性能 70-80%、エッジ動作の手軽さで R1 より優位
- OpenAI o1 比較: 性能で僅か劣るが、OSS + エッジ動作 + 無料の圧倒的コスパ
関連用語との違い
| 用語 | 違い |
|---|---|
| Qwen QwQ 32B (Alibaba 2024) | OSS 32B・Apache 2.0・RTX 4090 動作 |
| DeepSeek R1 (2025) | OSS 671B・MIT・H100 多基必要 |
| OpenAI o1-preview (2024) | 商用・$60/1M |
| OpenAI o1-mini (2024) | 商用軽量・$12/1M |
| Claude 3.7 Extended Thinking (2024) | 商用・$15/1M・Tool 統合 |
よくある質問（FAQ）
Q1: 32B で OpenAI o1 にどこまで迫れる？ A: Preview (2024-11) は AIME 50%・GPQA 65% で o1-mini 級、正式版 (2025-03) は AIME 79.5%・GPQA 71.4% で o1-preview に肉薄。パラメータ 200B 級と推測される o1 と 32B QwQ の差を、Chain-of-Thought RL 学習の効率化で埋めた成果。
Q2: RTX 4090 24GB で INT4 動作の実用性は？ A: INT4 量子化版（16GB）で RTX 4090 動作、推論速度 30-60 tok/s（実用範囲）。1 質問の思考 + 回答が 30 秒 - 1 分、o1 体験を自宅で再現可能。電気代月 ¥3000 程度、API 課金なし、長期運用でクラウド比 95% コスト削減。
Q3: 日本語 reasoning は実用的？ A: 実用的。Alibaba の中・日本語学習データ豊富で、英語版と同等の reasoning 性能を日本語で発揮。数学問題の日本語化・日本語 PhD レベル試験で実測精度 85% 以上。日本市場での OSS reasoning モデル筆頭候補。
まとめ
- 中国 Alibaba 2024年11月発表・OSS reasoning モデル先駆け
- 32B パラメータ・Apache 2.0・RTX 4090 動作可
- Preview 版 AIME 50% → 正式版 79.5% に大幅性能向上
- 思考過程フル公開・中・日本語 reasoning 強い
- エッジ推論で o1 級 reasoning を自宅実現