QwQ 32B Preview
3579°
<qwq-32b>
Las apps que soportan etiquetas de ModelTrends te permiten ejecutar/instalar modelos copiando este código en tu prompt sin configuración. Busca nuestro ícono en apps que lo soporten, como Prism (abajo).
Ejecutar este modelo
Ofertas / Anuncios
Easy Creator (Prism) Web
Ilimitado · tarifa fija
Ideal para principiantes. Flujos de trabajo potentes, curva de aprendizaje baja.
PirateDiffusion Telegram
Ilimitado · tarifa fija
Crea videos, imágenes, personajes de chat personalizados y más.
Pro studio (SpyGlass) Web
Ilimitado · tarifa fija
Explora modelos, renderiza y mejora desde cualquier navegador o teléfono.
Discord bot (Vector)
Ilimitado · tarifa fija
Agrega Vector a tu servidor o únete al Discord de Vector. ¡Crea lo que quieras!
Unified Editor Web
Ilimitado · tarifa fija
Editor para imágenes y video: renderiza, edita, mejora y más en una sola página.
Apps locales
Requiere configuración
Instala programas locales si tu computadora tiene buen hardware.
ModelDuel Web
Paga por uso
Genera el mismo prompt en hasta 50 modelos checkpoint/base a la vez.
Guías para este modelo
Las 10 alternativas más baratas a ChatGPT en 2026: modelos locales gratuitos, planes gratuitos y tarifas planas
Pesos abiertos vs código abierto vs solo API: lo que realmente puedes hacer
¿Qué es un archivo GGUF? Modelos cuantizados explicados (Q4, Q8, fp8, NF4)
Qwen | contexto de 32,768 tokens | $0.12/M entrada, $0.18/M salida. QwQ es un modelo experimental de investigación desarrollado por el equipo Qwen, diseñado para avanzar en las capacidades de razonamiento de IA. Este modelo encarna el espíritu de la indagación filosófica, abordando problemas con genuina curiosidad y duda. QwQ demuestra habilidades analíticas impresionantes, alcanzando puntuaciones de 65.2% en GPQA, 50.0% en AIME, 90.6% en MATH-500 y 50.0% en LiveCodeBench. Con su enfoque contemplativo y rendimiento excepcional en problemas complejos.
Notas del capitán
Notas del 2026-10-13
QwQ 32B Preview es un modelo experimental de razonamiento de Qwen, diseñado para pensar en problemas difíciles en lugar de responder rápidamente. Obtiene resultados sólidos en pruebas de nivel de posgrado en ciencias, matemáticas de competencia y programación, y su enfoque deliberado y autocrítico lo distingue de los modelos estándar ajustados para instrucciones. Si necesitas un modelo que resuelva un problema paso a paso y muestre su razonamiento, vale la pena probarlo a un precio accesible.
Conocido por
- Alto rendimiento en matemáticas de competencia y problemas científicos de nivel posgrado.
- Razonamiento deliberado en cadena de pensamiento con autocorrección visible.
- Resultados sólidos en benchmarks de programación en LiveCodeBench.
- Precio bajo en la API en relación con su capacidad de razonamiento.
Cuidado con
- Los pesos no son abiertos; solo se accede vía API, sin despliegue local.
- El contexto de 32,768 tokens es modesto: documentos largos o conversaciones extensas alcanzarán el límite.
- Etiquetado como modelo de vista previa e investigación; espera imperfecciones y comportamiento inconsistente.
Prompts para probar
Estimación Fermi con desarrollo
¿Cuántos afinadores de piano hay en Tokio? Realiza tu estimación paso a paso, indicando cada suposición que hagas y señalando dónde tienes mayor incertidumbre. Luego da un número final con un rango aproximado de confianza.
Revisión y corrección de demostración
Aquí hay una demostración de un estudiante que afirma que la raíz cuadrada de 2 es racional. Encuentra todos los errores lógicos, explica por qué falla cada paso y luego escribe una demostración correcta de que la raíz cuadrada de 2 es irracional. Demostración del estudiante: Asumir √2 = a/b en términos irreducibles. Entonces 2 = a²/b², por lo que a² = 2b². Como a² es par, a es par, entonces escribe a = 2k. Luego 4k² = 2b², así que b² = 2k², lo que significa que b también es par. Por lo tanto, √2 es racional.
Compensaciones en diseño de algoritmos
Necesito encontrar las k palabras más frecuentes en un flujo de texto donde k es pequeño (digamos 10) y el flujo es demasiado grande para almacenar. Explica al menos dos enfoques algorítmicos, compara su complejidad temporal y espacial, identifica las compensaciones y recomienda uno con justificación.
Comparar con
- Qwen3 30B A3B Thinking 2507Modelo solo APIContexto de 81,920 tokens · $0.20/M entrada, $2.40/M salida
- Qwen3 VL 235B A22B ThinkingModelo solo APIContexto de 131,072 tokens · $0.40/M entrada, $4.00/M salida
- Qwen3.8 Max (0902)Modelo solo APIContexto de 1,000,000 tokens · $2.00/M entrada, $6.00/M salida
- Qwen3 VL 32B InstructModelo solo APIContexto de 131,072 tokens · $0.10/M entrada, $0.42/M salida
Más modelos de texto de qwen
Preguntas frecuentes
- ¿Puedo ejecutar QwQ 32B Preview localmente?
- No, los pesos no se han publicado, por lo que solo puedes usarlo a través de un endpoint API.
- ¿Cuánto cuesta y cuál es su contexto?
- Qwen lo cobra a $0.12 por millón de tokens de entrada y $0.18 por millón de tokens de salida, con una ventana de contexto de 32,768 tokens.
- ¿En qué se diferencia de un modelo estándar de chat Qwen?
- QwQ está diseñado específicamente para razonamiento deliberado y en múltiples pasos, no para respuestas rápidas de conversación; además, es un modelo experimental de vista previa, no una versión de producción.
Veredicto del capitánUn modelo de razonamiento barato y capaz que vale la pena probar en problemas difíciles de matemáticas y ciencias, solo no esperes pesos abiertos ni una ventana de contexto larga.
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Cómo se suma esta puntuación
Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.
Glosario: los términos usados aquí
- Puntuación heat
- Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
- Piso
- Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
- Equivalentes a descargas
- Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
- Escala logarítmica
- Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
- Likes
- Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
- Tasa de adopción
- Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
- Medido y estimado
- Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
- Seeder
- Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
- AI Horde
- Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
- Sitios de generación
- Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
- Tokens de OpenRouter
- Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
- LoRA y embedding
- Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
- Familia y pesos
- La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
- Antigüedad
- Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
- Impulso de familia
- Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
- Puntaje provisional
- Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
- ¡Nuevo! (periodo de gracia)
- Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
- Tendencia
- Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
- Modelo típico
- El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
QwQ 32B Preview es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM, consulta su puntuación de calor para ver su tendencia y ábrelo en PirateDiffusion o BitVector para probarlo.
Más modelos Text / LLMMás Texto / LLM de Text / LLMllmqwenrazonamientomatemáticasprogramacióninvestigación
Explorar por familia de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153