Tôi có thể chạy QwQ 32B Preview cục bộ không?

Không — trọng số không được công khai, bạn chỉ có thể dùng qua API.

Chi phí và độ dài ngữ cảnh là bao nhiêu?

Qwen tính $0.12 cho mỗi triệu token đầu vào và $0.18 cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 32,768 token.

Điểm khác biệt so với mô hình chat Qwen tiêu chuẩn là gì?

QwQ được xây dựng đặc biệt cho suy luận nhiều bước có chủ ý thay vì phản hồi hội thoại nhanh; nó cũng là mô hình xem trước thử nghiệm, không phải bản phát hành sản xuất.

QwQ 32B Preview

3579°

#llm #qwen #lý luận #toán học #lập trình #nghiên cứu

Chạy trên Graydient

Mở DeepInfra

Chạy mô hình này

Ưu đãi / Quảng cáo

Easy Creator (Prism) Web

Không giới hạn · phí cố định

Tốt nhất cho người mới bắt đầu. Quy trình làm việc mạnh mẽ, dễ học.

PirateDiffusion Telegram

Không giới hạn · phí cố định

Tạo video, hình ảnh, nhân vật chat tùy chỉnh và nhiều hơn nữa.

Pro studio (SpyGlass) Web

Không giới hạn · phí cố định

Duyệt mô hình, render và chỉnh sửa từ bất kỳ trình duyệt hay điện thoại nào.

Discord bot (Vector)

Không giới hạn · phí cố định

Thêm Vector vào máy chủ của bạn hoặc tham gia Discord của Vector. Tạo mọi thứ!

Unified Editor Web

Không giới hạn · phí cố định

Trình chỉnh sửa cho hình ảnh và video: render, chỉnh sửa, nâng cấp và nhiều hơn nữa trên một trang.

Ứng dụng cục bộ

Cần thiết lập

Cài đặt các chương trình local nếu máy tính của bạn có phần cứng đủ mạnh.

ModelDuel Web

Trả theo lượt dùng

Tạo cùng một lệnh trên tối đa 50 mô hình checkpoint/cơ sở cùng lúc.

Thuê GPU trên đám mây

Graydient Cloud GPU

Không giới hạn · phí cố định

Phí cố định, dùng không giới hạn. Mô hình này cài đặt chỉ với một lần nhấp.

RunPod Cloud GPU

Tính phí theo phút

Thuê GPU theo phút và tự thiết lập mô hình.

Hướng dẫn cho mô hình này

10 lựa chọn thay thế ChatGPT rẻ nhất năm 2026: mô hình cục bộ miễn phí, gói miễn phí và gói trả phí cố định

Mở weights vs mã nguồn mở vs chỉ API: bạn thực sự được phép làm gì

Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)

Tất cả hướng dẫn

Qwen | ngữ cảnh 32,768 token | $0.12/M đầu vào, $0.18/M đầu ra. QwQ là mô hình nghiên cứu thử nghiệm do nhóm Qwen phát triển, nhằm nâng cao khả năng suy luận AI. Mô hình này thể hiện tinh thần khảo cứu triết học, tiếp cận vấn đề với sự ngạc nhiên và nghi ngờ chân thành. QwQ thể hiện khả năng phân tích ấn tượng, đạt điểm 65.2% trên GPQA, 50.0% trên AIME, 90.6% trên MATH-500, và 50.0% trên LiveCodeBench. Với cách tiếp cận suy ngẫm và hiệu suất xuất sắc trên các vấn đề phức tạp.

Ghi chú của thuyền trưởng

Viết bởi Captain, biên tập viên chính

Ghi chú từ 2026-10-13

QwQ 32B Preview là mô hình suy luận thử nghiệm của Qwen, được xây dựng để suy nghĩ kỹ qua các vấn đề khó thay vì trả lời nhanh. Nó đạt điểm chuẩn mạnh trên các bài toán khoa học trình độ sau đại học, toán thi đấu và lập trình, và cách tiếp cận suy luận chuỗi suy nghĩ tự kiểm tra khiến nó khác biệt so với các mô hình tinh chỉnh chỉ dẫn tiêu chuẩn. Nếu bạn cần mô hình làm việc qua vấn đề từng bước và thể hiện suy luận, đây là lựa chọn đáng thử với giá không quá cao.

Nổi tiếng với

Hiệu suất mạnh trên toán thi đấu và khoa học trình độ sau đại học.
Suy luận chuỗi suy nghĩ có chủ ý, tự sửa lỗi rõ ràng.
Kết quả điểm chuẩn lập trình tốt trên LiveCodeBench.
Giá API thấp so với khả năng suy luận.

Cẩn thận với

Trọng số không mở; chỉ truy cập qua API, không triển khai cục bộ.
Ngữ cảnh 32,768 token khá hạn chế — tài liệu dài hoặc hội thoại kéo dài sẽ chạm giới hạn.
Được gắn nhãn bản xem trước và mô hình nghiên cứu; có thể có lỗi và hành vi không nhất quán.

Phù hợp nhất cho

Lời nhắc để thử

Ước lượng Fermi có trình bày

Có bao nhiêu thợ lên dây đàn piano ở Tokyo? Hãy ước lượng từng bước, nêu rõ mọi giả định và đánh dấu nơi bạn không chắc chắn nhất. Sau đó cho số cuối cùng với khoảng tin cậy sơ bộ.

Kiểm tra và sửa bằng chứng

Đây là bằng chứng của một học sinh rằng căn bậc hai của 2 là số hữu tỉ. Tìm mọi lỗi logic, giải thích tại sao từng bước sai, rồi viết bằng chứng đúng rằng căn bậc hai của 2 là số vô tỉ. Bằng chứng học sinh: Giả sử √2 = a/b dưới dạng tối giản. Khi đó 2 = a²/b², nên a² = 2b². Vì a² chẵn, a chẵn, viết a = 2k. Khi đó 4k² = 2b², nên b² = 2k², nghĩa là b cũng chẵn. Vậy √2 là số hữu tỉ.

Thiết kế thuật toán đánh đổi

Tôi cần tìm top-k từ xuất hiện nhiều nhất trong luồng văn bản, với k nhỏ (ví dụ 10) và luồng quá lớn để lưu trữ. Trình bày ít nhất hai phương pháp thuật toán, so sánh độ phức tạp thời gian và không gian, xác định các đánh đổi, và đề xuất một phương pháp kèm lý do.

So sánh với

Qwen3 30B A3B Thinking 2507
Mô hình chỉ API
ngữ cảnh 81,920 token · Đầu vào $0.20/M, đầu ra $2.40/M
Qwen3 VL 235B A22B Thinking
Mô hình chỉ API
ngữ cảnh 131,072 token · Đầu vào $0.40/M, đầu ra $4.00/M
Qwen3.8 Max (0902)
Mô hình chỉ API
ngữ cảnh 1,000,000 token · Đầu vào $2.00/M, đầu ra $6.00/M
Qwen3 VL 32B Instruct
Mô hình chỉ API
ngữ cảnh 131,072 token · Đầu vào $0.10/M, đầu ra $0.42/M

Thêm mô hình văn bản từ qwen

Câu hỏi thường gặp

Tôi có thể chạy QwQ 32B Preview cục bộ không?: Không — trọng số không được công khai, bạn chỉ có thể dùng qua API.
Chi phí và độ dài ngữ cảnh là bao nhiêu?: Qwen tính $0.12 cho mỗi triệu token đầu vào và $0.18 cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 32,768 token.
Điểm khác biệt so với mô hình chat Qwen tiêu chuẩn là gì?: QwQ được xây dựng đặc biệt cho suy luận nhiều bước có chủ ý thay vì phản hồi hội thoại nhanh; nó cũng là mô hình xem trước thử nghiệm, không phải bản phát hành sản xuất.

Phán quyết của thuyền trưởng
Mô hình suy luận giá rẻ, có năng lực đáng thử với các bài toán toán học và khoa học khó — chỉ cần không mong đợi trọng số mở hay cửa sổ ngữ cảnh dài.

Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Điểm số này được tính như thế nào

Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.

Thuật ngữ: các từ dùng ở đây

Điểm nhiệt: Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
Sàn điểm: 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
Tương đương lượt tải: Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
Thang log: Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
Lượt thích: Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
Tỷ lệ áp dụng: Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
Đã đo và ước tính: Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
Seeder: Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
AI Horde: Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
Trang tạo ảnh: Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
Token OpenRouter: Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Mô hình đầy đủ (checkpoint): Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
LoRA và embedding: Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
Gia đình và trọng số: Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
Tuổi: Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
Tăng gia đình: Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
Điểm thay thế: Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
Mới! (giai đoạn thử nghiệm): Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
Xu hướng: Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
Mô hình điển hình: Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.

Cách cài đặt

Cách Cài Đặt Ollama và Chạy AI Cục Bộ (Windows, Mac, Linux)

Mô hình tương tự

Mô hình AI để tạo hình ảnh, video & văn bản

QwQ 32B Preview là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác, xem điểm độ hot để biết xu hướng và mở trên PirateDiffusion hoặc BitVector để dùng thử.

Thêm mô hình Text / LLM Thêm Văn bản / LLM Text / LLM llm qwen lý luận toán học lập trình nghiên cứu

Duyệt theo họ mô hình