这一成果凸显了将强化学习应用于经过大规模预训练的强大基础模型的有效性。此外，我们还在推理模型中集成了与 Agent 相关的能力，使其能够在使用工具的同时进行批判性思考，并根据环境反馈调整推理过程。目前，QwQ-32B 已在 Hugging

3 月 4 日消息，《商业内幕》北京时间今天傍晚报道，亚马逊正在开发一款具备先进“推理”能力的人工智能模型。据一位直接参与该项目的知情人士透露，这款新产品计划最早在 6 月以“Nova”品牌发布，Nova 是亚马逊去年底推出的一系列生成式

2 月 19 日消息，腾讯元宝官方今晚宣布，旗下深度思考模型“混元 T1”现在所有用户都可以无限量使用（混元 + DeepSeek 两大模型免费不限量）。据介绍，腾讯混元 T1 和 DeepSeek-R1 都是推理模型，能理解问题的多重维度