春节前夕，通义千问时隔三月发布了 Qwen 模型的最新版本 Qwen1.5。

新版大模型开源了六个型号尺寸：0.5B、1.8B、4B、7B、14B 和 72B。

以下是此次更新的一些重点：

- 支持 32K 上下文长度；

- 开放了 Base + Chat 模型的 checkpoint；

- 可与 Transformers 一起本地运行；

- 同时发布了 GPTQ Int-4 / Int8、AWQ 和 GGUF 权重。

先不看跑分，硅星GenAI上手试了试，看看它跟前代（1.0 版本）、GPT-3.5 和 GPT-4 实测对比效果：

这些测试包含如数学、逻辑、文字理解的相关问题。

首先，是两道数学题：

- 概率问题：一个标准的六面骰子连续掷两次，第一次掷出6的概率是多少？（正确答案：1/6）

- 代数问题：如果一个数加上它的倒数等于10/3，求这个数？（正确答案：1/3 或者 3）

无论是Qwen1.0，还是Qwen 1.5，其数学能力都超过了 GPT-3.5，给出了准确的思考过程。但 GPT-4 更胜一筹，能给出最为准确的答案。

接着，是两道逻辑题：

- 抽象推理：A比B大，C比A大，D比C小。如果E比D大，那么最小的是？（正确答案：B）

- 条件逻辑：如果下雨，我就不去公园。如果我去了公园，是否可以推断当天没有下雨？（正确答案：可以推断，并且当天没有下雨）

看得出，无论是 GPT，还是 Qwen 的模型，对于简单逻辑（比大小）都可以进行很好的处理；

但对于复杂逻辑判断，只有 GPT-4 以及 Qwen1.5-72B 可以做出准确处理。

最后，是两道文字题：

- 文本分析：分析以下句子的意图和情感：“虽然外面的风雨如磐，但他依然决定继续前行。”

- 隐喻和比喻：在“时间是一条河流，我们是河中的游鱼”的比喻中，时间和人的关系是如何被描述的？

在这一题中，Qwen1.5-72B 竟然从中领悟到了“同情”和“敬佩”的感情，这是其他模型，甚至是我自己都没想到的点，而且细想确实有道理。

论鸡汤，我觉得还是 Qwen1.5 72B 说的最有道理。整体来看，在 GPT系列模型中，面对此问题是一种消极的态度。

而 Qwen1.5 则是一种相对积极的观点——虽然我们无法左右时间前后，但可以自己调整身位来决定自己的生活路径。

性能测试与解读

在 MT-Bench 和 Alpaca-Eval v2 上，Qwen1.5-72B-Chat 表现不错，虽然不如 GPT-4 Turbo，但超过像是 Claude-2.1、GPT-3.5-Turbo-0613、Mixtral-8x7b-instruct 和 TULU 2 DPO 70B在内的一众模型，与 Mistral Medium 基本持平。

在小模型的测试中，这次在 7B 以下的 Qwen1.5 版本，都表现不错。

目前，Qwen1.5 已经与 HuggingFace transformers 代码库进行了集成。从 4.37.0 版本开始，开发者可以直接使用 transformers 库原生代码，而不加载任何自定义代码（指定 trust_remote_code 选项）来使用 Qwen1.5。