作者：郝俊慧 来源：IT时报

4月7日，阿里云通义千问开源320亿参数模型Qwen1.5-32B，加上此前已经开源的5亿、18亿、40亿、70亿、140亿和720亿参数的六款大语言模型，截至目前，通义千问共开源了7款大语言模型，至此凑齐阿里云的开源“葫芦娃”家族。　　

参数，意指大模型在训练中不断调整的变量和权重。简单理解，AI的训练过程就是一个不断接近和仿真真实世界的过程，在输入大量真实数据后，大模型不断调整参数从而逐步提高结果的准确性。某种意义上，参数越多，AI的结果越有可能具备“智能”，但相应的算力成本也越高。　　

据阿里云透露，7款大模型中，几款小尺寸模型可便捷地在端侧部署。3月28日，阿里云和联发科联合宣布，通义千问18亿、40亿参数大模型已成功部署进天玑9300移动平台，这是通义大模型首次完成芯片级的软硬适配，即使在离线状态下，仅靠手机芯片的算力，用户也可以通过通义千问完成多轮AI对话，实现AI推理。　　

720亿参数模型是目前通义千问大家族中参数规模最大的开源大模型，于去年12月1日正式开源，并在12月8日登顶全球最大的开源大模型社区HuggingFace的开源大模型排行榜。　　

不过，也有专家认为，达到性能质变的奇点后，参数规模与模型性能之间的关系将不再完全正相关。　　

这一点在通义千问32B和72B两个不同参数规模大模型的能力对比方面似乎得到部分印证。

据阿里云透露，基础能力方面，通义千问320亿参数模型在MMLU、GSM8K、HumanEval、BBH等多个测评中表现优异，性能接近通义千问720亿参数模型。

Chat模型方面，Qwen1.5-32B-Chat模型在MT-Bench评测得分超过8分，与Qwen1.5-72B-Chat之间的差距相对较小；多语言能力方面，通义千问团队选取了包括阿拉伯语、西班牙语、法语、日语、韩语等在内的12种语言，在考试、理解、数学及翻译等多个领域做了测评。Qwen1.5-32B的多语言能力只略逊于通义千问720亿参数模型。　　

通义千问团队希望32B开源模型能为下游应用提供更好的解决方案，在性能、效率和内存占用之间实现更理想的平衡。例如，相比14B模型，32B在智能体场景下能力更强；相比72B，32B的推理成本更低。