Qwen2.5-Math 开源模型实战：从本地部署到奥数题推理验证

第二步：设置 Python 虚拟环境和安装依赖

工欲善其事，必先利其器。我们通过 Miniconda 管理 Python 虚拟环境。

# Python 虚拟环境名：Qwen2.5，版本号：3.10
conda create -n Qwen2.5 python=3.10 -y

# 激活虚拟环境
conda activate Qwen2.5

接下来，在虚拟环境中下载依赖包：

pip install torch
pip install modelscope
pip install "transformers>=4.37.0"
pip install "accelerate>=0.26.0"

第三步：使用 CoT 方式进行数学推理验证

我们先通过一个简单数学方程：4X+5=6X+7，验证一下 Qwen2.5-Math 的推理能力。

# Qwen2.5-Math-Eval-01.py
import os
from modelscope import AutoModelForCausalLM, AutoTokenizer

# 权重文件目录
model_dir = os.path.join('D:', os.sep, 'ModelSpace', 'Qwen2.5', 'Qwen2.5-Math-1.5B-Instruct')
print(f'权重目录：{model_dir}')

# 初始化模型
model = AutoModelForCausalLM.from_pretrained(
    model_dir,
    torch_dtype='auto',
    device_map='auto',
    local_files_only=True,
)

# 初始化分词器
tokenizer = AutoTokenizer.from_pretrained(
	model_dir,
	local_files_only=True,
)

# Prompt 提示词
prompt = '请计算等式中的 X 值：4X+5=6X+7'
messages = [
    {'role': 'system', 'content': '你是一位数学专家，特别擅长解答数学题。'},
    {'role': 'user', 'content': prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
)
model_inputs = tokenizer(
    [text],
    return_tensors='pt',
).to(model.device)

print(f'开始推理：{prompt}')

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512,
)

print('推理完成.')

generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(
    generated_ids,
    skip_special_tokens=True,
)[0]

print(f'推理结果：{response}')

执行本 Python 程序：python Qwen2.5-Math-Eval-01.py，可以看到 Qwen2.5-Math 模型通过 CoT 的推理方式给出了结果。从最终结果来看，Qwen2.5-Math 推理过程很清晰，和我们的思维模型比较相近。

Qwen2.5-Math-72B 推理小学和初中奥数题挑战

上面一元一次方程只是简单体验，接下来我们通过奥数题目，对 Qwen2.5-Math 发出挑战。因此，我们将采用 Qwen2.5-Math-72B 目前地表最强数学模型，来解答小学和初中奥数题目。

我们将通过以下步骤，完成 Qwen2.5-Math 整个奥数题挑战验证：

第一步：整理奥数题目

分别找 3 道小学和 3 道初中奥数题目，通过 JSON 格式文件存储每道题目，每道题由等级、题目和答案组成：

[
	{
		"level": "小学",
		"title": "小明和小红共有 100 元钱，小明比小红多 20 元。请问小明和小红分别有多少钱？",
		"answer": "小明：60 元，小红：40 元"
	}, {
		"level": "小学",
		"title": "小明围绕长方形操场跑步，跑了 3 圈共 480 米，操场的长比宽多 20 米。请问操场面积是多少平方米？",
		"answer": "操场面积：1500 平方米"
	}, {
		"level": "小学",
		"title": "甲乙二人从两地沿直线同时相对而行，经过 4 小时，在距离中点 4 千米处相遇，甲比乙的速度快。请问甲每小时比乙快多少千米？",
		"answer": "甲每小时比乙快：2 千米"
	}, {
		"level": "初中",
		"title": "小明和小红以同样多的钱买了同一种铅笔，小明要了 13 支，小红要了 7 支，小明又给小红 0.6 元钱。请问每支铅笔多少钱？",
		"answer": "每支铅笔：0.2 元"
	}, {
		"level": "初中",
		"title": "父亲今年 45 岁，儿子今年 15 岁。请问多少年前父亲的年龄是儿子年龄的 11 倍？",
		"answer": "12 年前"
	}, {
		"level": "初中",
		"title": "商店有一套运动服，成本价为 100 元，按标价的 8 折出售仍可获利 20 元。请问这套运动服的标价是多少元？",
		"answer": "这套运动服的标价：150 元"
	}
]

第二步：调用 Qwen2.5-Math-72B API 完成推理

由于本地推理速度较慢，接下来将使用阿里云百炼平台 API 完成奥数推理。如果大家对自己电脑配置有信心，可以直接使用本地模型进行验证。

奥数题目的推理程序逻辑有 3 部分组成（Qwen2.5-Math-奥数推理.py）：

1. 读取奥数题目 JSON 文件，并循环每一道题
2. 使用 Qwen2.5-Math 模型进行推理（或者：百炼平台 API），获取结果
3. 存储奥数题目和推理结果到新文件，便于查看检测

如果通过调用 API 完成推理，请先安装依赖包：pip install OpenAI

# Qwen2.5-Math-奥数推理.py
import os
import json
from openai import OpenAI

# 初始化客户端：提前配置好 DASHSCOPE_API_KEY 环境变量
client = OpenAI(
    api_key=os.getenv('DASHSCOPE_API_KEY'),
    base_url='https://dashscope.aliyuncs.com/compatible-mode/v1',
)

# 读取奥数题目
input_file = 'Qwen2.5-Math-奥数题目.json'

with open(input_file, 'r', encoding='utf-8') as file:
    data = json.load(file)

# 循环每道题目，请求推理服务
output_data = []

for item in data:
    print('')
    print(f'奥数题目-> {item["title"]}')
    print(f'期望答案-> {item["answer"]}')

    completion = client.chat.completions.create(
        model='qwen2.5-math-72b-instruct',
        messages=[
            {'role': 'system', 'content': '你是一位数学专家，特别擅长解答数学题。'},
            {'role': 'user', 'content': item["title"]}
        ],
    )

    # 获取推理结果
    result = json.loads(completion.model_dump_json())
    content = result['choices'][0]['message']['content']

    print(f'推理结果-> {content}')

    # 暂存结果，后面统一存储到文件
    output = {
        'level': item['level'],
        'title': item['title'],
        'answer': item['answer'],
        'result': content
    }

    output_data.append(output)
    print('')

# 保存推理结果
output_file = 'Qwen2.5-Math-推理结果.md'

with open(output_file, "w", encoding="utf-8") as file:
    for output in output_data:
        file.write(f'{output["level"]}题目：{output["title"]}\n\n期望答案：{output["answer"]}\n\n')
        file.write(f'{output["result"]}\n\n---\n\n')

Qwen2.5-Math-72B 果然没有让人失望，推理过程较快，并且推理的每一步都清晰明了。

第三步：验证推理结果的正确性

最后一步，我们打开 Qwen2.5-Math-72B 推理结果文件 Qwen2.5-Math-推理结果.md，确定其准确率：100%（奥数题全对）。它的推理速度非常快，并且推理的步骤都非常清晰明了。

对于有辅导家庭作业需求的朋友，如果您在辅导作业时感到头疼的话，可以尝试使用 Qwen2.5-Math，让我们真正体验一下高效辅助学习的乐趣。

总结与扩展建议

通过本次实战，我们验证了 Qwen2.5-Math 在数学解题领域的强大能力。无论是本地轻量级部署还是云端 API 调用，该模型都能提供清晰的推理步骤和高准确率的计算结果。

在实际应用中，建议根据硬件资源选择合适的模型版本。对于个人开发者，1.5B 或 3B 版本适合本地快速测试；对于生产环境或复杂推理任务，72B 版本配合 API 调用能获得最佳效果。同时，利用 TIR 功能结合 Python 代码解释器，可以进一步提升复杂计算的准确性。

未来随着模型能力的迭代，Qwen2.5-Math 有望在教育科技、自动化解题及科学计算等领域发挥更大的作用。