反超 DeepSeek-V3，新发布的 Qwen2.5-Max 到底有多牛？

登上大模型盲测榜单全球前十，数学及编程能力夺冠。

原标题：反超 DeepSeek-V3，新发布的 Qwen2.5-Max 到底有多牛？
文章来源：特工宇宙
内容字数：3901字

国产大模型崛起：Qwen2.5-Max 惊艳亮相

春节假期后，AI领域迎来了一个令人振奋的消息：阿里巴巴推出的Qwen2.5-Max大模型在多个权威榜单上取得了令人瞩目的成绩，引发业界广泛关注。这款采用MoE架构，拥有20万亿token预训练数据的模型，不仅在基准测试中全面领先开源模型，还在多项任务中与国际顶尖模型Claude-3.5-Sonnet比肩。

Chatbot Arena榜单：全球第七，超越众多国际巨头

Qwen2.5-Max在备受推崇的Chatbot Arena盲测榜单中，以1332分位列全球第七，超越了DeepSeek V3、Claude-3.5-Sonnet等国际主流模型。Chatbot Arena之所以备受认可，是因为其庞大的用户基数、多维度的评估体系以及公正透明的评测机制，确保了结果的可靠性和权威性。许多AI领域的大佬都曾公开引用或认可该榜单的评判结果。

值得一提的是，Qwen2.5-Max在数学、编程和处理复杂指令（Hard Prompts）等专业领域表现尤为突出，甚至在数学和编程领域荣获榜单第一。

实测体验：卓越的性能展现

为了更深入地了解Qwen2.5-Max的实际能力，我们通过阿里云上线的QwenChat平台进行了测试。测试涵盖了多个领域，包括数学、文学翻译、逻辑推理、编程算法和代码生成等。

数学能力：精准无误

在2024年考研数学一填空题测试中，Qwen2.5-Max全部答题正确，解题思路清晰，计算过程简洁高效。

文学能力：信达雅兼备

我们用OneRepublic在春晚演唱的《Counting Stars》歌词翻译来测试其文学能力。Qwen2.5-Max给出的翻译既准确传达了原文意思，又兼具了优美的文学表达，丝毫不逊色于官方翻译。

逻辑推理与编程能力：高效精准

在逻辑推理测试中，Qwen2.5-Max迅速找到了23枚硬币分组问题的最优解。在编程算法测试中，它优雅地生成了广度优先搜索算法的教学代码，并支持Artifacts功能，实现了交互式的展示和实时解答。此外，我们还测试了其修改传统贪吃蛇游戏规则并生成代码的能力，生成的代码可以立即在线游玩。

通用能力：轻松应对各种挑战

一些看似简单的弱智吧问题以及热门字母个数统计等问题，Qwen2.5-Max也能够轻松应对。

国产大模型的集体崛起

Qwen2.5-Max的成功并非个例。在Chatbot Arena榜单上，我们还看到了DeepSeek-V3、智谱 GLM-4-Plus、阶跃星辰的 Step-2-16k-exp等国产大模型的身影，它们同样名列前茅。这表明中国在人工智能领域正以前所未有的速度崛起，与国际领先水平的差距正在快速缩小。

未来展望：持续创新，突破边界

Qwen模型团队表示，将继续通过规模化强化学习技术的创新应用，提升大语言模型的思维和推理能力，致力于实现模型智能超越人类认知边界。 DeepSeek团队展示的从V3到R1的演进路径，也印证了强化学习在模型能力提升中的重要作用。 我们有理由相信，未来Qwen等国产大模型将会带给我们更多惊喜。

这是一个令人兴奋的时代，国产大模型的崛起不仅代表着中国在人工智能领域的重大突破，也预示着全球人工智能产业格局的深刻变革。我们期待着见证中国AI从“跟跑者”向“领跑者”的华丽转身。

联系作者

文章来源：特工宇宙
作者微信：
作者简介：Agent Universe，专注于智能体的AI科技媒体。