千万不要尝试 Qwen2.5-Max，你会因此忘掉 DeepSeek V3

原标题：千万不要尝试 Qwen2.5-Max，你会因此忘掉 DeepSeek V3
文章来源：夕小瑶科技说
内容字数：5912字

阿里云通义千问Qwen2.5-Max强势崛起，挑战DeepSeek V3霸主地位

本文总结了阿里云通义千问团队最新发布的Qwen2.5-Max大模型，及其在多个权威榜单和实际测试中超越DeepSeek V3的表现。

1. Qwen2.5-Max在权威榜单上的优异表现

Qwen2.5-Max在业界公认最公正权威的Chatbot Arena榜单上，超越了DeepSeek V3。Arena榜单采用匿名盲测的方式，用户根据真实对话体验投票，保证了榜单的客观性。此外，Qwen2.5-Max还在LiveBench、LiveCodeBench、GPQA-Diamond及MMLU-Pro等基准测试中全面超越DeepSeek V3。

2. Qwen2.5-Max的核心优势：数学、编程和“硬提示”能力

阿里云官方表示，Qwen2.5-Max在数学和编程方面表现出色。“硬提示”能力是其另一大亮点，它能够出色地处理模糊、抽象、开放性的指令，例如创作诗歌、进行跨领域知识推理等，展现出强大的知识储备、创造力和推理能力。

3. Artifacts功能：提升编程体验

Qwen2.5-Max的“Artifacts”功能允许实时渲染前端代码，极大提升了编程体验。用户即使不懂编程，也能轻松利用Qwen2.5-Max生成代码，创建各种应用，例如烟花动画、动态艺术作品、TODO列表应用甚至国际象棋游戏等。

4. 实际应用测试：展现强大的编程和推理能力

文章通过多个实际案例，例如生成七彩祥云烟花动画、动态艺术作品、TODO列表应用、国际象棋游戏以及物理模拟（球在旋转六边形中弹跳）等，展示了Qwen2.5-Max强大的编程能力。虽然在复杂的物理模拟中最初出现错误，但在人工提示和修正后，成功实现了目标。

5. 文学能力测试：兼具温度和智慧

文章也对Qwen2.5-Max的文学能力进行了测试，结果表明其回答兼具温度和智慧，例如在创作回信时，能够体现对个人选择的尊重和理解，展现出其情感处理能力。

6. “AI专用变态测试系列”：挑战极限

文章还对Qwen2.5-Max进行了“AI专用变态测试”，例如倒装句和“草莓测试”（数草莓数量）等难题。Qwen2.5-Max在这些测试中表现出色，展现了其强大的语言理解和推理能力，其“抗压能力”也优于其他模型，例如在草莓测试中，通过添加“一个一个数”的提示词，可以有效提高准确率。

7. 结语：共同推动AGI发展

文章最后总结道，DeepSeek和Qwen都是中国AI大模型的代表力量，两者在AGI的道路上共同努力。Qwen2.5-Max的出现，展现了中国AI技术的持续进步和创新能力。 DeepSeek与Qwen之间也存在技术上的互相借鉴与合作，共同推动AGI发展。

联系作者

文章来源：夕小瑶科技说
作者微信：
作者简介：低负担解码AI世界，硬核也可爱！聚集35万AI发烧友、开发者和从业者，广泛覆盖互联网大厂中高管、AI公司创始人和机构投资人。一线作者来自清北、国内外顶级AI实验室和大厂，兼备敏锐的行业嗅觉和洞察深度。商务合作：zym5189