反超 DeepSeek-V3，新發布的 Qwen2.5-Max 到底有多牛？

登上大模型盲測榜單全球前十，數學及編程能力奪冠。

原標題：反超 DeepSeek-V3，新發布的 Qwen2.5-Max 到底有多牛？
文章來源：特工宇宙
內容字數：3901字

國產大模型崛起：Qwen2.5-Max 驚艷亮相

春節假期后，AI領域迎來了一個令人振奮的消息：阿里巴巴推出的Qwen2.5-Max大模型在多個權威榜單上取得了令人矚目的成績，引發業界廣泛關注。這款采用MoE架構，擁有20萬億token預訓練數據的模型，不僅在基準測試中全面領先開源模型，還在多項任務中與國際頂尖模型Claude-3.5-Sonnet比肩。

Chatbot Arena榜單：全球第七，超越眾多國際巨頭

Qwen2.5-Max在備受推崇的Chatbot Arena盲測榜單中，以1332分位列全球第七，超越了DeepSeek V3、Claude-3.5-Sonnet等國際主流模型。Chatbot Arena之所以備受認可，是因為其龐大的用戶基數、多維度的評估體系以及公正透明的評測機制，確保了結果的可靠性和權威性。許多AI領域的大佬都曾公開引用或認可該榜單的評判結果。

值得一提的是，Qwen2.5-Max在數學、編程和處理復雜指令（Hard Prompts）等專業領域表現尤為突出，甚至在數學和編程領域榮獲榜單第一。

實測體驗：卓越的性能展現

為了更深入地了解Qwen2.5-Max的實際能力，我們通過阿里云上線的QwenChat平臺進行了測試。測試涵蓋了多個領域，包括數學、文學翻譯、邏輯推理、編程算法和代碼生成等。

數學能力：精準無誤

在2024年考研數學一填空題測試中，Qwen2.5-Max全部答題正確，解題思路清晰，計算過程簡潔高效。

文學能力：信達雅兼備

我們用OneRepublic在春晚演唱的《Counting Stars》歌詞翻譯來測試其文學能力。Qwen2.5-Max給出的翻譯既準確傳達了原文意思，又兼具了優美的文學表達，絲毫不遜色于官方翻譯。

邏輯推理與編程能力：高效精準

在邏輯推理測試中，Qwen2.5-Max迅速找到了23枚硬幣分組問題的最優解。在編程算法測試中，它優雅地生成了廣度優先搜索算法的教學代碼，并支持Artifacts功能，實現了交互式的展示和實時解答。此外，我們還測試了其修改傳統貪吃蛇游戲規則并生成代碼的能力，生成的代碼可以立即在線游玩。

通用能力：輕松應對各種挑戰

一些看似簡單的弱智吧問題以及熱門字母個數統計等問題，Qwen2.5-Max也能夠輕松應對。

國產大模型的集體崛起

Qwen2.5-Max的成功并非個例。在Chatbot Arena榜單上，我們還看到了DeepSeek-V3、智譜 GLM-4-Plus、階躍星辰的 Step-2-16k-exp等國產大模型的身影，它們同樣名列前茅。這表明中國在人工智能領域正以前所未有的速度崛起，與國際領先水平的差距正在快速縮小。

未來展望：持續創新，突破邊界

Qwen模型團隊表示，將繼續通過規模化強化學習技術的創新應用，提升大語言模型的思維和推理能力，致力于實現模型智能超越人類認知邊界。 DeepSeek團隊展示的從V3到R1的演進路徑，也印證了強化學習在模型能力提升中的重要作用。 我們有理由相信，未來Qwen等國產大模型將會帶給我們更多驚喜。

這是一個令人興奮的時代，國產大模型的崛起不僅代表著中國在人工智能領域的重大突破，也預示著全球人工智能產業格局的深刻變革。我們期待著見證中國AI從“跟跑者”向“領跑者”的華麗轉身。

聯系作者

文章來源：特工宇宙
作者微信：
作者簡介：Agent Universe，專注于智能體的AI科技媒體。