通义千问 Qwen 2.5-Max 超大规模 MoE 模型号称优于 Deepseek V3 等竞品，暂未开源

通义千问 Qwen 2.5-Max：阿里云发布超大规模MoE模型，性能表现引关注

新年伊始，国内AI领域就迎来一则重磅消息。阿里云正式公布了其全新的通义千问 Qwen 2.5-Max 模型，定位为超大规模混合专家模型。目前，开发者已能通过API调用体验其能力，普通用户也可以直接登录Qwen Chat，与模型对话或试用其artifacts、联网搜索等高级功能。

这款模型来势汹汹，底气何在？根据官方介绍，其训练数据规模堪称海量，预训练阶段使用了超过20万亿token。更关键的是，研发团队为其配备了精心设计的后训练方案，这通常是模型能力实现“质变”的关键一步。

性能表现：直接对话与原始基座双线对比

官方这次将性能展示分成了两条线：一条是我们日常接触的、可直接对话的“指令模型”；另一条则是更底层的“基座模型”。

在指令模型的比拼中，阿里云直接将Qwen2.5-Max放在了最具竞争力的赛场，对比对象包括DeepSeek V3、GPT-4o和Claude-3.5-Sonnet等顶尖选手。结果如下图所示：

从数据来看，Qwen2.5-Max的表现颇具竞争力。在Arena-Hard、LiveBench、LiveCodeBench和GPQA-Diamond等一系列高难度基准测试中，其综合表现超越了同样备受瞩目的DeepSeek V3。同时，在MMLU-Pro等其他评估维度上，它也展现出了与顶级模型一较高下的实力。

当然，指令模型的优异表现离不开强大的基座能力。在基座模型的对比中，由于无法获取GPT-4o等闭源模型的基座版本，对比主要在当前主流的高性能开源模型间展开。其对手包括目前领先的开源MoE模型DeepSeek V3、参数规模最大的开源稠密模型Llama-3.1-405B，以及同属通义千问家族、在开源稠密模型中名列前茅的Qwen2.5-72B模型。具体对比如下：

对比结果表明，Qwen2.5-Max的基座模型在大多数基准测试中都占据了优势。这意味着其强大的推理和知识能力拥有坚实的底层支撑。值得注意的是，官方在发布中透露了一个明确信号：随着后训练技术的持续迭代，下一个版本的Qwen2.5-Max有望达到更高的性能水准。这无疑为后续的AI竞赛添了一把火。

来源：互联网