2月4日凌晨，Chatbot Arena LLM Leaderboard更新了最新一期的榜單，不久前發(fā)布的Qwen2.5-Max直接沖進(jìn)前十，超越DeepSeek V3, o1-mini和Claude-3.5-Sonnet等模型，以1332分位列全球第七名！同時(shí)，Qwen2.5-Max在數(shù)學(xué)和編程上排名第一，在Hard prompts方面排名第二。

Qwen-Max是阿里云通義團(tuán)隊(duì)對(duì)MoE模型的最新探索成果，新模型展現(xiàn)出極強(qiáng)勁的綜合性能。在Arena-Hard、LiveBench、LiveCodeBench、GPQA-Diamond及MMLU-Pro等主流基準(zhǔn)測(cè)試中，Qwen2.5-Max比肩Claude-3.5-Sonnet，并幾乎全面超越了GPT-4o、DeepSeek-V3及Llama-3.1-405B。

ChatBot Arena官方賬號(hào) lmarena.ai 對(duì)其評(píng)價(jià)稱(chēng)，阿里巴巴的Qwen2.5-Max在多個(gè)領(lǐng)域表現(xiàn)強(qiáng)勁，特別是在專(zhuān)業(yè)技術(shù)向的（編程、數(shù)學(xué)、有難度的提示詞等）方面。

據(jù)了解，Chatbot Arena是由LMSYS Org推出的大模型性能測(cè)試平臺(tái)，目前集成了190多種模型。該榜單采用匿名方式將大模型兩兩組隊(duì)，交給用戶(hù)進(jìn)行盲測(cè)，用戶(hù)根據(jù)真實(shí)對(duì)話(huà)體驗(yàn)對(duì)模型能力進(jìn)行投票。因此Chatbot Arena LLM Leaderboard成為全球頂級(jí)大模型的最重要競(jìng)技場(chǎng)。

此前，Qwen2.5-72B-Instruct發(fā)布后也曾闖入Chatbot Arena榜單全球前十，是得分較高的中國(guó)大模型；Qwen2-VL-72B-Instruct闖入Vision榜單第九，是成績(jī)優(yōu)異的開(kāi)源模型。

目前，企業(yè)可在阿里云百煉調(diào)用Qwen2.5-Max模型的API，開(kāi)發(fā)者也可在Qwen Chat平臺(tái)中免費(fèi)體驗(yàn)Qwen2.5-Max。

Qwen2.5-Max發(fā)布后，在海外開(kāi)發(fā)者中引發(fā)了大量關(guān)注。有網(wǎng)友在對(duì)比DeepSeek-V3 和 Qwen 2.5后，高度贊揚(yáng)了Qwen2.5-Max的出色表現(xiàn)。

通義團(tuán)隊(duì)方面表示，持續(xù)提升數(shù)據(jù)規(guī)模和模型參數(shù)規(guī)模能夠有效提升模型的智能水平。通義團(tuán)隊(duì)對(duì)下一個(gè)版本的Qwen2.5-Max充滿(mǎn)信心，也將持續(xù)探索，除了在預(yù)訓(xùn)練的scaling 上繼續(xù)探索外，還將大力投入強(qiáng)化學(xué)習(xí)的scaling，希望能實(shí)現(xiàn)超越人類(lèi)的智能，驅(qū)動(dòng)AI探索未知之境。