剛剛，又有一位國產模特兒加入Big Model Arena的名單中
來自阿里， Qwen2.5-Max，超越DeepSeek-V3，以總成績1332分位居總排名第七。
也一舉超越了Claude 3.5 Sonnet、Llama 3.1 405B等車款。
尤其， 它擅長程式設計和數學，與Fullblood o1、DeepSeek-R1並列第一。
Chatbot Arena 是 LMSYS 組織。它目前整合了 190 多個模型，採用兩人一組的模型配對方式提供給用戶進行盲測，用戶根據自己在現實生活中的對話經驗對模型的能力進行投票。
因此，Chatbot Arena LLM Leaderboard 是全球頂尖大模最權威、最重要的競技場。
Qwen 2.5-Max 也闖入了新開幕的前十名 Web開發 用於 Web 應用程式開發的清單。
lmsys 官方對此的評論是 中國人工智慧正迅速縮小差距!
親自使用過的網友都表示Qwen的表現更加穩定。
甚至有人說Qwen很快就會取代矽谷所有普通機型。
四名個人能力登頂
總榜單前三名的第一、第二名皆由GoogleGemini家族包攬，GPT-4o與DeepSeek-R1並列第三。
Qwen2.5-Max 與 o1-preview 並列第七，略微落後於完整 o1。
接下來是Qwen2.5-Max在各個單獨類別中的表現。
更合乎邏輯的是 數學和程式碼 任務中，Qwen2.5-Max的成績超過了o1-mini，並與充滿電的o1、DeepSeek-R1並列第一。
而在數學榜並列第一的模型中，Qwen2.5-Max是唯一的非推理模型。
如果仔細看具體的戰鬥記錄還能看到Qwen2.5-Max在對陣滿血o1的代碼能力上有著69%的勝率。
在 複雜提示詞 任務上，Qwen2.5-Max與o1-preview並列第二，而如果限定為英文的話，則可以排在第一，與o1-preview、DeepSeek-R1等比肩。
此外，Qwen2.5-Max 與 DeepSeek-R1 並列第一 多輪對話；它在 長文字 （不少於 500 個 token），超越 o1-preview。
此外，阿里還在技術報告中展示了Qwen2.5-Max在一些經典榜單上的表現。
在命令模型的比較中，Qwen2.5-Max 在 Arena-Hard（類似人類偏好）、MMLU-Pro（大學水平知識）等基準測試中與 GPT-4o 和 Claude 3.5-Sonnet 處於相同水平，甚至更高。
在開源基礎模型比較中，Qwen2.5-Max也全方面超越DeepSeek-V3，並且遙遙領先Llama 3.1-405B。
而基礎模型方面，Qwen2.5-Max在大多數基準測試中也表現出了明顯的優勢（閉源模型基礎模型無法訪問，因此只能與開源模型進行比較）。
出色的程式碼/推理，支援 Artifacts
Qwen2.5-Max上線之後，就吸引了大批網友前來測試。
人們發現它在程式碼和推理等領域表現出色。
例如讓它用 JavaScript 寫棋遊戲。
由於 工件，一句話開發的小遊戲，立刻就能玩：
它產生的程式碼通常更易於閱讀和使用。
Qwen2.5-Max 在推斷複雜提示時快速且準確：
您的團隊可以透過 3 個步驟來處理客戶請求：
資料收集（階段 A）：每個請求 5 分鐘。
處理（階段 B）：每個請求 10 分鐘。
驗證（階段 C）：每個請求 8 分鐘。
團隊目前按順序工作，但您正在考慮並行工作流程。如果每個階段分配兩個人並允許並行工作流程，則每小時的產量將增加 20%。然而，新增並行工作流程將在營運開銷方面多花費15%。考慮到時間和成本，您是否應該使用並行工作流程來優化效率？
Qwen2.5-Max在不到30秒的時間內完成整個推理過程，將整體流程清晰地分為五個步驟：當前工作流程分析、平行工作流程分析、成本影響、成本效率權衡和結論。
很快就得出了最終結論：應該使用並行工作流程。
比起同為非推理型號的DeepSeek-V3，Qwen2.5-Max提供了更簡潔、更快速的反應。
或讓它產生一個由 ASCII 數字組成的旋轉球體。距離視角最近的數字是純白色，而最遠的數字逐漸變成灰色，背景為黑色。
計算單字中特定字母的數量就更加容易了。
如果您想親自嘗試一下，Qwen2.5-Max已經在Qwen Chat平台上線，可以免費體驗。
企業用戶可以在阿里雲百聯上呼叫Qwen2.5-Max模型API。
