比较等 阿里巴巴刚刚发布了Qwen2.5-Max ，这是阿里巴巴目前最先进的 AI 模型。这不是像DeepSeek R1或 OpenAI 的 o1 那样的推理模型，也就是说你看不到它的思考过程。
最好将 Qwen2.5-Max 视为一种通用模型，并且是 GPT-4o、Claude 3.5 Sonnet 或DeepSeek V3的竞争对手。
在这篇博客中，我将介绍 Qwen2.5-Max 是什么、它是如何开发的、它与竞争对手相比如何以及如何访问它。
什么是 Qwen2.5-Max？
Qwen2.5-Max是阿里巴巴迄今为止最强大的AI模型，旨在与GPT-4o、Claude 3.5 Sonnet和DeepSeek V3等顶级模型竞争。
阿里巴巴是中国最大的科技公司之一，以其电子商务平台而闻名，但它在云计算和人工智能领域也建立了强大的影响力。Qwen 系列是其更广比较等泛的 AI 生态系统的一部分，从较小的开放权重模型到大型专有系统。
阿里巴巴qwen2.5-max在聊天界面的使用演示
与之前的一些 Qwen 型号不同，Qwen2.5-Max 不是开源的，这意味着它的权重不公开。
Qwen2.5-Max 经过 20 万亿个 token 的训练，拥有庞大的知识库和强大的通用 AI 能力。然而，它并不是像 DeepSeek R1 或 OpenAI 的 o1 那样的推理模型，这意味着它没有明确展示其思维过程。不过，鉴于阿里巴巴正在不断扩展 AI，我们可能会在未来看到一个专门的推理模型——可能是 Qwen 3。
Qwen2.5-Max 如何工作？
Qwen2.5-Max 使用混合专家 (MoE )架 墨西哥数据 构， DeepSeek V3也采用了这种技术。这种方法允许模型扩展，同时保持计算成本可控。让我们以一种易于理解的方式分解其关键组件。
图表解释 qwen2.5-max 的工作原理
混合专家 (MoE) 架构
与对每项任务都使用所有参数的传统 由于跨职能团队之间存在各种 AI 模型不同，Qwen2.5-Max 和 DeepSeek V3 等 MoE 模型在任意给定时间仅激活模型中最相关的部分。
你可以把它想象成一个专家团队：如果你问一个复杂的物理问题，只有物理专家会回答，而团队中的其他人则保持不活跃。这种选择性激活意味着模型可以更有效地处理大规模处理，而不需要极高的计算能力。
这种方法使 Qwen2.5-Max 既强大又可扩展，使其能够与GPT-4o 和 Claude 3.5 Sonnet 等密集模型竞争，同时更加节省资源——密集模型是指所有参数对每个输入都被激活的模型。
训练和微调
比较等
Qwen2.5-Max 经过 20 万亿个标记的训练，涵盖广泛的主题、语言和背景。
如果将 20 万亿个 token 换个角 命中資料庫 度看，那么这大约相当于 15 万亿个单词——这个数字大到难以理解。相比之下，乔治·奥威尔的《1984》包含大约 89,000 个单词，这意味着 Qwen2.5-Max 已经接受了相当于 1.68 亿本《1984》的训练。
然而，仅靠原始训练数据并不能保证高质量的人工智能模型，因此阿里巴巴进一步完善了它：
监督微调 (SFT)：人工注释者提供高质量的响应来指导模型产生更准确、更有用的输出。
从人类反馈中进行强化学习 (RLHF)：该模型经过训练，使其答案与人类偏好保持一致，确保响应更加自然且更具情境感知。
Qwen2.5-Max 基准测试
Qwen2.5-Max 已与其他领先的 AI 模型进行了测试，以衡量其在各种任务中的能力。这些基准测试评估了指令模型（针对聊天和编码等任务进行了微调）和基础模型（在微调之前作为原始基础）。理解这种区别有助于明确数字的真正含义。
指导模型基准
Instruct 模型针对现实世界的应用进行了微调，包括对话、编码和常识任务。这里将 Qwen2.5-Max 与 GPT-4o、Claude 3.5 Sonnet、Llama 3.1 405B和 DeepSeek V3 等模型进行了比较。
阿里巴巴 qwen 2.5 max 的基准测试
指导模型的比较。来源：QwenLM
让我们快速分析一下结果：
Arena-Hard（偏好基准）：Qwen2.5-Max 得分为 89.4，领先于 DeepSeek V3（85.5）和 Claude 3.5 Sonnet（85.2）。该基准近似于人类对 AI 生成响应的偏好。
MMLU-Pro（知识与推理）：Qwen2.5-Max 得分 76.1，略高于 DeepSeek V3（75.9），但也略落后于领先者 Claude 3.5 Sonnet（78.0）和亚军 GPT-4o（77.0）。
GPQA-Diamond（常识 QA）：Qwen2.5-Max 得分 60.1，略胜 DeepSeek V3（59.1），而 Claude 3.5 Sonnet 以 65.0 领先。
LiveCodeBench（编码能力）：Qwen2.比较等5-Max 得分为 38.7，与 DeepSeek V3（37.6）大致相当，但落后于 Claude 3.5 Sonnet（38.9）。
LiveBench（整体能力）：Qwen2.5-Max 以 62.2 的得分领先，超过 DeepSeek V3（60.5）和 Claude 3.5 Sonnet（60.3），表明在现实世界的 AI 任务中具有广泛的能力。
总体而言，Qwen2.5-Max 被证明是一个全面的 AI 模型，在基于偏好的任务和通用 AI 能力方面表现出色，同时保持了竞争性知识和编码能力。
基础模型基准
由于GPT-4o和Claude 3.5 Sonnet是专有模型，没有公开的基础版本，因此比较仅限于 Qwen2.5-Max、DeepSeek V3、LLaMA 3.1-405B 和 Qwen 2.5-72B 等开放权重模型。这可以更清楚地了解 Qwen2.5-Max 与领先的大规模开放模型相比如何。
阿里巴巴 qwen 2.5-max 基础型号的基准测试
基础模型比较。来源：QwenLM
如果仔细观察上面的图表，它会根据所评估的基准类型分为三个部分：
常识和语言理解（MMLU、MMLU-Pro、BBH、C-Eval、CMMU）：Qwen2.5-Max 在该类别的所有基准测试中均处于领先地位，MMLU 得分为 87.9，C-Eval 得分为 92.2，优于 DeepSeek V3 和 Llama 3.1-405B。这些基准测试侧重于知识的广度和深度，以及在推理环境中应用这些知识的能力。
编码和解决问题（HumanEval、MBPP、CRUX-I、CRUX-O）：Qwen2.5-Max 在所有基准测试中也处于领先地位，并且在编码相关任务中表现出色，在 HumanEval 上得分为 73.2，在 MBPP 上得分为 80.6，略高于 DeepSeek V3，但明显高于 Llama 3.1-405B。这些基准测试衡量编码技能、解决问题以及遵循指令或独立生成解决方案的能力。
数学问题解决（GSM8K、MATH）：数学推理是 Qwen2.5-Max 最强的领域之一，在 GSM8K 上得分为 94.5，远远领先于 DeepSeek V3（89.3）和 Llama 3.1-405B（89.0）。然而，在专注于更复杂问题解决的 MATH 上，Qwen2.5-Max 得分为 68.5，略胜于竞争对手，但仍有改进空间。
如何访问 Qwen2.5-Max
访问 Qwen2.5-Max 非常简单，您可以免费试用，无需任何复杂的设置。
Qwen聊天
体验 Qwen2.5-Max 的最快方式是通过Qwen Chat平台。这是一个基于 Web 的界面，可让您直接在浏览器中与模型进行交互 – 就像在浏览器中使用 ChatGPT 一样。
要使用 Qwen2.5-Max 模型，请单击比较等模型下拉菜单并选择 Qwen2.5-Max：
qwen聊天界面模型下拉菜单
通过阿里云 API 访问
对于开发者来说，Qwen2.5-Max 可通过阿里云 Model Studio API 获取，使用方式为注册阿里云账号、开通 Model Studio 服务、生成 API Key。
由于 API 遵循 OpenAI 的格式，如果您已经熟悉 OpenAI 模型，那么集成应该很简单。有关详细的设置说明，请访问官方Qwen2.5-Max 博客。
结论
Qwen2.5-Max 是阿里巴巴迄今为止功能最强大的 AI 模型，旨在与 GPT-4o、Claude 3.5 Sonnet 和 DeepSeek V3 等顶级模型竞争。
与之前的一些 Qwen 型号不同，Qwen2.5-Max 并非开源，但可以通过 Qwen Chat 或通过阿里云上的 API 访问进行测试。
鉴于阿里巴巴对人工智能的持续投资，未来看到以推理为重点的模型也就不足为奇了——可能是 Qwen 3。
如果你想阅读更多人工智能新闻，我推荐这些文章：