近日，阿里云在其官方渠道宣布了一项重大突破，其最新研发的通义千问qwen 2.5-max超大规模moe模型在新年之际崭露头角。该模型在多个基准测试中表现出色，据称已超越了包括deepseek v3在内的多个竞争对手。
具体而言，阿里云透露，qwen2.5-max在备受瞩目的chatbot arena大模型盲测中取得了令人瞩目的成绩。在这一由lmsys org推出的性能测试平台上，qwen2.5-max与deepseek-v3、open ai的o1-mini以及claude-3.5-sonnet等模型同台竞技，最终以1332分的总成绩位列全球第七，同时摘得非推理类中国大模型的桂冠。
不仅如此，qwen2.5-max在数学和编程等领域的单项能力测试中更是独占鳌头，展现出了强大的专业实力。同时，在硬提示（hard prompts）方面的测试中，该模型也获得了第二名的优异成绩。
据了解，chatbot arena平台以其公正、权威的测试方式而广受业界认可。该平台采用匿名方式将大模型进行两两配对，交由用户进行盲测。用户根据与模型的对话体验，对模型的能力进行投票。因此，chatbot arena的llm排行榜成为了衡量大模型性能的重要标准之一，吸引了全球顶级大模型在此一决高下。
阿里云进一步指出，qwen2.5-max在多个主流基准测试中均表现出色。在arena-hard、livebench、livecodebench、gpqa-diamond以及mmlu-pro等测试中，该模型与claude-3.5-sonnet不相上下，同时几乎全面超越了gpt-4o、deepseek-v3以及llama-3.1-405b等强劲对手。
此次qwen2.5-max的出色表现，不仅彰显了阿里云在人工智能领域的深厚积累与创新能力，也为中国大模型在全球舞台上赢得了更多关注与认可。
