近日，阿里云在其官方渠道宣布了一項(xiàng)重大突破，其最新研發(fā)的通義千問Qwen 2.5-Max超大規(guī)模MoE模型在新年之際嶄露頭角。該模型在多個(gè)基準(zhǔn)測(cè)試中表現(xiàn)出色，據(jù)稱已超越了包括DeepSeek V3在內(nèi)的多個(gè)競(jìng)爭(zhēng)對(duì)手。
具體而言，阿里云透露，Qwen2.5-Max在備受矚目的Chatbot Arena大模型盲測(cè)中取得了令人矚目的成績(jī)。在這一由LMSYS Org推出的性能測(cè)試平臺(tái)上，Qwen2.5-Max與DeepSeek-V3、Open AI的o1-mini以及Claude-3.5-Sonnet等模型同臺(tái)競(jìng)技，最終以1332分的總成績(jī)位列全球第七，同時(shí)摘得非推理類中國(guó)大模型的桂冠。
不僅如此，Qwen2.5-Max在數(shù)學(xué)和編程等領(lǐng)域的單項(xiàng)能力測(cè)試中更是獨(dú)占鰲頭，展現(xiàn)出了強(qiáng)大的專業(yè)實(shí)力。同時(shí)，在硬提示（Hard prompts）方面的測(cè)試中，該模型也獲得了第二名的優(yōu)異成績(jī)。
據(jù)了解，Chatbot Arena平臺(tái)以其公正、權(quán)威的測(cè)試方式而廣受業(yè)界認(rèn)可。該平臺(tái)采用匿名方式將大模型進(jìn)行兩兩配對(duì)，交由用戶進(jìn)行盲測(cè)。用戶根據(jù)與模型的對(duì)話體驗(yàn)，對(duì)模型的能力進(jìn)行投票。因此，Chatbot Arena的LLM排行榜成為了衡量大模型性能的重要標(biāo)準(zhǔn)之一，吸引了全球頂級(jí)大模型在此一決高下。
阿里云進(jìn)一步指出，Qwen2.5-Max在多個(gè)主流基準(zhǔn)測(cè)試中均表現(xiàn)出色。在Arena-Hard、LiveBench、LiveCodeBench、GPQA-Diamond以及MMLU-Pro等測(cè)試中，該模型與Claude-3.5-Sonnet不相上下，同時(shí)幾乎全面超越了GPT-4o、DeepSeek-V3以及Llama-3.1-405B等強(qiáng)勁對(duì)手。
此次Qwen2.5-Max的出色表現(xiàn)，不僅彰顯了阿里云在人工智能領(lǐng)域的深厚積累與創(chuàng)新能力，也為中國(guó)大模型在全球舞臺(tái)上贏得了更多關(guān)注與認(rèn)可。
