2 月 5 日消息，1 月 29 日新年之際，阿里云公布了其全新的通義千問(wèn) Qwen 2.5-Max 超大規(guī)模 MoE 模型，號(hào)稱在多個(gè)基準(zhǔn)測(cè)試中超越 DeepSeek V3 等競(jìng)爭(zhēng)對(duì)手。

阿里云今日宣布，Qwen2.5-Max 在 Chatbot Arena 大模型盲測(cè)中超越 DeepSeek-V3、Open AI o1-mini 和 Claude-3.5-Sonnet 等模型，以 1332 分位列全球第七名，也是非推理類的中國(guó)大模型冠軍。

同時(shí)，Qwen2.5-Max 在數(shù)學(xué)和編程等單項(xiàng)能力上排名第一，在硬提示（Hard prompts）方面排名第二。

查詢公開(kāi)資料獲悉，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)，交給用戶進(jìn)行盲測(cè)，用戶根據(jù)真實(shí)對(duì)話體驗(yàn)對(duì)模型能力進(jìn)行投票。因此，Chatbot Arena LLM Leaderboard 成為業(yè)界公認(rèn)的最公正、最權(quán)威榜單之一，也是全球頂級(jí)大模型的最重要競(jìng)技場(chǎng)。

阿里云表示，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。