大家好，我是木易，一个持续关注AI领域的互联网技术产品经理，国内Top2本科，美国Top10 CS研究生，MBA。我坚信AI是普通人变强的“外挂”，所以创建了“AI信息Gap”这个公众号，专注于分享AI全维度知识，包括但不限于AI科普，AI工具测评，AI效率提升，AI行业洞察。关注我，AI之路不迷路，2025我们继续出发。
“Sir, China just released another model.”
OpenAI：……。
当全世界都在关注DeepSeek时，阿里通义又出手了！颇有“你方唱罢我登场”的意味。
大年初一，1月29日，阿里通义官宣正式发布模型Qwen2.5-Max以及新平台Qwen Chat。和一个月前的DeepSeek-V3一样，同样是通用模型，同样是完全本地化的国产模型，同样炸裂的性能。
Qwen2.5-Max模型是阿里通义团队对Mixture of Experts（MoE）模型架构的最新研究成果。MoE混合专家架构通过激活部分专家（Experts），使模型在保持大参数量的同时，减少实际计算开销，比稠密模型（Dense Model）更具性价比。DeepSeek-V3也是同样的技术路线。此外，据称Qwen2.5-Max该模型的预训练数据超过20万亿tokens，规模远超之前的版本（背靠阿里云，有钱任性）。
以下是Qwen2.5-Max在Arena-Hard（人类偏好对齐）、MMLU-Pro（大学水平知识测验）、GPQA-Diamond（高难度问答，极具挑战性）、LiveCodeBench（编程测试）、LiveBench（综合考察）这5个基准测试中的表现，以及和其他通用模型的对比。
柱状图中，第1列是Qwen2.5-Max的结果，第2列蓝色的是DeepSeek-V3，很明显，Qwen2.5-Max在5个测试中均超越了DeepSeek-V3。几个模型中，表现垫底的是Llama 3.1 405B。GPT-4o 0806和Claude 3.5 Sonnet 1022则与Qwen2.5-Max旗鼓相当，有输有赢。
下面则是阿里官方放出的各个基座模型的基准测试对比结果。
怎么用Qwen2.5-Max？
需注意，和DeepSeek-V3不同的是，Qwen2.5-Max是一个闭源模型，意味着阿里并未开源其权重。
Qwen2.5-Max的使用方式和之前有所不同，共有2种方式。
新平台Qwen Chat：https://chat.qwenlm.ai/
API调用：阿里云百炼平台
Qwen2.5-Max实测
注意，Qwen2.5-Max是一个通用模型，对标的是GPT-4o、Claude 3.5 Sonnet以及DeepSeek-V3，所以对于它的推理能力、解难题的能力不用抱太大期望。因为肯定是不如DeepSeek-R1的。
新推出的Qwen Chat平台很有意思，把通义旗下的大大小小的模型都放了出来，让用户免费试用。
并且新增了“战斗”模式，你可以选择至多3个模型，让它们回答同一个问题，然后可以做横向对比，看看谁更强。
就像下面一样。
回答的展示效果是这样的。
Qwen2.5-Max轻松通过“草莓测试”。
经典的“宝匣问题”也是顺利通过。
Qwen Chat也支持“Artifacts”预览模式，也就是我在《为了迎战DeepSeek，ChatGPT新增这些功能！》这篇文章里介绍的ChatGPT和Claude都有的功能。我们来试一试。
还是同样的问题：画一个时间轴，其中展示出中国近代史的重大历史事件。
Qwen2.5-Max是用 HTML + CSS 实现的。
乍一看右边的预览图可能有些奇怪，但展开后还可以。就是整体设计略显单调，美观性差点。
拿个24点问题小试牛刀，Qwen2.5-Max不出意外的拉胯了。
结语
通义新平台不错，模型和功能都挺齐全。
（文：AI信息Gap）