通义千问发布了Qwen2.5-Max模型，该模型在知识、编程、综合能力和人类偏好对齐等多项基准测试中表现出色，达到全球领先水平。Qwen2.5-Max分为指令模型和基座模型，指令模型在与Claude-3.5-Sonnet的对比中表现出色，超越了GPT-4o、DeepSeek-V3和Llama-3.1-405B。基座模型在多项测试中也超越了DeepSeek V3、Llama-3.1-405B和Qwen2.5-72B等开源模型。目前，Qwen2.5-Max已在百炼平台上架，企业和开发者可以通过API调用，用户也可以在Qwen Chat平台上直接体验。

🥇 Qwen2.5-Max在多项主流权威基准测试中展现出全球领先的模型性能，这些测试包括知识（MMLU-Pro）、编程（LiveCodeBench）、全面评估综合能力的（LiveBench）以及人类偏好对齐（Arena-Hard）等。

💬 通义团队分别评估了Qwen2.5-Max的指令（Instruct）模型和基座（base）模型。指令模型主要面向用户对话体验，在Arena-Hard、LiveBench、LiveCodeBench、GPQA-Diamond和MMLU-Pro等基准测试中，与Claude-3.5-Sonnet表现相近，并超越了GPT-4o、DeepSeek-V3和Llama-3.1-405B。

🚀 Qwen2.5-Max的基座模型在11项基准测试中超越了DeepSeek V3、Llama-3.1-405B和Qwen2.5-72B等开源模型，展现了其强大的裸模型性能。

💻 Qwen2.5-Max已在百炼平台上架，模型名称为qwen-max-2025-01-25，企业和开发者可以通过百炼调用新模型API。用户也可以在全新的Qwen Chat平台上直接体验该模型。

2025-01-29 11:01 吉林

欢迎进入Qwen Chat平台免费体验

模型性能全球领先

Qwen2.5-Max在知识（测试大学水平知识的MMLU-Pro）、编程（LiveCodeBench）、全面评估综合能力的（LiveBench）以及人类偏好对齐（Arena-Hard）等主流权威基准测试上，展现出全球领先的模型性能。通义团队分别对Qwen2.5-Max的指令（Instruct）模型版本和基座（base）模型版本性能进行了评估测试。

指令模型是所有人可直接对话体验到的模型版本，在Arena-Hard、LiveBench、LiveCodeBench、GPQA-Diamond及MMLU-Pro等基准测试中，Qwen2.5-Max比肩Claude-3.5-Sonnet，并几乎全面超越了GPT-4o、DeepSeek-V3及Llama-3.1-405B。

基座模型反映模型裸性能，由于无法访问GPT-4o和Claude-3.5-Sonnet等闭源模型的基座模型，通义团队将Qwen2.5-Max与目前领先的开源MoE模型 DeepSeek V3、最大的开源稠密模型Llama-3.1-405B，以及同样位列开源稠密模型前列的Qwen2.5-72B进行了对比。

评估结果如下所示，在所有11项基准测试中，Qwen2.5-Max全部超越了对比模型。

更方便地取用

目前，Qwen2.5-Max已在百炼平台上架，模型名称qwen-max-2025-01-25`，企业和开发者都可通过百炼调用新模型API。

同时，也可以在全新的Qwen Chat平台上中使用Qwen2.5-Max，直接与模型对话，或者使用artifacts、搜索等功能。

阅读原文

跳转微信打开