阿里巴巴发布 Qwen2.5-Max，称多项评测超过 DeepSeek V3

背景

阿里巴巴通义千问团队在发布这一新的大型模型时，选择深度求索（DeepSeek）的 V3 模型作为主要对比对象。

发生了什么

通义千问团队在一篇日期为 2025 年 1 月 28 日的博客文章中宣布了 Qwen2.5-Max。维基百科给出的发布日期是 2025 年 1 月 29 日。^[1]^[2]

该模型是一个大规模混合专家（mixture-of-experts，MoE）模型，预训练语料超过 20 万亿个词元，之后使用监督微调和基于人类反馈的强化学习（RLHF）进行后训练。^[1]

关键细节

团队报告称，其指令版本在 Arena-Hard、LiveBench、LiveCodeBench 和 GPQA-Diamond 上超过 DeepSeek V3，在 MMLU-Pro 上与之具有竞争力。^[1]

用户可以通过 Qwen Chat 和阿里云 API 使用该模型，API 名称为 qwen-max-2025-01-25，接口格式兼容 OpenAI 的 API。^[1]

阿里巴巴没有公开该模型的权重。^[1]

报告中的部分术语对读者可能较陌生。指令模型（instruct model）是经过监督微调和基于人类反馈的强化学习调整后，能够遵循指令并进行对话的版本。基准测试（benchmark）是用于比较模型的标准测试集：GPQA-Diamond 由较难的科学问题组成，LiveCodeBench 以编程题考察模型，Arena-Hard 和 LiveBench 则用于衡量模型的综合能力。

预训练是在正式调整之前，用大量文本进行的初始训练。模型的预训练语料超过 20 万亿个词元。词元（token）是语言模型读写文本的基本单位，大致相当于一个词或一个词的一部分。混合专家（mixture-of-experts）设计把网络分成许多专家子网络，每个词元只激活其中一部分。^[1]

开放权重（open weights）指模型训练后的参数对外公开，任何人都可以下载并运行。由于该模型没有公开权重，外部用户只能通过阿里巴巴自己提供的服务使用它。OpenAI API 格式是被广泛采用的请求结构，按这一格式编写的软件，通常只需更换地址和模型名称即可接入其他服务，因此兼容该格式让开发者更容易迁移。^[1]