阿里除夕发布Qwen2.5-Max反超DeepSeek V3，一句话开发小游戏

昨晚，杭州大模型又双叒不睡，给大伙儿 拜 年 啦～

就在春晚直播进行时，阿里通义Qwen发布新春节礼第三弹:

Qwen2.5-Max来袭，多个基准测试中超越当红炸子鸡DeepSeek V3。

Arena-Hard、LiveBench、LiveCodeBench、GPQA-Diamond等基准统统拿下，Qwen2.5-Max整体表现优于DeepSeek V3、Llama-3.1-405B以及闭源模型GPT-4o，和Claude-3.5-Sonnet也能比一比。

基座模型对比中，Qwen2.5-Max同样超越DeepSeek V3、Llama-3.1-405B，在针对模型知识理解和推理能力的MMLU-Pro等基准上均表现不凡。

更令AI社区关注的是，Qwen2.5-Max同DeepSeek V3一样是超大规模的MoE模型，经超20万亿token的预训练数据及精心设计SFT RLHF后训练方案训练而成。

Qwen2.5-Max这份春节礼包被网友们齐刷刷收入囊中。前有DeepSeek，还有阿里通义Qwen，网友们不忘艾特奥特曼:

祝大家新年快乐，特别祝Sam。

阿里研究员在模型发布后也都还不睡，纷纷当起了自个儿的自来水。

阿里高级算法专家林俊旸开麦:

Qwen2.5-Max在基准测试中表现良好，希望大家可以试试看，新年快乐!

之前曾自曝阿里大模型员工996作息表的Binyuan Hui也再次现身:

外面的烟花照亮了天空，我却坐在电脑跟前。

多模态能力展示

下面是Qwen2.5-Max在四个使用场景上的演示。

首先是联网搜索功能，输出的每句话来源出处都有标注，整体运行也很丝滑。

代码能力上，Qwen2.5-Max能够帮助用户完成各种可视化创作，一句话就能做出下面这样旋转的球体:

有网友改造了一下，让球体内部有三个弹跳的黄色小球。

结果只尝试了一次就成功了，而且三个小球始终在大球内部运动，能正确处理碰撞:

Qwen2.5-Max也有Artifacts功能，同样一句话，能开发各种小应用、小游戏。

比如制作一个扫雷小游戏，秒秒钟“啪”一下直接就能玩:

另外Qwen2.5-Max数单词中的特定字母数量也不在话下。

现在，Qwen2.5-Max已在Qwen Chat中上线。

此外也有Hugging Face的Demo可玩，还上线了Any Chat，并且可通过阿里云服务使用API。

感兴趣的童鞋赶紧试试吧～

参考链接:

[1]https://qwenlm.github.io/blog/qwen2.5-max/

[2]https://x.com/JustinLin610/status/1884263803451498794

[3]https://x.com/_akhaliq/status/1884278071093502253