今日（2月4日）凌晨，Chatbot Arena LLM Leaderboard更新了最新一期的榜单，不久前发布的Qwen2.5-Max直接冲进前十，超越DeepSeek V3, o1-mini和Claude-3.5-Sonnet等模型，以1332分位列全球第七名！同时，Qwen2.5-Max在数学和编程上排名第一，在Hard prompts方面排名第二。

https://lmarena.ai/?leaderboard

Qwen-Max是阿里云通义团队对MoE模型的最新探索成果，新模型展现出极强劲的综合性能。在Arena-Hard、LiveBench、LiveCodeBench、GPQA-Diamond及MMLU-Pro等主流基准测试中，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。

ChatBot Arena官方账号 lmarena.ai 对其评价称，阿里巴巴的Qwen2.5-Max在多个领域表现强劲，特别是在专业技术向的（编程、数学、有难度的提示词等）方面。

据了解，Chatbot Arena是由LMSYS Org推出的大模型性能测试平台，目前集成了190多种模型。该榜单采用匿名方式将大模型两两组队，交给用户进行盲测，用户根据真实对话体验对模型能力进行投票。因此Chatbot Arena LLM Leaderboard成为全球顶级大模型的最重要竞技场。

此前，Qwen2.5-72B-Instruct发布后也曾闯入Chatbot Arena榜单全球前十，是得分较高的中国大模型；Qwen2-VL-72B-Instruct闯入Vision榜单第九，是成绩优异的开源模型。

目前，企业可在阿里云百炼调用Qwen2.5-Max模型的API，开发者也可在Qwen Chat平台中免费体验Qwen2.5-Max。

Qwen2.5-Max发布后，在海外开发者中引发了大量关注。有网友在对比DeepSeek-V3 和 Qwen 2.5后，高度赞扬了Qwen2.5-Max的出色表现。

还有网友打趣地为OpenAI的首席执行官Sam Altman担忧：又一个中国模型来了

不少海外网友表示，中国新模型的迭代速度和质量令人惊艳。

作为国内较早开源自研大模型的科技大厂，阿里云旗下的通义千问已实现全尺寸、全模态的开源，推出了包括语言大模型、多模态大模型等多种类型的开源模型。

在全球范围内，Qwen的衍生模型数量超9万个，已超越Llama成为全球更大的开源模型群。此次Qwen2.5-max的发布，亦备受全球各种语言的开发者的欢迎。

“有了Qwen2.5-max，我们能对ChatGPT说再见了？！”有使用阿拉伯语的网友如是说。

多名海外网友用英文表达了对Qwen2.5-max极致性能的惊叹。

通义团队方面表示，持续提升数据规模和模型参数规模能够有效提升模型的智能水平。通义团队对下一个版本的Qwen2.5-Max充满信心，也将持续探索，除了在预训练的scaling 上继续探索外，还将大力投入强化学习的scaling，希望能实现超越人类的智能，驱动AI探索未知之境。