2 月 4 日凌晨，三方基準(zhǔn)測(cè)試平臺(tái) Chatbot Arena 公布了最新的大模型盲測(cè)榜單，一周前剛發(fā)布的 Qwen2.5-Max 超越 DeepSeek V3、o1-mini 和 Claude-3.5-Sonnet 等模型，以 1332 分位列全球第七名，也是非推理類(lèi)的中國(guó)大模型冠軍。同時(shí)，Qwen2.5-Max 在數(shù)學(xué)和編程等單項(xiàng)能力上排名第一，在硬提示（Hard prompts）方面排名第二。

截圖自 https://lmarena.ai/?leaderboard

據(jù)了解，Chatbot Arena 是由 LMSYS Org 推出的大模型性能測(cè)試平臺(tái)，目前集成了 190 多種模型。該榜單采用匿名方式將大模型兩兩組隊(duì)，交給用戶(hù)進(jìn)行盲測(cè)，用戶(hù)根據(jù)真實(shí)對(duì)話(huà)體驗(yàn)對(duì)模型能力進(jìn)行投票。因此，Chatbot Arena LLM Leaderboard 成為業(yè)界公認(rèn)的最公正、最權(quán)威榜單之一，也是全球頂級(jí)大模型的最重要競(jìng)技場(chǎng)。

ChatBot Arena 官方評(píng)價(jià)稱(chēng)：阿里巴巴的 Qwen2.5-Max 在多個(gè)領(lǐng)域表現(xiàn)強(qiáng)勁，特別是專(zhuān)業(yè)技術(shù)向的（編程、數(shù)學(xué)、硬提示等）。

Qwen2.5-Max 是阿里云通義團(tuán)隊(duì)約一周前發(fā)布的最新 MoE 模型，展現(xiàn)出極強(qiáng)勁的性能。在 Arena-Hard、LiveBench、LiveCodeBench、GPQA-Diamond 及 MMLU-Pro 等主流基準(zhǔn)測(cè)試中，Qwen2.5-Max 比肩 Claude-3.5-Sonnet，并幾乎全面超越了 GPT-4o、DeepSeek-V3 及 Llama-3.1-405B。

Qwen2.5-Max 發(fā)布后，立刻在海內(nèi)外大模型社區(qū)引發(fā)熱議：ChatBot Arena 官方發(fā)推文稱(chēng)，以 Qwen2.5-Max 為代表的中國(guó)大模型正在迎頭趕上；有從業(yè)者在驚嘆新模型強(qiáng)大性能的同時(shí)，也興奮地表示：" 我們可以告別 ChatGPT 了！"

目前，企業(yè)可在阿里云百煉調(diào)用 Qwen2.5-Max 模型的 API 服務(wù)，開(kāi)發(fā)者也可在 Qwen Chat 平臺(tái)中免費(fèi)體驗(yàn)最新模型。

（完）