千萬不要嘗試 Qwen2.5-Max，你會因此忘掉 DeepSeek V3

原標題：千萬不要嘗試 Qwen2.5-Max，你會因此忘掉 DeepSeek V3
文章來源：夕小瑤科技說
內容字數：5912字

阿里云通義千問Qwen2.5-Max強勢崛起，挑戰DeepSeek V3霸主地位

本文總結了阿里云通義千問團隊最新發布的Qwen2.5-Max大模型，及其在多個權威榜單和實際測試中超越DeepSeek V3的表現。

1. Qwen2.5-Max在權威榜單上的優異表現

Qwen2.5-Max在業界公認最公正權威的Chatbot Arena榜單上，超越了DeepSeek V3。Arena榜單采用匿名盲測的方式，用戶根據真實對話體驗投票，保證了榜單的客觀性。此外，Qwen2.5-Max還在LiveBench、LiveCodeBench、GPQA-Diamond及MMLU-Pro等基準測試中全面超越DeepSeek V3。

2. Qwen2.5-Max的核心優勢：數學、編程和“硬提示”能力

阿里云官方表示，Qwen2.5-Max在數學和編程方面表現出色。“硬提示”能力是其另一大亮點，它能夠出色地處理模糊、抽象、開放性的指令，例如創作詩歌、進行跨領域知識推理等，展現出強大的知識儲備、創造力和推理能力。

3. Artifacts功能：提升編程體驗

Qwen2.5-Max的“Artifacts”功能允許實時渲染前端代碼，極大提升了編程體驗。用戶即使不懂編程，也能輕松利用Qwen2.5-Max生成代碼，創建各種應用，例如煙花動畫、動態藝術作品、TODO列表應用甚至國際象棋游戲等。

4. 實際應用測試：展現強大的編程和推理能力

文章通過多個實際案例，例如生成七彩祥云煙花動畫、動態藝術作品、TODO列表應用、國際象棋游戲以及物理模擬（球在旋轉六邊形中彈跳）等，展示了Qwen2.5-Max強大的編程能力。雖然在復雜的物理模擬中最初出現錯誤，但在人工提示和修正后，成功實現了目標。

5. 文學能力測試：兼具溫度和智慧

文章也對Qwen2.5-Max的文學能力進行了測試，結果表明其回答兼具溫度和智慧，例如在創作回信時，能夠體現對個人選擇的尊重和理解，展現出其情感處理能力。

6. “AI專用變態測試系列”：挑戰極限

文章還對Qwen2.5-Max進行了“AI專用變態測試”，例如倒裝句和“草莓測試”（數草莓數量）等難題。Qwen2.5-Max在這些測試中表現出色，展現了其強大的語言理解和推理能力，其“抗壓能力”也優于其他模型，例如在草莓測試中，通過添加“一個一個數”的提示詞，可以有效提高準確率。

7. 結語：共同推動AGI發展

文章最后總結道，DeepSeek和Qwen都是中國AI大模型的代表力量，兩者在AGI的道路上共同努力。Qwen2.5-Max的出現，展現了中國AI技術的持續進步和創新能力。 DeepSeek與Qwen之間也存在技術上的互相借鑒與合作，共同推動AGI發展。

聯系作者

文章來源：夕小瑤科技說
作者微信：
作者簡介：低負擔解碼AI世界，硬核也可愛！聚集35萬AI發燒友、開發者和從業者，廣泛覆蓋互聯網大廠中高管、AI公司創始人和機構投資人。一線作者來自清北、國內外頂級AI實驗室和大廠，兼備敏銳的行業嗅覺和洞察深度。商務合作：zym5189