Qwen2.5-Max: Jak Alibaba posunula globální závod v AI

Uvedení modelu Qwen2.5-Max společností Alibaba v lednu 2025 znamenalo víc než jen další změnu v žebříčcích AI. Ukázalo, že velká čínská cloudová firma dokáže spojit výkonný model s okamžitou distribucí prostřednictvím API a zároveň ho podpořit širokým ekosystémem modelů s otevřenými vahami.

Výsledkem byl konkurenčnější trh. Západní poskytovatelé se už nemohli spoléhat pouze na náskok ve výkonu. Čínští vývojáři navíc nesoutěžili jen mezi sebou, ale také v ceně, otevřenosti, možnostech nasazení a dosahu mezi firemními zákazníky.

Co byl Qwen2.5-Max

Alibaba popsala Qwen2.5-Max jako rozsáhlý jazykový model typu mixture of experts (MoE). Předtrénován byl na více než 20 bilionech tokenů a následně dolaďován pomocí pečlivě vybraného řízeného dolaďování (SFT) a posilovacího učení z lidské zpětné vazby (RLHF). 9

Model MoE obsahuje několik expertních sítí a pro každý vstup směruje výpočet jen přes jejich část. Tím může zvýšit celkovou kapacitu, aniž by se při každém požadavku aktivoval celý model. Alibaba však při uvedení nezveřejnila dostatek podrobností, aby bylo možné nezávisle ověřit celkový počet parametrů nebo počet aktivních parametrů Qwen2.5-Max. 9

Qwen2.5-Max souvisel s širší rodinou Qwen2.5, ale nebyl totožný s jejími modely ke stažení. Rodina Qwen2.5 zahrnovala základní i instrukčně laděné modely o velikosti od 0,5 do 72 miliard parametrů a také jejich kvantizované verze dostupné například přes Hugging Face, ModelScope a Kaggle. 132

Samotný Qwen2.5-Max byl zpočátku nabízen především jako hostovaný model, nikoli jako model s veřejně dostupnými vahami. První přístup byl spojen se službou Alibaba Cloud Model Studio a chatovacími rozhraními Qwen. 13

Co Alibaba tvrdila a co skutečně ukazovaly důkazy

Alibaba uvedla, že Qwen2.5-Max dosahoval v několika hodnoceních přibližně úrovně Claude 3.5 Sonnet a že téměř ve všech sledovaných testech překonával GPT-4o, DeepSeek-V3 a Llama 3.1 405B. Šlo však o tvrzení výrobce, nikoli o důkaz univerzální převahy v reálném provozu. 29

Společnost zdůrazňovala několik testů zaměřených na různé schopnosti:

• MMLU-Pro pro náročné znalostní a logické otázky,
• GPQA-Diamond pro obtížné otázky na expertní úrovni,
• LiveCodeBench pro programování,
• LiveBench pro širší posouzení schopností modelu,
• Arena-Hard jako přibližný ukazatel lidských preferencí. 912

Tato kombinace pomohla Qwen2.5-Max prezentovat jako univerzální model pro programování, matematiku, práci se znalostmi a firemní asistenty. Výsledky benchmarků jsou ale citlivé na znění promptů, verzi modelu, metodiku hodnocení i případný přístup k nástrojům nebo systémovým instrukcím. Je proto přesnější chápat je jako důkaz konkurenceschopnosti v konkrétních testech, nikoli jako úplný žebříček spolehlivosti, bezpečnosti, odezvy nebo vhodnosti pro firemní nasazení.

Jak si vedl v Chatbot Areně

Podle reportovaného žebříčku Chatbot Arena z počátku února 2025 se Qwen2.5-Max umístil celkově na sedmém místě se skóre 1 332. Ve stejném hodnocení skončil první v kategoriích matematika a programování a druhý u náročných promptů. 1012

Byl to důležitý signál mimo vlastní testování Alibaby, protože Chatbot Arena porovnává odpovědi modelů v anonymních soubojích podle hodnocení uživatelů. I tento žebříček je však proměnlivý a citlivý na typ zadání. Vysoké umístění samo o sobě neměří faktickou spolehlivost, bezpečnost, práci s nástroji, dlouhodobé autonomní chování ani provozní požadavky firemního nasazení.

Nejstřízlivější závěr proto zní: Qwen2.5-Max byl důvěryhodný konkurent blízko čelní technologické špičky, jehož výsledky zpochybnily představu o velkém odstupu mezi předními čínskými a západními systémy. Odvážnější srovnání musí zůstat připsána Alibabě a svázána s konkrétními benchmarky, které uváděla. 29

Síla nebyla jen v jednom modelu

Strategická hodnota Qwen2.5-Max vycházela také z modelů, které ho obklopovaly. Technická zpráva k Qwen2.5 popisovala více než 100 modelů a variant dostupných ve veřejných repozitářích. Rodina zároveň kombinovala modely s otevřenými vahami s proprietárními, hostovanými službami. 1

Tato kombinace oslovovala různé skupiny:

• Vývojáři si mohli stáhnout menší modely, dolaďovat je, kvantizovat a provozovat na vlastní infrastruktuře.
• Firmy mohly využít spravovaná API, aniž by samy provozovaly modelovou infrastrukturu.
• Alibaba Cloud mohl převést poptávku po modelech do spotřeby cloudových služeb prostřednictvím Model Studia.
• Hardwaroví a softwaroví partneři mohli podporovat nasazení v širším spektru prostředí než u jediného uzavřeného API.

Nebyla to tedy jednoduchá volba mezi otevřeným a uzavřeným přístupem. Alibaba držela špičkový model za hostovaným přístupem a současně využívala otevřené modely k budování povědomí mezi vývojáři, integrací a zájmu o vlastní nasazení.

Qwen3 strategii rozšířil

Dalším významným krokem byl Qwen3, uvedený v dubnu 2025 jako rodina s otevřenými vahami. Nabídka zahrnovala šest hustých modelů od 0,6 do 32 miliard parametrů a dva modely MoE: model s 30 miliardami parametrů, z nichž byly aktivní 3 miliardy, a model s 235 miliardami parametrů, z nichž bylo aktivních 22 miliard. 1718

Modely Qwen3 byly globálně zpřístupněny mimo jiné přes Hugging Face, GitHub a ModelScope. Vyzkoušet je bylo možné prostřednictvím chat.qwen.ai a přístup přes API byl plánován v platformě Alibaba pro vývoj AI modelů. 1718

Tento vývoj objasnil obchodní logiku Alibaby. Hostované služby nabízely prémiový a spravovaný přístup, zatímco široká řada otevřených vah podporovala lokální nasazení, dolaďování a aplikace třetích stran. Model Studio fungovalo jako komerční most mezi oběma částmi portfolia.

Alibaba později propagovala podporu Qwen3 v různých hardwarových prostředích, například kvantizované nasazení na zařízeních Apple, podporu grafických procesorů AMD Instinct a menší modely určené pro mobilní hardware s architekturou Arm. 22 Ekosystém tak nebyl tolik závislý na jediném poskytovateli cloudu nebo akcelerátorové platformě.

Proč Qwen2.5-Max zostřil závod o špičku

Qwen2.5-Max přišel krátce poté, co mezinárodní pozornost získal DeepSeek-V3. Načasování způsobilo, že uvedení působilo méně jako izolovaný úspěch jedné čínské firmy a více jako důkaz rychle sílící konkurence. Alibaba, zavedený cloudový hráč s existující rodinou modelů, dokázala odpovědět systémem, který prezentovala jako srovnatelný s předními americkými modely. 2

Tlak na vývojáře špičkových modelů přicházel ze čtyř směrů:

1. Výkon: Model, který se v programování, matematice a obecných znalostech blíží špičce, může získat reálné pracovní úlohy, i když nevede v každém benchmarku.
2. Cena a efektivita: Architektury MoE a úspornější infrastruktura mohou zlevnit provoz modelů s vysokou kapacitou.
3. Dostupnost: API snižuje vstupní bariéru, zatímco otevřené váhy umožňují vlastní provoz a úpravy.
4. Distribuce: Cloudová platforma může model přímo začlenit do firemních vývojových, nasazovacích a fakturačních procesů.

Pro západní poskytovatele, jako jsou Anthropic a OpenAI, to zvýšilo laťku pro odlišení. Prémiový model musí svou cenu obhájit trvalou výhodou ve schopnostech, bezpečnosti, spolehlivosti, práci s nástroji, dlouhém kontextu, správě nebo podnikové podpoře — nejen působivým výsledkem v jednom testu.

Pravděpodobně proto nešlo o okamžité nahrazení jednoho typu modelů jiným, ale o další segmentaci trhu. Organizace s nejnáročnějšími požadavky mohou dál platit za proprietární špičkové systémy. Nasazení citlivá na cenu, možnosti úprav nebo kontrolu nad daty však získala přesvědčivější čínské a otevřené alternativy.

Vícejazyčnost jako konkurenční výhoda

Dalším aktivem širší rodiny Qwen byla orientace na více jazyků. Materiály k Qwen2.5 popisovaly rozsáhlý ekosystém pro jazykové a programátorské úlohy, zatímco pozdější materiály k Qwen3 uváděly podporu 119 jazyků a dialektů. 118

Pro mezinárodní firmy může být jazykové pokrytí při výběru modelu stejně důležité jako benchmarky v angličtině. Ovlivňuje lokalizaci, zákaznickou podporu, překlady, interní znalostní systémy i regionální nasazení. Praktický přínos samozřejmě závisí na kvalitě v konkrétním jazyce a požadavcích daného podniku. Široká jazyková strategie ale Alibabě otevírá více možností soutěžit i mimo trh zaměřený převážně na angličtinu.

A co „Ox Alpha“?

V dodaných materiálech není dostatek spolehlivých důkazů, že čínský frontierový model nazvaný Ox Alpha byl skutečně zdokumentovaným a vydaným systémem srovnatelným s DeepSeek-V3 nebo Qwen2.5-Max. Je proto vhodné zacházet s tímto názvem jako s neověřeným označením či spekulací, nikoli jako s důkazem o schopnostech čínského AI sektoru.

Tato nejistota nic nemění na širším závěru. Qwen2.5-Max, DeepSeek a následné čínské modely ukázaly, že konkurence na technologické špičce se stává stále více multipolární. Otevřené váhy, efektivní architektury, hostovaná API, vícejazyčnost a cloudová distribuce se proměnily v konkurenční zbraně, nikoli v doplňkové funkce.

Dlouhodobý význam Qwen2.5-Max

Qwen2.5-Max nedokázal, že Alibaba trvale překonala každou západní laboratoř. Jeho nejdůležitější přínos byl strategický: ukázal, jak lze spojit konkurenceschopný vlajkový model, cloudový přístup, vývoj otevřených modelů a globální distribuci mezi vývojáře.

To změnilo otázku, kterou si kladou zákazníci AI. Už nejde jen o to, který model vede v jednom benchmarku. Stále důležitější je porovnávat výkon, cenu, otevřenost, kontrolu nad nasazením, jazykové pokrytí, podporovaný hardware a provozní nároky jako jeden celek.

Qwen2.5-Max tak zostřil závod o technologickou špičku, i když jednotlivá vítězství v benchmarkových tabulkách zůstávala sporná. Pomohl posunout soutěž od souboje několika uzavřených laboratoří k širšímu trhu, na němž na ekosystému modelů a infrastruktuře kolem nich záleží stejně jako na samotném modelu.