Qwen2.5-Max: Sådan skærpede Alibaba den globale AI-konkurrence

Alibaba lancerede Qwen2.5-Max i januar 2025 på et tidspunkt, hvor DeepSeek allerede havde gjort den kinesiske AI-sektor til centrum for global opmærksomhed. Lanceringen var derfor større end endnu en placering på en leaderboard.

Den viste, hvordan en kinesisk cloudgigant kunne kombinere en stor og konkurrencedygtig sprogmodel med øjeblikkelig API-distribution – og samtidig understøtte flagskibet med et bredt økosystem af åbne modeller.

Det gjorde AI-markedet mere konkurrencepræget. Vestlige udbydere kunne ikke længere alene læne sig op ad et teknologisk forspring, mens kinesiske udviklere konkurrerede på flere fronter: pris, åbenhed, fleksibel implementering og adgang til virksomheder.

Hvad var Qwen2.5-Max?

Alibaba beskrev Qwen2.5-Max som en stor mixture-of-experts-model (MoE). Den blev fortrænet på mere end 20 billioner tokens og eftertrænet med kurateret supervised fine-tuning (SFT) samt reinforcement learning from human feedback (RLHF). 9

I en MoE-model findes flere ekspertnetværk, og hver forespørgsel sendes kun gennem en del af dem. På den måde kan modellen have en stor samlet kapacitet uden at aktivere alle dele ved hver forespørgsel. Alibaba offentliggjorde dog ikke tilstrækkelige arkitekturdetaljer til, at man uafhængigt kunne fastslå Qwen2.5-Max’ samlede antal parametre eller antallet af aktive parametre. 9

Qwen2.5-Max var beslægtet med, men ikke identisk med, de modeller, der kunne downloades fra den bredere Qwen2.5-familie. Denne familie omfattede basismodeller og instruktionsjusterede modeller fra 0,5 til 72 milliarder parametre samt kvantiserede versioner på blandt andet Hugging Face, ModelScope og Kaggle. 132

Selve Qwen2.5-Max blev i første omgang præsenteret som en hosted model frem for en model, hvis vægte kunne downloades. Den tidlige adgang gik via Alibaba Clouds Model Studio og Qwen-relaterede chatgrænseflader. 13

Hvad hævdede Alibaba – og hvad viser dokumentationen?

Alibaba sagde, at Qwen2.5-Max klarede sig omtrent på niveau med Claude 3.5 Sonnet i flere evalueringer og overgik GPT-4o, DeepSeek-V3 og Llama 3.1 405B "næsten over hele linjen". Det var Alibabas egne påstande – ikke dokumentation for, at modellen var universelt bedre i praktisk brug. 29

Virksomheden fremhævede blandt andet test inden for:

• MMLU-Pro, der måler vanskelig viden og ræsonnering
• GPQA-Diamond, der indeholder udfordrende spørgsmål på ekspertniveau
• LiveCodeBench, der tester programmering
• LiveBench, der måler bredere modelkapaciteter
• Arena-Hard, som forsøger at efterligne menneskelige præferencer 912

Sammensætningen af testene placerede Qwen2.5-Max som en generalistisk model til programmering, matematik, vidensarbejde og virksomhedsassistenter. Men benchmarkresultater afhænger af blandt andet prompts, modelversioner, evalueringsmetoder og eventuel adgang til værktøjer eller særlige systeminstruktioner.

Resultaterne bør derfor læses som tegn på konkurrenceevne i bestemte tests – ikke som en fuldstændig rangliste over pålidelighed, sikkerhed, svartid eller egnethed til virksomhedsdrift.

Qwen2.5-Max i Chatbot Arena

En Chatbot Arena-liste, der blev rapporteret i begyndelsen af februar 2025, placerede Qwen2.5-Max som nummer syv samlet med en score på 1.332. Samme rapportering placerede modellen som nummer ét i kategorierne matematik og programmering samt nummer to på svære prompts. 1012

Det var et vigtigt signal, fordi Chatbot Arena bygger på crowdsourcede sammenligninger af modelsvar og dermed gav en form for ekstern indikation ud over Alibabas egne tests.

Alligevel er Chatbot Arena en dynamisk og promptfølsom rangliste. En stærk placering siger ikke i sig selv noget fuldstændigt om faktuel pålidelighed, sikkerhed, værktøjsbrug, langsigtet agentadfærd eller de praktiske krav i en virksomhedsimplementering.

Den mest holdbare konklusion er derfor mere præcis end, at Qwen2.5-Max "slog alle førende modeller". Modellen var en troværdig kandidat tæt på den teknologiske frontlinje, og resultaterne udfordrede antagelsen om en stor afstand mellem førende kinesiske og vestlige systemer. Alibabas stærkere sammenligninger bør fortsat tilskrives virksomheden og knyttes til de konkrete benchmarks, den henviste til. 29

Det egentlige strategiske træk: Qwen-økosystemet

Qwen2.5-Max’ betydning lå delvist i modellerne omkring den. Alibabas tekniske rapport om Qwen2.5 beskrev mere end 100 modeller og varianter, som var tilgængelige via offentlige modelrepositorier. Familien kombinerede open-weight-udgivelser med proprietære modeller, der blev leveret som tjenester. 1

Det gav forskellige grupper forskellige muligheder:

• Udviklere kunne downloade, finjustere, kvantisere og selvhoste mindre åbne modeller.
• Virksomheder kunne bruge administrerede API’er uden selv at drive modelinfrastrukturen.
• Alibaba Cloud kunne omsætte efterspørgslen på modeller til cloudforbrug gennem Model Studio.
• Hardware- og softwarepartnere kunne understøtte implementeringer i flere miljøer end en enkelt lukket API tillader.

Strategien var dermed ikke et simpelt valg mellem åben og lukket AI. Alibaba beholdt et avanceret flagskib bag hosted adgang, mens åbne modeller blev brugt til at opbygge kendskab blandt udviklere, integrationer og markedsandele inden for implementering.

Qwen3 gjorde strategien tydeligere

Alibabas næste store skridt var Qwen3, der blev lanceret i april 2025 som en open-weight-modelserie. Udgivelsen omfattede seks tætte modeller fra 0,6 til 32 milliarder parametre samt to MoE-modeller: en model med 30 milliarder samlede parametre og 3 milliarder aktive parametre samt en model med 235 milliarder samlede parametre og 22 milliarder aktive parametre. 1718

Qwen3-modellerne blev gjort globalt tilgængelige via blandt andet Hugging Face, GitHub og ModelScope. De kunne udforskes på chat.qwen.ai, mens API-adgang var planlagt gennem Alibabas modelplatform. 1718

Udviklingen fra Qwen2.5-Max til Qwen3 gjorde Alibabas forretningsmodel klarere: Hosted tjenester kunne bruges til premiumadgang med administreret drift, mens en bred portefølje af åbne vægte kunne fremme lokal implementering, finjustering og tredjepartsapplikationer. Model Studio fungerede som den kommercielle bro mellem de to sider.

Alibaba fremhævede senere Qwen3-understøttelse på flere typer hardware, blandt andet kvantiserede implementeringer på Apple-enheder, understøttelse af AMD Instinct-GPU’er og mindre modeller til Arm-baseret mobilhardware. 22 Det gjorde økosystemet mindre afhængigt af én cloududbyder eller én acceleratorplatform.

Hvorfor skærpede lanceringen AI-kapløbet?

Qwen2.5-Max kom kort efter DeepSeek-V3 havde tiltrukket sig international opmærksomhed. Tidspunktet fik lanceringen til at ligne mere end en isoleret kinesisk bedrift: Den blev et tegn på et hurtigt voksende og mere konkurrencepræget felt.

Alibaba var allerede en stor cloudaktør med en etableret modelserie og kunne derfor svare igen med en model, som virksomheden præsenterede som sammenlignelig med førende amerikanske systemer. 2

Presset på udviklerne af de mest avancerede modeller kom fra fire retninger:

1. Ydeevne: En model, der nærmer sig frontlinjen inden for programmering, matematik og generel viden, kan konkurrere om reelle arbejdsopgaver, selv om den ikke vinder alle benchmarks.
2. Pris og effektivitet: MoE-arkitekturer og effektive infrastrukturløsninger kan gøre avancerede modeller billigere at drive.
3. Adgang: API’er sænker adgangsbarrieren, mens åbne vægte gør selvhosting og tilpasning mulig.
4. Distribution: En cloudplatform kan placere modellen direkte i virksomheders udviklings-, implementerings- og betalingsflows.

For vestlige udbydere som Anthropic og OpenAI hævede det kravene til differentiering. En dyr premium-model skal kunne retfærdiggøre prisen gennem en holdbar fordel inden for eksempelvis kapacitet, sikkerhed, pålidelighed, værktøjsbrug, lange kontekster, styring eller virksomhedssupport – ikke blot gennem et stærkt benchmarkresultat.

Det mest sandsynlige resultat var en opdeling af markedet frem for en øjeblikkelig udskiftning. Organisationer med de mest krævende behov kunne fortsat betale for proprietære frontlinjemodeller, mens prisfølsomme, tilpasningstunge eller suverænitetsfølsomme implementeringer fik mere troværdige kinesiske og open-weight-alternativer.

Sprog og global anvendelse

Qwen-familiens fokus på flere sprog var endnu et konkurrenceparameter. Alibabas Qwen2.5-materiale beskrev et bredt modeløkosystem til sprog- og kodeopgaver, mens senere Qwen3-materiale angav understøttelse af 119 sprog og dialekter. 118

For internationale virksomheder kan flersprogethed være lige så afgørende for modelvalget som en engelsksproget benchmarkscore. Det påvirker lokalisering, kundeservice, oversættelse, interne videnssystemer og regional implementering.

Den praktiske fordel afhænger naturligvis af kvaliteten på det enkelte sprog og af virksomhedens behov. Men en bred sprogstrategi giver Alibaba flere muligheder for at konkurrere uden for et rent engelsksproget marked.

Hvad med “Ox Alpha”?

Der er ikke tilstrækkelig pålidelig dokumentation i det foreliggende materiale for, at en kinesisk frontlinjemodel ved navn Ox Alpha var et dokumenteret og udgivet system på niveau med DeepSeek-V3 eller Qwen2.5-Max.

Navnet bør derfor behandles som en ubekræftet betegnelse eller spekulation – ikke som belæg i en vurdering af Kinas AI-kapacitet.

Det ændrer ikke den større konklusion. Qwen2.5-Max, DeepSeek og efterfølgende kinesiske modeludgivelser viste, at konkurrencen på frontlinjen blev mere multipolær. Åbne vægte, effektive arkitekturer, hosted API’er, flersprogethed og cloud-distribution var på vej til at blive centrale konkurrencevåben i stedet for sekundære funktioner.

Den varige betydning af Qwen2.5-Max

Qwen2.5-Max beviste ikke, at Alibaba permanent havde overhalet alle vestlige AI-laboratorier. Modellens vigtigste bidrag var strategisk: Den demonstrerede, hvordan en virksomhed kunne kombinere et konkurrencedygtigt flagskib med cloudadgang, åben modeludvikling og global distribution til udviklere.

Det ændrede spørgsmålet for AI-købere. I stedet for kun at spørge, hvilken model der toppede et benchmark, måtte de i stigende grad sammenligne kapacitet, pris, åbenhed, kontrol over implementeringen, sprogunderstøttelse, hardwarekompatibilitet og drift i virksomheden.

På den måde skærpede Qwen2.5-Max konkurrencen, også dér hvor de enkelte benchmarksejre kunne diskuteres. Lanceringen flyttede fokus fra en kamp mellem nogle få lukkede laboratorier til et bredere marked, hvor hele modeløkosystemet – og infrastrukturen omkring modellen – betyder næsten lige så meget som selve modellen.