Qwen2.5-Max gjorde AI-kapløbet mere globalt

Alibabas lancering af Qwen2.5-Max var vigtig, fordi den udfordrede forestillingen om, at udviklingen af de mest avancerede AI-modeller primært foregik i en lille gruppe amerikanske laboratorier. Modellen blev annonceret den 28.-29. januar 2025, kort efter at DeepSeek-V3 havde vakt international opmærksomhed, og kombinerede ambitiøse præstationspåstande med distribution gennem Alibaba Cloud. 29

Lanceringen beviste ikke, at Qwen2.5-Max var bedre end alle konkurrenter i enhver situation. Den mere holdbare pointe var strategisk: En stor kinesisk cloududbyder kunne bringe en troværdig model tæt på den globale teknologiske front ud på markedet og samtidig tilbyde et bredere økosystem af modeller, udviklerværktøjer og administrerede API'er.

Hvad var Qwen2.5-Max?

Alibaba beskrev Qwen2.5-Max som en stor Mixture-of-Experts-model (MoE). I en MoE-arkitektur aktiveres forskellige ekspert-netværk afhængigt af inputtet. Modellen kan derfor have en høj samlet kapacitet uden at bruge alle komponenter på hvert eneste token. Det kan forbedre forholdet mellem kapacitet og beregningsforbrug, men Alibabas offentlige lancering gav ikke tilstrækkelige oplysninger til at fastslå det præcise antal samlede eller aktive parametre. 9

Alibaba oplyste, at modellen var fortrænet på mere end 20 billioner tokens og derefter videreuddannet med kurateret supervised fine-tuning (SFT) samt reinforcement learning from human feedback (RLHF). Formålet med disse trin er blandt andet at forbedre instruktionsfølgning, svarkvalitet og tilpasning til menneskelige præferencer efter den indledende træning. 259

Qwen2.5-Max må ikke forveksles med de modeller, der kunne downloades fra den øvrige Qwen2.5-serie. Den bredere familie omfattede grundmodeller og instruktionsjusterede modeller fra 0,5 til 72 milliarder parametre samt kvantiserede versioner på Hugging Face, ModelScope og Kaggle. 132 Max blev derimod positioneret som en hostet topmodel snarere end som endnu en offentligt tilgængelig model med downloadbare vægte. Samtidige analyser pegede på Alibaba Clouds Model Studio som den primære tjenesteplatform. 13

En hostet topmodel ved siden af åbne modeller

Forskellen viste Alibabas strategi med to spor:

• Hostede topmodeller: Alibaba kunne kontrollere adgangen til sine mest avancerede systemer gennem Model Studio og Qwen-relaterede grænseflader.
• Modeller med åbne vægte: Udviklere kunne downloade, tilpasse, kvantisere og selv implementere andre medlemmer af Qwen-familien gennem offentlige repositories.

Den tekniske Qwen2.5-rapport beskrev mere end 100 modeller og varianter, som var tilgængelige via blandt andet Hugging Face, ModelScope og Kaggle. Rapporten nævnte også hostede Qwen2.5-MoE-varianter på Alibaba Cloud Model Studio. 132

For udviklere skabte det et praktisk valg mellem bekvemmelighed og kontrol. En administreret API mindsker arbejdet med infrastruktur, mens åbne vægte giver større kontrol over implementering, tilpasning og placering af data. Alibaba kunne dermed bruge åbne udgivelser til at opbygge et udviklerfællesskab og Model Studio til at omsætte brugen af modeller til cloudforbrug.

Hvad hævdede Alibaba om benchmarkresultaterne?

Alibaba sagde, at Qwen2.5-Max på flere af virksomhedens egne evalueringer var på niveau med Claude 3.5 Sonnet og overgik GPT-4o, DeepSeek-V3 og Llama 3.1 405B. Blandt de fremhævede tests var MMLU-Pro, GPQA-Diamond, LiveCodeBench, LiveBench og Arena-Hard. De dækkede blandt andet viden, vanskelig problemløsning, programmering, generelle evner og vurderinger baseret på menneskelige præferencer. 29

Påstandene skal dog læses med forbehold. Resultater fra en modeludviklers egne evalueringer dokumenterer, hvad virksomheden målte under bestemte betingelser – ikke at modellen generelt er bedst i praktisk brug. Benchmarkversioner, prompts, modelindstillinger og mulig dataforurening kan påvirke sammenligningen. Samtidige analyser anbefalede derfor også forsigtighed. 254

Et mere uafhængigt signal kom fra den crowdsourcede Chatbot Arena-liste, der blev omtalt i begyndelsen af februar 2025. Her stod Qwen2.5-Max med en score på 1332 og en samlet placering som nummer syv. Rapporter placerede modellen som nummer ét i kategorierne matematik og programmering samt som nummer to på svære prompts. 1012

Resultatet understøttede vurderingen af Qwen2.5-Max som en seriøs model tæt på frontlinjen. Det viste dog ikke, at den var bedst til alle opgaver, og Chatbot Arena målte heller ikke alle de forhold, der betyder noget i drift – for eksempel pålidelighed, sikkerhed, værktøjsbrug, svartid, datastyring og virksomhedssupport.

En nøgtern sammenligning med GPT-4o, Claude og DeepSeek

Den mest forsvarlige konklusion er derfor smallere end Alibabas overskriftspåstand:

• Over for GPT-4o rapporterede Alibaba bredere benchmarkfordele, men resultaterne bør fortsat tilskrives Alibaba og knyttes til de konkrete tests. 29
• Over for Claude 3.5 Sonnet præsenterede Alibaba Qwen2.5-Max som overordnet sammenlignelig, ikke som en model med en dokumenteret føring på alle områder. 29
• Over for DeepSeek-V3 var lanceringen særligt betydningsfuld, fordi Alibaba hurtigt kunne svare en ny kinesisk konkurrent igen med en model, som virksomheden hævdede klarede sig bedre på flere evalueringer. 25

Samtalen blev dermed flyttet fra “Kan en kinesisk model konkurrere?” til “Hvilken model passer bedst til denne arbejdsopgave, implementeringsform, sprog og økonomi?”

Forholdet til den tidligere Qwen2.5-serie

Qwen2.5-Max var en forlængelse af Qwen2.5-generationen, men havde en anden rolle i produktporteføljen. Den tidligere familie lagde vægt på mange åbent tilgængelige størrelser – fra lette modeller til eksperimenter til en topmodel på 72 milliarder parametre. 132

Max tilføjede en avanceret, hostet mulighed. Alibaba kunne dermed vise ambitioner på frontier-niveau uden at offentliggøre alle detaljer om topmodellen, herunder vægte, præcis arkitektur og træningsmateriale. Strategien var derfor ikke blot et spørgsmål om åben versus lukket kildekode. Det var en porteføljetilgang, hvor åbenhed skulle tiltrække udviklere, mens hostede modeller understøttede kommerciel distribution.

Qwen-økosystemet havde samtidig fokus på flersprogede og kodeorienterede anvendelser. Kinesisk og engelsk stod centralt, mens familien også understøttede blandt andet spansk, fransk og japansk. 40 For virksomheder, der arbejder på tværs af asiatiske og globale markeder, kan den slags sproglig rækkevidde være mindst lige så vigtig som små forskelle på en engelsksproget benchmark.

Qwen3 gjorde strategien tydeligere

Alibabas næste store skridt var Qwen3, som blev udgivet i april 2025 som en familie med åbne vægte. Den første udgave omfattede seks tætte modeller fra 0,6 til 32 milliarder parametre og to MoE-modeller, herunder en model med 235 milliarder samlede parametre og 22 milliarder aktive parametre. Alibaba gjorde modellerne globalt tilgængelige via blandt andet Hugging Face, GitHub og ModelScope. 171831

Qwen3 gjorde logikken bag porteføljen mere synlig. Alibaba kunne tilbyde premium- eller specialiserede funktioner gennem administrerede tjenester og samtidig frigive en bred vifte af modeller, som udviklere selv kunne køre og tilpasse. Model Studio blev cloud-modstykket til dette åbne økosystem og gav teams en mulig vej fra eksperimenter til administreret drift. 1718

Økosystemet voksede også ud over selve modelvægtene. Alibaba beskrev senere kvantiserede Qwen3-varianter til Apple-hardware, understøttelse af større Qwen3-modeller på AMD Instinct MI300X-grafikprocessorer og lette versioner til Arm-baserede mobilenheder. 22 Det er vigtigt, fordi konkurrencen mellem modeller ikke kun afgøres af størrelsen på træningsdataene. Den afgøres også af, hvor let en model kan køre på tværs af cloudplatforme, acceleratorer, bærbare computere og edge-enheder.

Hvorfor skærpede lanceringen AI-kapløbet?

Qwen2.5-Max øgede konkurrencepresset på tre forbundne områder.

1. Kinas AI-konkurrence så bredere ud

DeepSeek-V3 havde allerede udfordret antagelserne om Kinas evne til at udvikle meget kapable modeller. Alibabas svar viste, at DeepSeek ikke var den eneste kinesiske aktør, der kunne forsøge at nå tæt på frontlinjen. En stor, etableret cloududbyder med en moden modelserie kunne reagere hurtigt, præsentere stærke resultater og distribuere modellen gennem en eksisterende platform. 2

2. Distribution blev en del af modelkvaliteten

En models kommercielle værdi afhænger af mere end benchmarkscorer. Udviklere ser også på API-adgang, implementeringsmuligheder, flersproget ydeevne, hardwareunderstøttelse, integrationsværktøjer og muligheden for selv at finjustere eller hoste modellen. Alibaba samlede flere af disse kanaler på tværs af Qwen-familien og Model Studio. 11722

3. Billigere og mere fleksible alternativer blev mere attraktive

Hvis en model er god nok til kodeassistenter, oversættelse, informationssøgning, kundeservice eller interne AI-assistenter, behøver køberen måske ikke den højeste score på hver eneste frontier-evaluering. Åbne vægte, effektive MoE-designs og cloudtilgængelighed kan sænke adgangsbarriererne, selv når en model ikke entydigt dominerer markedet.

Det lægger pres på dyre, proprietære udbydere for at retfærdiggøre priserne gennem dokumenterede fordele inden for pålidelighed, sikkerhed, værktøjsbrug, konteksthåndtering, virksomhedskontrol og servicekvalitet – ikke blot ved at kalde modellen “frontier”. Samtidig beskrev rapportering kinesiske modeller som aktører, der indsnævrer forskellen i kapabilitet og konkurrerer aggressivt på pris og adgang. 47

Det mest sandsynlige resultat er markedsopdeling snarere end en øjeblikkelig udskiftning. Nogle organisationer vil fortsat betale for de stærkeste lukkede modeller, mens andre vil vælge kinesiske, hostede modeller eller åbne alternativer, fordi de giver en bedre kombination af ydeevne, kontrol, lokalisering og driftsøkonomi.

Hvad med “Ox Alpha”?

Det tilgængelige materiale dokumenterer ikke, at en kinesisk frontier-model kaldet Ox Alpha var et udgivet system, der kan sammenlignes med DeepSeek-V3 eller Qwen2.5-Max. Navnet bør derfor behandles som ubekræftet eller spekulativt – ikke som dokumentation for Kinas AI-kapabilitet.

Det ændrer ikke den bredere konklusion. Qwen2.5-Max var vigtig, fordi modellen sammen med DeepSeek og andre kinesiske udviklere gjorde AI-frontlinjen mere multipolær. Konkurrenceparametrene var ikke kun større modeller, men også effektive MoE-arkitekturer, åbne vægte, flersproget rækkevidde, cloud-API'er, hardwareportabilitet og evnen til at gøre en modelserie til et globalt udviklerøkosystem.