Qwen2.5-Max: Alibabas Antwort auf DeepSeek und die US-KI-Elite

Alibabas Start von Qwen2.5-Max signalisierte, dass chinesische Entwickler innerhalb kurzer Zeit Modelle auf nahezu führendem Niveau hervorbringen und über große Cloud-Plattformen weltweit bereitstellen konnten. Damit gerieten sowohl die Preise geschlossener westlicher Modelle als auch chinesische Wettbewerber wie DeepSeek unter Druck. Entscheidend war weniger, dass ein einzelner Benchmark das Rennen entschieden hätte, sondern dass Alibaba konkurrenzfähige Leistungsversprechen mit einem breiten, zunehmend offenen Modell-Ökosystem und einer starken Cloud-Vertriebsschiene verband. 29

Was war Qwen2.5-Max?

Alibaba kündigte Qwen2.5-Max am 28. beziehungsweise 29. Januar 2025 als das bis dahin größte und leistungsfähigste Modell der Qwen-Reihe an. Es handelte sich um ein groß angelegtes Large Language Model (LLM) mit einer Mixture-of-Experts-Architektur (MoE). Das Modell wurde mit mehr als 20 Billionen Tokens vortrainiert und anschließend mithilfe kuratierter überwachter Feinabstimmung (Supervised Fine-Tuning, SFT) sowie Reinforcement Learning from Human Feedback (RLHF) nachtrainiert. 92

Bei einem MoE-Modell werden nicht bei jeder Anfrage sämtliche Modellbereiche aktiviert. Stattdessen übernimmt jeweils eine Auswahl spezialisierter „Experten“ die Verarbeitung. Dadurch kann ein Modell insgesamt sehr viele Parameter besitzen, während pro Anfrage nur ein Teil davon zum Einsatz kommt. Das kann die Inferenz effizienter machen als bei einem ähnlich leistungsfähigen, vollständig dichten Modell.

Alibaba veröffentlichte in der Ankündigung allerdings nicht genügend technische Details, um die genaue Gesamtzahl der Parameter oder die Zahl der jeweils aktivierten Parameter unabhängig zu überprüfen. 9

Qwen2.5-Max war eine Erweiterung der Qwen2.5-Familie und nicht identisch mit den zuvor herunterladbaren Qwen2.5-Checkpoints. Die breitere Modellfamilie umfasste offene Basis- und instruction-tuned Modelle mit 0,5 bis 72 Milliarden Parametern sowie quantisierte Varianten. Sie wurden unter anderem über Hugging Face, ModelScope und Kaggle angeboten. Das Flaggschiff Max war zunächst dagegen vor allem als gehosteter Dienst und nicht als frei herunterladbares Modell mit veröffentlichten Gewichten erhältlich. 113

Der anfängliche Zugang lief über die API von Alibaba Cloud Model Studio sowie über Chat- und Produktschnittstellen rund um Qwen. Der Launch war damit zugleich eine Modellvorstellung und ein Versuch, zusätzliche Cloud-Nutzung zu erzeugen. 13

Leistungsversprechen mit wichtigem Vorbehalt

Alibaba erklärte, Qwen2.5-Max liege bei mehreren Tests ungefähr auf dem Niveau von Claude 3.5 Sonnet und übertreffe GPT-4o, DeepSeek-V3 und Llama 3.1 405B „fast durchgehend“. Das waren Aussagen des Anbieters – kein Beleg für eine universelle Überlegenheit im praktischen Einsatz. 29

Besonders hervorgehoben wurden anspruchsvolle Tests zu Wissen, Programmierung und allgemeinen Fähigkeiten. Dazu gehörten unter anderem MMLU-Pro, GPQA-Diamond, LiveCodeBench, LiveBench und Arena-Hard. Damit positionierte Alibaba das Modell vor allem für Programmierung, Mathematik, wissensintensive Schlussfolgerungen und Unternehmensassistenten. 912

Auf der von Nutzern bewerteten Chatbot-Arena-Rangliste lag Qwen2.5-Max Berichten von Anfang Februar 2025 zufolge bei 1332 Punkten und auf Platz sieben der Gesamtwertung. In den Kategorien Mathematik und Programmierung soll das Modell geführt haben; bei schwierigen Prompts belegte es demnach Platz zwei. Das ist ein relevantes externes Signal für eine hohe Nutzerpräferenz. Die Rangliste bleibt jedoch dynamisch und stark von den verwendeten Prompts abhängig. Sie misst weder Zuverlässigkeit, Sicherheit und Agentenfähigkeiten noch die Eignung für Unternehmensanwendungen umfassend. 1012

Die belastbare Schlussfolgerung lautet daher: Qwen2.5-Max war ein glaubwürdiger Kandidat nahe der Leistungsspitze. Die weitergehende Aussage, das Modell habe GPT-4o, Claude 3.5 Sonnet oder DeepSeek-V3 eindeutig „geschlagen“, sollte auf Alibabas eigene Angaben und auf die jeweiligen Benchmarks begrenzt bleiben. 29

Mehrsprachigkeit und Ökosystem als Wettbewerbsvorteil

Die größere Qwen2.5-Familie unterstützte zahlreiche Sprachen und Anwendungsfälle mit starkem Programmierbezug. Spätere Qwen3-Modelle erweiterten die von Alibaba angegebene Unterstützung auf 119 Sprachen und Dialekte. Für Unternehmen, die Anwendungen über den englischsprachigen Kernmarkt hinaus lokalisieren wollen, kann das ein wichtiger Faktor sein. 13

Alibabas Strategie kombinierte proprietäre Spitzenmodelle aus der Cloud mit einer großen Zahl offener Modelle. Offene Gewichte erleichtern Entwicklern das Herunterladen, Selbsthosten, Anpassen und Feinabstimmen von Modellen. Model Studio ergänzt dies um verwaltete APIs, Bereitstellung und eine direkte Möglichkeit, aus den Modellen Cloud-Umsatz zu machen. Im technischen Qwen2.5-Bericht war von mehr als 100 zugänglichen Modellen und Varianten in öffentlichen Repositorien die Rede. 1

Auch die Unterstützung unterschiedlicher Hardware stärkte diesen Ansatz. Alibaba warb später für quantisierte Qwen3-Varianten auf Apple-Geräten und für die Nutzung von Qwen3-Modellen auf AMD-Instinct-Hardware. Das kann die Abhängigkeit von einer einzigen Cloud- oder Beschleunigerplattform verringern. 15

Qwen3: Die nächste Eskalationsstufe

Im April 2025 veröffentlichte Alibaba Qwen3 als neue, quelloffene Generation. Die Reihe umfasste sechs dichte Modelle mit 0,6 bis 32 Milliarden Parametern sowie zwei MoE-Modelle. Eines davon verfügte über insgesamt 235 Milliarden Parameter, von denen 22 Milliarden aktiv waren. 43

Die Entwicklung von Qwen2.5-Max zu Qwen3 verdeutlicht eine hybride Strategie: Alibaba behält hochwertige gehostete Angebote dort, wo das Unternehmen Zugriff und Monetarisierung kontrolliert. Gleichzeitig veröffentlicht es eine breite Auswahl an Open-Weight-Modellen, um weltweit Entwickler, Integrationen und Einsatzszenarien zu gewinnen. 413

Model Studio wurde dabei zur verwalteten Plattform für das wachsende Portfolio. Alibaba kann so Modellfortschritte in Cloud-Verbrauch und Unternehmensumsatz übersetzen, statt offene Gewichte ausschließlich als eigenständiges Produkt zu behandeln. 13

Warum der Wettbewerb dadurch schärfer wurde

Qwen2.5-Max erschien kurz nach der großen internationalen Aufmerksamkeit für DeepSeek-V3. Dadurch wirkte Chinas KI-Entwicklung weniger wie die Überraschungsleistung eines einzelnen Unternehmens und stärker wie der Ausdruck eines breiteren Wettbewerbsumfelds. Alibaba zeigte, dass auch ein etablierter Cloud-Anbieter mit einer ausgereiften Modellfamilie schnell mit einem System reagieren konnte, das als vergleichbar mit führenden US-Modellen präsentiert wurde. 2

Der Druck entstand dabei nicht allein durch Benchmarkwerte. Modelle, die für Programmierung, Kundensupport, Übersetzung, Retrieval oder interne Copiloten „gut genug“ sind und zugleich günstiger, per API verfügbar oder mit offenen Gewichten selbst zu betreiben sind, können bei Anwendungen mit hohem Anfragevolumen teurere westliche Modelle ersetzen.

Das zwingt Anbieter an der Leistungsspitze – darunter Anthropic – dazu, ihre Preise durch einen dauerhaft deutlichen Leistungsvorsprung, bessere Sicherheit und Zuverlässigkeit, leistungsfähigere Tool-Nutzung, Unternehmensfunktionen, hochwertige Langkontextverarbeitung und stabilen Support zu rechtfertigen. Aktuelle Berichte beschreiben ebenfalls, wie chinesische Modelle die Fähigkeitslücke verkleinern und zugleich stark über den Preis konkurrieren. 611

Wahrscheinlicher als eine sofortige Ablösung ist daher eine stärkere Marktaufteilung: Für besonders anspruchsvolle Aufgaben könnten Unternehmen weiterhin die leistungsfähigsten proprietären westlichen Modelle bezahlen. Kosten- oder souveränitätssensible Anwendungen dürften dagegen häufiger auf chinesische oder offene Modelle ausweichen.

Was ist mit „Ox Alpha“?

Für ein chinesisches Frontier-Modell namens „Ox Alpha“, das mit DeepSeek-V3 oder Qwen2.5-Max vergleichbar wäre, gibt es keine ausreichenden verlässlichen Belege. Der Name sollte daher als Spekulation oder nicht verifizierte Bezeichnung behandelt werden – nicht als Beleg für Chinas KI-Fähigkeiten.

Die größere Schlussfolgerung hängt davon nicht ab: Qwen, DeepSeek, Moonshot, Z.ai und weitere Anbieter haben die KI-Spitze multipolarer gemacht. Offene Gewichte, effiziente MoE-Architekturen, Cloud-APIs und niedrigere Betriebskosten sind dabei nicht länger bloße Zusatzfunktionen, sondern zentrale Wettbewerbsinstrumente. 64