Qwen2.5-Max: כך אליבאבא העלתה את הרף במרוץ ה-AI העולמי

ההשקה של Qwen2.5-Max בידי אליבאבא בינואר 2025 הייתה משמעותית הרבה מעבר למיקומו של המודל בטבלת דירוגים כזו או אחרת. היא הדגימה כיצד חברת ענן סינית גדולה יכולה לשלב מודל בעל ביצועים גבוהים, גישה מיידית דרך API והפצה מסחרית — ובמקביל לחזק אותו באמצעות אקוסיסטם רחב של מודלים פתוחים.

התוצאה הייתה שוק תחרותי יותר. ספקיות מערביות כבר לא יכלו להסתמך רק על יתרון ביצועים, ומפתחי AI בסין התחרו לא רק זה בזה, אלא גם על מחיר, פתיחות, גמישות בפריסה והיקף החדירה לארגונים.

מה היה Qwen2.5-Max?

אליבאבא תיארה את Qwen2.5-Max כמודל שפה גדול המבוסס על ארכיטקטורת תערובת מומחים — Mixture of Experts, או MoE. המודל אומן מראש על יותר מ-20 טריליון טוקנים, ולאחר מכן עבר אימון נוסף שכלל כוונון מפוקח על נתונים שנבחרו בקפידה (SFT) ולמידת חיזוק ממשוב אנושי (RLHF). 9

במודל MoE קיימות כמה רשתות מומחים, והמערכת מנתבת כל קלט רק לחלק מהן. כך ניתן להגדיל את הקיבולת הכוללת בלי להפעיל את כל רכיבי המודל בכל בקשה. עם זאת, בהודעת ההשקה אליבאבא לא חשפה די פרטים ארכיטקטוניים כדי לאפשר אימות עצמאי של מספר הפרמטרים הכולל או של מספר הפרמטרים הפעילים. 9

Qwen2.5-Max היה קשור למשפחת Qwen2.5, אך לא היה זהה למודלים שניתנו להורדה. משפחת Qwen2.5 הרחבה כללה מודלי בסיס ומודלים שעברו התאמה להוראות, בגדלים שנעו מ-0.5 מיליארד ועד 72 מיליארד פרמטרים, וכן גרסאות מכווצות — quantized — שהוצעו בין היתר דרך Hugging Face, ModelScope ו-Kaggle. 132

לעומת זאת, Qwen2.5-Max הוצג בתחילה כמודל מתארח ולא כמודל שמשקלו זמין להורדה. הגישה אליו ניתנה דרך שירות Model Studio של Alibaba Cloud וממשקי צ'אט הקשורים ל-Qwen. 13

מה אליבאבא טענה — ומה באמת אפשר להסיק?

אליבאבא טענה כי Qwen2.5-Max הציג ביצועים דומים בקירוב ל-Claude 3.5 Sonnet בכמה מבחנים, וכי הוא גבר על GPT-4o, על DeepSeek-V3 ועל Llama 3.1 405B "כמעט לכל אורך הדרך". אלה היו טענות של החברה, ולא הוכחה לכך שהמודל היה עדיף באופן אוניברסלי בשימושים אמיתיים. 29

החברה הציגה תוצאות במבחנים שבחנו יכולות שונות, ובהם:

• MMLU-Pro — שאלות ידע והסקה ברמה גבוהה;
• GPQA-Diamond — שאלות מאתגרות ברמת מומחים;
• LiveCodeBench — יכולות תכנות;
• LiveBench — הערכה רחבה של יכולות המודל;
• Arena-Hard — מדד שמנסה לקרב את ההערכה להעדפות אנושיות. 912

השילוב הזה מיקם את Qwen2.5-Max כמודל כללי למשימות תכנות, מתמטיקה, עבודת ידע ועוזרים ארגוניים. אך תוצאות במבחני ביצועים מושפעות מניסוח השאלות, מגרסת המודל, משיטת המדידה ומהבדלים אפשריים בגישה לכלים או להנחיות מערכת. לכן יש לראות בהן עדות לתחרותיות במבחנים מסוימים — לא דירוג מלא של אמינות, בטיחות, זמן תגובה או התאמה לפריסה בארגון.

הביצועים ב-Chatbot Arena

דירוג שדווח בתחילת פברואר 2025 ב-Chatbot Arena הציב את Qwen2.5-Max במקום השביעי הכללי, עם ציון של 1,332. באותו דיווח הוא דורג ראשון בקטגוריות המתמטיקה והתכנות ושני בקטגוריית השאלות הקשות. 1012

לנתון הזה הייתה חשיבות משום ש-Chatbot Arena מבוסס על השוואות בין תשובות מודלים שנאספות ממשתמשים, ולא רק על בדיקות פנימיות של אליבאבא. עם זאת, גם מדובר בדירוג דינמי ורגיש לניסוח השאלות. מיקום גבוה ב-Arena אינו מודד לבדו אמינות עובדתית, בטיחות, שימוש בכלים, התנהגות של סוכנים לאורך משימות ארוכות או את הדרישות התפעוליות של מערכת עסקית.

לכן המסקנה הזהירה ביותר היא ש-Qwen2.5-Max היה מתחרה אמין שהתקרב לחזית היכולת. התוצאות שלו ערערו על ההנחה שהפער בין מערכות AI מובילות בסין ובמערב גדול ויציב. לעומת זאת, את הטענות החזקות יותר של אליבאבא — שלפיהן המודל גבר על כל המתחרים המובילים — יש לייחס לחברה ולמבחנים הספציפיים שהיא ציינה. 29

הכוח האמיתי היה באקוסיסטם של Qwen

הערך האסטרטגי של Qwen2.5-Max הגיע גם מהמודלים שסביבו. הדוח הטכני של Qwen2.5 תיאר יותר מ-100 מודלים וגרסאות שהיו נגישים דרך מאגרים ציבוריים, לצד שילוב בין מודלים פתוחים לבין שירותים מתארחים וקנייניים. 1

השילוב הזה פנה לקהלים שונים:

• מפתחים יכלו להוריד מודלים קטנים יותר, לבצע להם fine-tuning, לכווץ אותם ולהפעיל אותם בעצמם;
• עסקים יכלו להשתמש ב-API מנוהל בלי להקים ולתחזק תשתית מודלים עצמאית;
• Alibaba Cloud יכלה להפוך את הביקוש למודלים לצריכת שירותי ענן דרך Model Studio;
• שותפי חומרה ותוכנה יכלו לתמוך בפריסות בסביבות רבות יותר מאשר API סגור יחיד.

זו לא הייתה אסטרטגיה פשוטה של "פתוח מול סגור". אליבאבא שמרה את מודל הדגל המתקדם מאחורי גישה מתארחת, ובמקביל השתמשה במודלים פתוחים כדי לבנות היכרות בקרב מפתחים, אינטגרציות ונוכחות בתהליכי פריסה.

Qwen3 הרחיב את המהלך

הצעד הגדול הבא של אליבאבא היה Qwen3, שהושק באפריל 2025 כמשפחה פתוחה. ההשקה כללה שישה מודלים צפופים בגדלים של 0.6 מיליארד עד 32 מיליארד פרמטרים, ושני מודלי MoE: מודל בעל 30 מיליארד פרמטרים, שמתוכם 3 מיליארד פעילים, ומודל בעל 235 מיליארד פרמטרים, שמתוכם 22 מיליארד פעילים. 1718

מודלי Qwen3 הוצעו ברחבי העולם דרך ערוצים ובהם Hugging Face, GitHub ו-ModelScope. ניתן היה להתנסות בהם דרך chat.qwen.ai, וגישה דרך API תוכננה דרך פלטפורמת המודלים של אליבאבא. 1718

המעבר מ-Qwen2.5-Max ל-Qwen3 הבהיר את המודל העסקי של אליבאבא: שירותים מתארחים יכולים לספק גישה מנוהלת ומתקדמת, ואילו משקלים פתוחים במגוון גדלים מעודדים פריסה מקומית, התאמה אישית ויישומים של צד שלישי. Model Studio משמשת כגשר המסחרי בין שני צדי הפורטפוליו.

בהמשך קידמה אליבאבא תמיכה ב-Qwen3 בסביבות חומרה שונות, כולל פריסות מכווצות על מכשירי Apple, תמיכה במעבדי AMD Instinct ותמיכה במודלים קטנים יותר המותאמים לחומרה ניידת המבוססת על Arm. 22 כך נעשה האקוסיסטם פחות תלוי בספק ענן אחד או בפלטפורמת מאיצים יחידה.

מדוע ההשקה החריפה את התחרות על מודלי החזית?

Qwen2.5-Max הגיע זמן קצר לאחר ש-DeepSeek-V3 משך תשומת לב בינלאומית. התזמון גרם להשקה להיראות פחות כהישג סיני נקודתי ויותר כסימן לכך שהתחרות בתחום מתעמקת במהירות. אליבאבא, שחקנית ענן גדולה עם משפחת מודלים מבוססת, הצליחה להגיב במודל שהציגה כמתחרה במערכות אמריקאיות מובילות. 2

הלחץ על מפתחי מודלי החזית הגיע מכמה כיוונים:

1. ביצועים: מודל שמתקרב לחזית במשימות תכנות, מתמטיקה וידע כללי יכול להתמודד על שימושים אמיתיים גם אם אינו מוביל בכל מבחן.
2. עלות ויעילות: ארכיטקטורות MoE ואסטרטגיות תשתית יעילות עשויות להפוך מודלים בעלי יכולות גבוהות לזולים יותר להפעלה.
3. נגישות: ממשקי API מורידים את חסם הכניסה, ואילו משקלים פתוחים מאפשרים אירוח עצמי והתאמה אישית.
4. הפצה: פלטפורמת ענן יכולה לשלב את המודל ישירות בתהליכי פיתוח, פריסה וחיוב של ארגונים.

עבור ספקיות מערביות כמו Anthropic ו-OpenAI, המשמעות הייתה שרף הבידול עלה. מודל פרימיום צריך להצדיק את מחירו באמצעות יתרון מתמשך ביכולת, בבטיחות, באמינות, בשימוש בכלים, באורך ההקשר, בממשל או בתמיכה ארגונית — ולא רק באמצעות תוצאה מרשימה במבחן יחיד.

התוצאה הסבירה הייתה פילוח השוק, ולא החלפה מיידית. ארגונים בעלי דרישות מחמירות במיוחד עשויים להמשיך לשלם על מערכות חזית קנייניות, בעוד שפריסות רגישות לעלות, להתאמה אישית או לריבונות דיגיטלית קיבלו חלופות סיניות ופתוחות אמינות יותר.

יכולות רב-לשוניות ופריסה גלובלית

האוריינטציה הרב-לשונית של משפחת Qwen הרחבה הייתה נכס תחרותי נוסף. חומרי Qwen2.5 תיארו אקוסיסטם רחב לשימושי שפה וקוד, ואילו חומרי Qwen3 המאוחרים יותר ציינו תמיכה ב-119 שפות וניבים. 118

עבור חברות בינלאומיות, כיסוי רב-לשוני עשוי להשפיע על בחירת מודל לא פחות ממבחן באנגלית. הוא רלוונטי ללוקליזציה, לשירות לקוחות, לתרגום, למערכות ידע פנימיות ולפריסה אזורית. היתרון המעשי תלוי באיכות בכל שפה ובדרישות העסק, אך אסטרטגיה רב-לשונית רחבה מעניקה לאליבאבא הזדמנויות להתחרות גם מחוץ לשוק שמתמקד בעיקר באנגלית.

ומה לגבי "Ox Alpha"?

בחומר שסופק אין ראיות אמינות ומספקות לכך שמודל חזית סיני בשם Ox Alpha היה מערכת מתועדת ומשוחררת, שאפשר להשוות ל-DeepSeek-V3 או ל-Qwen2.5-Max. לכן יש להתייחס אליו כאל שם לא מאומת או ספקולציה — לא כאל ראיה ליכולות ה-AI של סין.

אי-הוודאות הזו אינה משנה את המסקנה הרחבה יותר. Qwen2.5-Max, DeepSeek ומודלים סיניים שהגיעו אחריהם הראו שהתחרות על החזית נעשית רב-קוטבית יותר. משקלים פתוחים, ארכיטקטורות יעילות, ממשקי API מתארחים, תמיכה בריבוי שפות והפצה דרך ענן הפכו לכלי תחרות מרכזיים — ולא לתכונות משניות.

המשמעות שנשארה אחרי Qwen2.5-Max

Qwen2.5-Max לא הוכיח שאליבאבא עקפה לצמיתות כל מעבדת AI מערבית. התרומה החשובה ביותר שלו הייתה אסטרטגית: הוא הדגים כיצד חברה יכולה לשלב מודל דגל תחרותי, גישה דרך ענן, פיתוח מודלים פתוחים והפצה גלובלית למפתחים.

הגישה ההיברידית הזו שינתה את השאלה שלקוחות AI צריכים לשאול. במקום לבדוק רק איזה מודל ניצח במבחן מסוים, הם נדרשים להשוות בין יכולת, עלות, פתיחות, שליטה בפריסה, כיסוי שפות, תמיכה בחומרה ותפעול ארגוני — כמכלול אחד.

במובן הזה, Qwen2.5-Max החריף את מרוץ מודלי החזית גם אם חלק מהניצחונות שלו במבחנים נותרו שנויים במחלוקת. הוא סייע להעביר את התחרות מעימות בין כמה מעבדות סגורות לשוק רחב יותר, שבו האקוסיסטם וה infraestructura שסביב המודל חשובים כמעט כמו המודל עצמו.