Qwen2.5-Max Alibaba: Babak Baru Persaingan Model AI Global

Peluncuran Qwen2.5-Max oleh Alibaba pada 28–29 Januari 2025 memperkuat sinyal bahwa pengembangan AI kelas terdepan tidak lagi terkonsentrasi pada segelintir laboratorium di Amerika Serikat. Model ini hadir tidak lama setelah DeepSeek-V3 menjadi sorotan global, dengan klaim performa ambisius sekaligus distribusi melalui Alibaba Cloud. 29

Namun, peluncuran tersebut tidak membuktikan bahwa Qwen2.5-Max secara universal mengungguli semua pesaing. Arti pentingnya lebih bersifat strategis: Alibaba menunjukkan bahwa perusahaan cloud besar dari China dapat menghadirkan model yang kredibel dan mendekati frontier, lalu menghubungkannya dengan ekosistem model yang dapat diunduh, alat pengembang, serta API terkelola.

Apa itu Qwen2.5-Max?

Qwen2.5-Max adalah model bahasa besar berskala besar dengan arsitektur mixture-of-experts (MoE). Dalam sistem MoE, hanya jaringan “pakar” tertentu yang diaktifkan sesuai masukan. Pendekatan ini memungkinkan model memiliki kapasitas total yang besar tanpa harus mengaktifkan seluruh komponennya untuk setiap token, sehingga berpotensi menyeimbangkan kemampuan dan efisiensi komputasi.

Materi peluncuran Alibaba tidak mengungkapkan informasi yang cukup untuk menetapkan jumlah parameter total maupun parameter aktif secara presisi. 9

Alibaba menyatakan bahwa Qwen2.5-Max dipratih dengan lebih dari 20 triliun token, kemudian menjalani post-training menggunakan supervised fine-tuning (SFT) dan reinforcement learning from human feedback (RLHF). SFT membantu model mengikuti instruksi, sedangkan RLHF digunakan untuk meningkatkan kualitas serta keselarasan respons berdasarkan umpan balik manusia. 259

Qwen2.5-Max juga perlu dibedakan dari model Qwen2.5 yang dapat diunduh. Keluarga Qwen2.5 mencakup model dasar dan model yang telah disesuaikan untuk mengikuti instruksi, dengan ukuran mulai dari 0,5 miliar hingga 72 miliar parameter. Versi terkuantisasi keluarga ini didistribusikan melalui Hugging Face, ModelScope, dan Kaggle. 132

Berbeda dari model-model tersebut, Qwen2.5-Max diposisikan sebagai model unggulan yang diakses melalui layanan cloud. Analisis pada masa peluncuran mengidentifikasi Alibaba Cloud Model Studio sebagai salah satu permukaan layanan utamanya. 13

Model terkelola dan bobot terbuka

Perbedaan akses itu memperlihatkan strategi dua jalur Alibaba:

• Model kelas atas yang di-hosting: Alibaba mengendalikan akses ke sistem paling canggih melalui Model Studio dan antarmuka Qwen terkait.
• Model dengan bobot terbuka: Pengembang dapat mengunduh, menyesuaikan, melakukan kuantisasi, dan menjalankan anggota keluarga Qwen lainnya melalui repositori publik.

Laporan teknis Qwen2.5 mencatat lebih dari 100 model dan varian yang dapat diakses melalui Hugging Face, ModelScope, dan Kaggle. Laporan itu juga mencantumkan varian MoE Qwen2.5 yang tersedia melalui Alibaba Cloud Model Studio. 132

Bagi pengembang, pendekatan ini menawarkan pilihan antara kemudahan dan kendali. API terkelola mengurangi pekerjaan infrastruktur, sedangkan bobot terbuka memberikan kontrol lebih besar atas deployment, kustomisasi, dan lokasi data. Dengan begitu, Alibaba dapat memakai model terbuka untuk membangun adopsi sekaligus memanfaatkan Model Studio untuk mendorong permintaan layanan cloud.

Klaim performa terhadap GPT-4o, Claude, dan DeepSeek

Alibaba menyatakan bahwa Qwen2.5-Max secara umum sebanding dengan Claude 3.5 Sonnet dan mengungguli GPT-4o, DeepSeek-V3, serta Llama 3.1 405B dalam banyak evaluasi yang dilaporkannya. Perusahaan itu menyoroti sejumlah pengujian, termasuk MMLU-Pro, GPQA-Diamond, LiveCodeBench, LiveBench, dan Arena-Hard. Pengujian tersebut mencakup pengetahuan, penalaran sulit, pemrograman, kemampuan umum, serta evaluasi berbasis preferensi. 29

Klaim ini tetap perlu dibaca secara hati-hati. Hasil evaluasi dari pengembang model merupakan bukti tentang apa yang diukur perusahaan dalam kondisi tertentu, bukan bukti keunggulan universal dalam penggunaan nyata. Versi benchmark, format prompt, pengaturan model, dan kemungkinan kontaminasi data dapat memengaruhi hasil perbandingan. Sejumlah laporan pada saat itu juga mengingatkan pembaca agar tidak menerima klaim tersebut begitu saja. 254

Sinyal yang lebih independen datang dari papan peringkat Chatbot Arena berbasis penilaian pengguna yang dilaporkan pada awal Februari 2025. Qwen2.5-Max tercatat memperoleh skor 1.332 dan menempati posisi ketujuh secara keseluruhan. Laporan juga menyebut model ini berada di posisi pertama untuk kategori matematika dan pemrograman, serta posisi kedua untuk hard prompts. 1012

Hasil itu mendukung kesimpulan bahwa Qwen2.5-Max merupakan pesaing serius yang mendekati level frontier. Namun, hasil tersebut tidak berarti model ini terbaik untuk setiap tugas. Chatbot Arena juga tidak mengukur seluruh faktor penting dalam deployment, seperti reliabilitas, keamanan, penggunaan alat, latensi, tata kelola data, dan dukungan bagi pelanggan perusahaan.

Perbandingan yang paling dapat dipertanggungjawabkan adalah sebagai berikut:

• Terhadap GPT-4o, Alibaba melaporkan keunggulan pada berbagai benchmark, tetapi klaim itu harus tetap dikaitkan dengan Alibaba dan dengan pengujian tertentu yang digunakan. 29
• Terhadap Claude 3.5 Sonnet, Alibaba mempresentasikan Qwen2.5-Max sebagai model yang secara umum sebanding, bukan sebagai pemenang mutlak di semua kategori. 29
• Terhadap DeepSeek-V3, peluncuran ini penting karena menunjukkan bahwa Alibaba dapat merespons cepat pesaing China yang sedang naik daun dengan model yang diklaim unggul dalam sejumlah evaluasi. 25

Dengan kata lain, perdebatan bergeser dari “Bisakah model China bersaing?” menjadi “Model mana yang paling cocok untuk beban kerja, kebutuhan deployment, bahasa, dan anggaran tertentu?”

Hubungannya dengan keluarga Qwen2.5

Qwen2.5-Max memperluas generasi Qwen2.5, tetapi menempati posisi berbeda dalam portofolio Alibaba. Keluarga Qwen2.5 sebelumnya menekankan ketersediaan berbagai ukuran model secara terbuka, mulai dari model ringan untuk eksperimen hingga model unggulan berukuran 72 miliar parameter. 132

Qwen2.5-Max menambahkan opsi kelas atas yang di-hosting. Alibaba dapat menunjukkan ambisi di level frontier tanpa membuka seluruh bagian model unggulan—termasuk bobot, arsitektur terperinci, dan artefak pelatihannya—kepada publik.

Karena itu, strategi Alibaba tidak sesederhana pilihan “open source atau tertutup”. Yang terlihat adalah strategi portofolio: keterbukaan digunakan untuk menarik pengembang, sementara model yang di-hosting mendukung distribusi komersial melalui cloud.

Ekosistem Qwen juga menaruh perhatian pada penggunaan multibahasa dan pemrograman. Data yang tersedia menunjukkan penekanan khusus pada bahasa Mandarin dan Inggris, serta dukungan terhadap bahasa lain seperti Spanyol, Prancis, dan Jepang. 40 Bagi perusahaan yang beroperasi di pasar Asia dan global, jangkauan bahasa dapat sama pentingnya dengan selisih kecil pada benchmark berbahasa Inggris.

Qwen3 memperjelas arah strategi

Langkah besar Alibaba berikutnya adalah Qwen3, yang dirilis pada April 2025 sebagai keluarga model dengan bobot terbuka. Rilis awalnya mencakup enam model dense berukuran 0,6 miliar hingga 32 miliar parameter, serta dua model MoE, termasuk model dengan 235 miliar parameter total dan 22 miliar parameter aktif. Alibaba menyediakan model-model tersebut secara global melalui kanal seperti Hugging Face, GitHub, dan ModelScope. 171831

Qwen3 memperjelas logika portofolio Qwen. Alibaba dapat mempertahankan kemampuan premium atau khusus melalui layanan terkelola, sembari merilis banyak model yang bisa dijalankan dan diadaptasi langsung oleh pengembang. Model Studio menjadi pasangan sisi cloud dari ekosistem terbuka tersebut—jalur bagi tim untuk berpindah dari eksperimen menuju deployment terkelola. 1718

Ekspansi ini tidak berhenti pada bobot model. Alibaba kemudian menjelaskan varian Qwen3 terkuantisasi untuk perangkat Apple, dukungan model Qwen3 berukuran besar pada GPU AMD Instinct MI300X, serta versi ringan yang dirancang untuk perangkat seluler berbasis Arm. 22

Integrasi semacam itu penting karena persaingan model AI tidak hanya ditentukan oleh skala prapelatihan. Kemudahan menjalankan model di berbagai cloud, akselerator, laptop, dan perangkat edge juga menentukan seberapa cepat model diadopsi.

Mengapa Qwen2.5-Max memperketat persaingan AI?

1. Persaingan China terlihat lebih luas

DeepSeek-V3 sebelumnya telah menantang anggapan tentang kemampuan China dalam menghasilkan model berkapabilitas tinggi. Respons Alibaba menunjukkan bahwa DeepSeek bukan satu-satunya pengembang China yang mampu mendorong model mendekati frontier. Perusahaan cloud besar dengan keluarga model yang sudah mapan dapat bergerak cepat, menampilkan hasil kuat, dan mendistribusikan model melalui platform yang telah tersedia. 2

2. Distribusi menjadi bagian dari nilai model

Nilai komersial model tidak hanya ditentukan skor benchmark. Pengembang juga mempertimbangkan akses API, pilihan deployment, performa multibahasa, dukungan perangkat keras, alat integrasi, serta kemampuan melakukan fine-tuning atau menjalankan model sendiri. Alibaba menggabungkan sejumlah jalur tersebut melalui keluarga Qwen dan Model Studio. 11722

3. Alternatif yang murah dan fleksibel menjadi lebih masuk akal

Jika sebuah model sudah cukup baik untuk asisten pemrograman, penerjemahan, pencarian berbasis dokumen, layanan pelanggan, atau copilot internal, perusahaan mungkin tidak membutuhkan skor tertinggi di setiap evaluasi frontier. Bobot terbuka, arsitektur MoE yang efisien, dan ketersediaan cloud dapat menurunkan hambatan adopsi meskipun model tidak mendominasi seluruh pasar.

Hal ini menekan penyedia model proprietari yang mahal untuk membuktikan nilai melalui reliabilitas, keamanan, penggunaan alat, penanganan konteks panjang, kendali perusahaan, dan kualitas layanan—bukan sekadar menyebut produknya sebagai model “frontier”. Laporan kontemporer juga menggambarkan model-model China sebagai semakin mendekati kesenjangan kemampuan dengan pesaing Amerika, sambil bersaing agresif dalam hal biaya dan akses. 47

Dampak yang paling mungkin adalah segmentasi pasar, bukan penggantian seketika. Sebagian organisasi akan tetap membayar model tertutup terkuat, sedangkan organisasi lain dapat memilih model China yang di-hosting atau alternatif berbobot terbuka karena menawarkan kombinasi performa, kendali, lokalisasi, dan biaya operasional yang lebih sesuai.

Bagaimana dengan “Ox Alpha”?

Bukti yang tersedia tidak menetapkan bahwa model AI frontier China bernama Ox Alpha merupakan sistem yang telah dirilis dan terdokumentasi, serta dapat dibandingkan dengan DeepSeek-V3 atau Qwen2.5-Max. Karena itu, nama tersebut sebaiknya diperlakukan sebagai label yang belum terverifikasi atau spekulasi—bukan sebagai bukti dalam menilai kemampuan AI China.

Ketidakpastian itu tidak mengubah kesimpulan besarnya. Qwen2.5-Max penting karena bergabung dengan DeepSeek dan pengembang China lainnya dalam membuat perkembangan AI frontier semakin multipolar. Senjata kompetisinya bukan hanya model yang lebih besar, melainkan juga efisiensi MoE, bobot terbuka, jangkauan multibahasa, API cloud, portabilitas perangkat keras, dan kemampuan mengubah keluarga model menjadi ekosistem pengembang global.