Qwen2.5-Max: perché il modello di Alibaba ha alzato la posta nella corsa all’IA

Il lancio di Qwen2.5-Max è stato importante non tanto perché abbia dimostrato di superare senza eccezioni ogni modello concorrente, quanto perché ha messo in discussione una convinzione allora molto diffusa: che lo sviluppo dei sistemi di IA più avanzati fosse concentrato in pochi laboratori statunitensi.

Presentato da Alibaba tra il 28 e il 29 gennaio 2025, poco dopo l’attenzione internazionale suscitata da DeepSeek-V3, Qwen2.5-Max ha unito ambiziose dichiarazioni sulle prestazioni alla distribuzione tramite Alibaba Cloud. 29 Il risultato è stato un modello cinese vicino alla frontiera tecnologica, sostenuto da un’infrastruttura cloud già pronta per sviluppatori e aziende.

Che cos’era Qwen2.5-Max

Alibaba ha descritto Qwen2.5-Max come un grande modello linguistico basato su un’architettura Mixture of Experts (MoE). In un sistema MoE, reti “esperte” diverse vengono attivate in base al tipo di richiesta. In questo modo il modello può mantenere una capacità complessiva elevata senza utilizzare tutti i suoi componenti per ogni token, migliorando potenzialmente il rapporto tra capacità e costi di calcolo.

I materiali pubblici del lancio, tuttavia, non fornivano informazioni sufficienti per stabilire con precisione il numero totale dei parametri o quanti ne venissero attivati per ogni richiesta. 9

Secondo Alibaba, il modello era stato preaddestrato su oltre 20 trilioni di token e successivamente sottoposto a:

• supervised fine-tuning (SFT), cioè un adattamento supervisionato su esempi selezionati;
• reinforcement learning from human feedback (RLHF), una fase di ottimizzazione basata sulle preferenze umane.

Queste tecniche servono a migliorare la capacità di seguire le istruzioni, la qualità delle risposte e l’allineamento del modello dopo il preaddestramento iniziale. 259

È importante non confondere Qwen2.5-Max con i checkpoint scaricabili della più ampia famiglia Qwen2.5. Quest’ultima comprendeva modelli base e modelli addestrati per seguire istruzioni, con dimensioni da 0,5 a 72 miliardi di parametri, oltre a versioni quantizzate distribuite tramite Hugging Face, ModelScope e Kaggle. 132

Qwen2.5-Max, invece, era stato posizionato come un modello di punta ospitato su cloud, non come un checkpoint open-weight da scaricare. Le analisi disponibili all’epoca indicavano Alibaba Cloud Model Studio come principale canale di accesso. 13

Un modello chiuso dentro un ecosistema più aperto

Questa differenza rifletteva una strategia a due binari:

• modelli di fascia alta ospitati: Alibaba manteneva il controllo sull’accesso ai sistemi più avanzati attraverso Model Studio e le interfacce Qwen;
• modelli open-weight: gli sviluppatori potevano scaricare, modificare, quantizzare e distribuire altri componenti della famiglia Qwen.

Il rapporto tecnico di Qwen2.5 documentava oltre 100 modelli e varianti disponibili attraverso repository come Hugging Face, ModelScope e Kaggle. Il documento citava inoltre varianti MoE ospitate su Alibaba Cloud Model Studio. 132

Per chi sviluppa applicazioni, la scelta era concreta: un’API gestita riduce il lavoro necessario per infrastruttura, aggiornamenti e manutenzione; i pesi aperti offrono invece maggiore controllo sul deployment, sulla personalizzazione e sulla posizione dei dati.

Alibaba poteva così usare i modelli aperti per attirare sviluppatori e costruire adozione, mentre Model Studio trasformava l’utilizzo dei modelli in domanda per i servizi cloud.

Le prestazioni dichiarate da Alibaba

Alibaba sosteneva che Qwen2.5-Max fosse ampiamente comparabile a Claude 3.5 Sonnet e superasse GPT-4o, DeepSeek-V3 e Llama 3.1 405B in molte delle valutazioni pubblicate dall’azienda. 29

Tra i test indicati figuravano:

• MMLU-Pro, per conoscenze e ragionamento su problemi di livello universitario;
• GPQA-Diamond, per domande scientifiche particolarmente difficili;
• LiveCodeBench, per la programmazione;
• LiveBench, per una valutazione generale delle capacità;
• Arena-Hard, progettato per approssimare le preferenze umane.

Questi risultati vanno però interpretati con cautela. Una valutazione pubblicata dallo stesso sviluppatore è una prova di ciò che l’azienda ha misurato in determinate condizioni, non una dimostrazione di superiorità universale nell’uso reale. Versione del benchmark, prompt, impostazioni del modello e possibile contaminazione dei dati possono influenzare il confronto. Anche le analisi dell’epoca invitavano a non prendere le dichiarazioni dei produttori come verdetto definitivo. 254

Un segnale più indipendente è arrivato dalla classifica collaborativa Chatbot Arena, riportata all’inizio di febbraio 2025. Qwen2.5-Max risultava a 1.332 punti, al settimo posto assoluto; secondo i resoconti, era primo nelle categorie matematica e programmazione e secondo nei test dedicati agli “hard prompts”. 1012

Il risultato sosteneva l’idea che Qwen2.5-Max fosse un concorrente serio vicino alla frontiera. Non dimostrava però che fosse il modello migliore per ogni attività, né misurava tutti gli aspetti decisivi in produzione: affidabilità, sicurezza, uso degli strumenti, latenza, governance dei dati e assistenza alle imprese.

Il confronto con GPT-4o, Claude e DeepSeek

La conclusione più solida è quindi più circoscritta rispetto al messaggio promozionale di Alibaba:

• rispetto a GPT-4o, Alibaba riportava vantaggi su numerosi benchmark, ma tali risultati vanno attribuiti all’azienda e collegati ai test specifici. 29
• rispetto a Claude 3.5 Sonnet, Qwen2.5-Max veniva presentato come ampiamente comparabile, non come vincitore assoluto in ogni ambito. 29
• rispetto a DeepSeek-V3, il lancio era particolarmente significativo perché mostrava come Alibaba potesse rispondere rapidamente a un concorrente cinese diventato improvvisamente molto visibile, dichiarando risultati superiori in diverse valutazioni. 25

In altre parole, la domanda iniziava a spostarsi da “Un modello cinese può competere?” a “Quale modello è più adatto a questo carico di lavoro, a questa modalità di deployment, a questa lingua e a questo budget?”.

Il rapporto con la precedente famiglia Qwen2.5

Qwen2.5-Max apparteneva alla generazione Qwen2.5, ma occupava una posizione diversa nel portafoglio. La serie precedente puntava su un’ampia gamma di modelli open-weight, dai sistemi leggeri per la sperimentazione fino al modello di punta da 72 miliardi di parametri. 132

Max aggiungeva un’opzione ospitata di fascia alta. Alibaba poteva così dimostrare ambizioni da modello frontier senza rendere pubblici i pesi, l’architettura esatta e tutti gli artefatti di addestramento del prodotto di punta.

Non si trattava quindi di una semplice contrapposizione tra open source e modelli chiusi. Era una strategia di portafoglio: l’apertura attirava sviluppatori, fork, personalizzazioni e integrazioni; i modelli gestiti sostenevano distribuzione commerciale e ricavi cloud.

L’ecosistema Qwen puntava inoltre su casi d’uso multilingue e sulla programmazione, con particolare attenzione a cinese e inglese e supporto anche per lingue come spagnolo, francese e giapponese. 40 Per aziende attive su più mercati, questa copertura può contare quanto una piccola differenza in un benchmark basato esclusivamente sull’inglese.

Qwen3 ha reso più evidente la strategia

Il passo successivo è stato Qwen3, lanciato nell’aprile 2025 come famiglia open-weight. La versione iniziale comprendeva sei modelli densi, da 0,6 a 32 miliardi di parametri, e due modelli MoE, tra cui uno da 235 miliardi di parametri complessivi con 22 miliardi attivi. Alibaba li ha resi disponibili globalmente attraverso canali come Hugging Face, GitHub e ModelScope. 171831

Qwen3 ha reso più chiara la logica dell’intero portafoglio: Alibaba poteva mantenere alcune capacità premium o specializzate nei servizi gestiti e, al tempo stesso, distribuire una vasta gamma di modelli che gli sviluppatori potevano eseguire e adattare autonomamente.

Model Studio diventava il contraltare cloud dell’ecosistema aperto, offrendo alle aziende un percorso dalla sperimentazione al deployment gestito. 1718

L’espansione non riguardava soltanto i pesi dei modelli. Alibaba ha in seguito descritto varianti quantizzate di Qwen3 per l’hardware Apple, il supporto ai modelli più grandi su GPU AMD Instinct MI300X e versioni leggere progettate per dispositivi mobili basati su Arm. 22

Queste integrazioni sono rilevanti perché la competizione tra modelli non si decide soltanto sulla scala del preaddestramento. Conta anche quanto facilmente un sistema possa funzionare su cloud diversi, acceleratori, computer personali e dispositivi edge.

Perché Qwen2.5-Max ha intensificato la corsa ai modelli frontier

Il lancio ha aumentato la pressione competitiva in almeno tre modi.

1. Ha mostrato che la competizione cinese era più ampia di un singolo caso

DeepSeek-V3 aveva già messo in discussione alcune convinzioni sulla capacità della Cina di produrre modelli molto avanzati. La risposta di Alibaba ha mostrato che DeepSeek non era l’unico sviluppatore cinese in grado di tentare un salto verso la frontiera.

Un grande operatore cloud, con una famiglia di modelli già affermata, poteva muoversi rapidamente, pubblicare risultati ambiziosi e distribuire il prodotto attraverso una piattaforma esistente. 2

2. Ha trasformato la distribuzione in una parte della qualità del modello

Il valore commerciale di un modello non dipende soltanto dal punteggio ottenuto nei benchmark. Gli sviluppatori considerano anche accesso alle API, opzioni di deployment, prestazioni multilingue, supporto hardware, strumenti di integrazione e possibilità di fine-tuning o self-hosting.

Alibaba ha riunito molti di questi canali nella famiglia Qwen e in Model Studio. 11722

3. Ha rafforzato l’attrattiva di alternative più economiche e flessibili

Se un modello è abbastanza efficace per assistenti di programmazione, traduzione, ricerca documentale, customer care o copiloti interni, l’acquirente potrebbe non aver bisogno del punteggio più alto in ogni valutazione frontier.

Pesi aperti, architetture MoE efficienti e disponibilità via cloud possono abbassare le barriere all’adozione anche quando un modello non domina chiaramente il mercato.

Questo mette sotto pressione i fornitori proprietari più costosi, che devono giustificare i prezzi con vantaggi misurabili in affidabilità, sicurezza, uso degli strumenti, gestione del contesto, controlli aziendali e qualità del servizio, non soltanto con l’etichetta di modello “frontier”. Le analisi contemporanee descrivevano i modelli cinesi come sempre più vicini ai concorrenti occidentali e aggressivi sul fronte di costi e accessibilità. 47

L’esito più probabile non era la sostituzione immediata dei modelli occidentali, ma una maggiore segmentazione del mercato. Alcune organizzazioni avrebbero continuato a pagare per i sistemi proprietari più potenti; altre avrebbero scelto modelli cinesi ospitati o alternative open-weight, giudicandole più convenienti in termini di prestazioni, controllo, localizzazione e costi operativi.

Che cosa sappiamo di “Ox Alpha”

Le evidenze disponibili non dimostrano che Ox Alpha fosse un modello cinese frontier documentato e rilasciato, comparabile a DeepSeek-V3 o Qwen2.5-Max. Il nome va quindi considerato non verificato o speculativo, non come prova delle capacità dell’IA cinese.

Questa incertezza non cambia la conclusione generale. Qwen2.5-Max è stato importante perché, insieme a DeepSeek e ad altri sviluppatori cinesi, ha contribuito a rendere la frontiera dell’IA più multipolare.

Le armi competitive non erano soltanto modelli più grandi: comprendevano l’efficienza delle architetture MoE, i pesi aperti, la portata multilingue, le API cloud, la portabilità hardware e la capacità di trasformare una famiglia di modelli in un ecosistema globale per sviluppatori.