Qwen2.5-Max zette de AI-race op scherp

Alibaba’s lancering van Qwen2.5-Max was belangrijk omdat het een hardnekkige aanname ter discussie stelde: dat de ontwikkeling van de krachtigste AI-modellen vrijwel volledig geconcentreerd was bij een kleine groep Amerikaanse laboratoria. Het model werd op 28 en 29 januari 2025 aangekondigd, kort nadat DeepSeek-V3 wereldwijd de aandacht had getrokken. Alibaba koppelde ambitieuze prestatieclaims aan distributie via Alibaba Cloud. 29

De lancering bewees niet dat Qwen2.5-Max op elk onderdeel beter was dan ieder concurrerend model. De blijvende betekenis lag vooral in de strategie. Alibaba liet zien dat een grote Chinese cloudleverancier snel een geloofwaardige near-frontier-model — een model dicht bij de internationale top — op de markt kon brengen en tegelijk een veel breder ecosysteem van downloadbare modellen, ontwikkelaarstools en beheerde API’s kon onderhouden.

Wat was Qwen2.5-Max?

Alibaba omschreef Qwen2.5-Max als een grootschalig Mixture-of-Experts-model (MoE), een type groot taalmodel. Bij een MoE-architectuur worden verschillende ‘experts’ voor verschillende invoer geselecteerd. Daardoor kan een model een grote totale capaciteit hebben zonder voor elk token alle onderdelen tegelijk te activeren. Dat kan de verhouding tussen rekenkosten en modelcapaciteit verbeteren. De publieke lanceringsinformatie bevatte echter onvoldoende details om het precieze totale of actieve aantal parameters onafhankelijk vast te stellen. 9

Volgens Alibaba was het model vooraf getraind op meer dan 20 biljoen tokens. Daarna volgden post-trainingstappen met geselecteerde supervised fine-tuning (SFT) en reinforcement learning from human feedback (RLHF). SFT leert een model beter reageren op voorbeeldinstructies; RLHF gebruikt menselijke voorkeuren om antwoorden verder te sturen op bruikbaarheid en gewenst gedrag. 259

Qwen2.5-Max moet niet worden verward met de downloadbare Qwen2.5-modellen. Die bredere familie omvatte basis- en instructiemodellen van 0,5 miljard tot 72 miljard parameters, plus gequantiseerde varianten die beschikbaar waren via onder meer Hugging Face, ModelScope en Kaggle. 132

Max was daarentegen vooral gepositioneerd als een gehost vlaggenschip. Het model werd niet uitgebracht als een publiek downloadbaar checkpoint; hedendaagse analyses wezen Alibaba Cloud Model Studio aan als de belangrijkste toegangspoort. 13

Een hosted model naast open gewichten

Dat verschil maakte Alibaba’s tweesporenstrategie zichtbaar:

• Gehoste high-endmodellen: Alibaba hield controle over de meest geavanceerde systemen via Model Studio en aanverwante Qwen-interfaces.
• Open modellen: ontwikkelaars konden andere Qwen-varianten downloaden, aanpassen, quantiseren en zelf uitrollen via openbare repositories.

Het technische rapport over Qwen2.5 beschreef meer dan honderd modellen en varianten die toegankelijk waren via onder andere Hugging Face, ModelScope en Kaggle. Het noemde ook gehoste Qwen2.5-MoE-varianten die via Alibaba Cloud Model Studio beschikbaar waren. 132

Voor ontwikkelaars ontstond zo een praktische keuze tussen gemak en controle. Een beheerde API bespaart werk aan infrastructuur en onderhoud. Open gewichten geven juist meer zeggenschap over implementatie, maatwerk en de locatie van data. Alibaba kon met open releases de ontwikkelaarsbasis laten groeien en Model Studio tegelijk inzetten om gebruik om te zetten in cloudomzet.

Wat claimde Alibaba op benchmarks?

Alibaba stelde dat Qwen2.5-Max op veel van zijn eigen evaluaties ongeveer op het niveau van Claude 3.5 Sonnet lag en GPT-4o, DeepSeek-V3 en Llama 3.1 405B overtrof. Het bedrijf wees onder meer op MMLU-Pro, GPQA-Diamond, LiveCodeBench, LiveBench en Arena-Hard. Die tests kijken respectievelijk naar kennis, moeilijke redeneertaken, programmeren, algemene vaardigheden en voorkeurachtige beoordelingen. 29

Die claims moeten voorzichtig worden geïnterpreteerd. Resultaten uit een evaluatie van de modelontwikkelaar laten zien wat het bedrijf onder specifieke omstandigheden heeft gemeten, maar bewijzen geen universele superioriteit in de praktijk. Benchmarkversies, prompts, modelinstellingen en mogelijke vervuiling van trainingsdata kunnen vergelijkingen beïnvloeden. Ook onafhankelijke berichtgeving adviseerde om de claims met de nodige terughoudendheid te bekijken. 254

Een onafhankelijker signaal kwam van de door gebruikers samengestelde Chatbot Arena-ranglijst, zoals die begin februari 2025 werd gemeld. Qwen2.5-Max kreeg een score van 1332 en stond daarmee zevende in het algemene klassement. Volgens de toenmalige rapportage stond het model eerste in de categorieën wiskunde en programmeren en tweede bij moeilijke prompts. 1012

Dat resultaat ondersteunde de conclusie dat Qwen2.5-Max een serieuze near-frontier-concurrent was. Het bewees niet dat het model voor elke taak de beste keuze was. Chatbot Arena zegt bijvoorbeeld weinig over betrouwbaarheid, veiligheid, toolgebruik, vertraging, databeheer of ondersteuning voor zakelijke klanten.

Een genuanceerde vergelijking met GPT-4o, Claude en DeepSeek

De meest verdedigbare conclusie is daarom smaller dan Alibaba’s marketingboodschap:

• Tegenover GPT-4o rapporteerde Alibaba brede benchmarkvoordelen, maar die moeten aan Alibaba worden toegeschreven en gekoppeld blijven aan de specifieke tests. 29
• Tegenover Claude 3.5 Sonnet presenteerde Alibaba Qwen2.5-Max als grotendeels vergelijkbaar, niet als een model dat op elk terrein overtuigend voorlag. 29
• Tegenover DeepSeek-V3 was de lancering vooral strategisch belangrijk. Alibaba liet zien dat het snel kon reageren op een nieuwe Chinese concurrent met een model waarvan het bedrijf beweerde dat het op verschillende evaluaties beter presteerde. 25

De vraag verschoof daardoor van ‘Kan een Chinees model concurreren?’ naar ‘Welk model past het best bij deze toepassing, dit implementatiemodel, deze taal en dit budget?’

De band met de eerdere Qwen2.5-serie

Qwen2.5-Max maakte deel uit van dezelfde generatie als Qwen2.5, maar had een andere rol binnen het portfolio. De eerdere serie bood een brede reeks open beschikbare modellen: van lichte varianten voor experimenten tot het 72 miljard parameters tellende vlaggenschip. 132

Max voegde daar een hoogwaardige, gehoste optie aan toe. Alibaba kon zo zijn ambities aan de internationale modeltop tonen zonder de gewichten, de volledige architectuur en alle trainingsartefacten van het vlaggenschip vrij te geven. Het ging dus niet om een simpele keuze tussen open source en gesloten software. Het was een portfolio-aanpak: open modellen trokken ontwikkelaars aan, terwijl gehoste modellen commerciële distributie via de cloud mogelijk maakten.

Het Qwen-ecosysteem richtte zich bovendien sterk op meertaligheid en programmeren. Chinees en Engels kregen bijzondere aandacht, naast talen als Spaans, Frans en Japans. 40 Voor bedrijven die in meerdere Aziatische en internationale markten actief zijn, kan die taalbreedte minstens zo relevant zijn als een klein verschil op een Engelstalige benchmark.

Qwen3 maakte de strategie nog duidelijker

Alibaba zette in april 2025 een volgende grote stap met Qwen3, een open-weightfamilie. De eerste release omvatte zes dense modellen van 0,6 miljard tot 32 miljard parameters en twee MoE-modellen. Daaronder viel een model met 235 miljard totale parameters, waarvan er 22 miljard actief waren. Alibaba stelde de modellen wereldwijd beschikbaar via kanalen als Hugging Face, GitHub en ModelScope. 171831

Qwen3 maakte de logica achter het portfolio duidelijker. Alibaba kon premium- of gespecialiseerde mogelijkheden via beheerde diensten aanbieden en tegelijk een groot aantal modellen vrijgeven die ontwikkelaars zelf konden draaien en aanpassen. Model Studio vormde de cloudtegenhanger van dat open ecosysteem: een route van experiment naar beheerde implementatie. 1718

Het ecosysteem draaide bovendien niet alleen om modelgewichten. Alibaba beschreef later gequantiseerde Qwen3-varianten voor Apple-hardware, ondersteuning voor grotere Qwen3-modellen op AMD Instinct MI300X-gpu’s en lichte varianten voor mobiele apparaten met Arm-processors. 22

Dat is relevant omdat de modelrace niet uitsluitend wordt beslist door de omvang van de pretraining. Ook telt mee hoe gemakkelijk een model draait op verschillende clouds, versnellers, laptops en apparaten aan de rand van het netwerk.

Waarom Qwen2.5-Max de concurrentie verscherpte

Qwen2.5-Max verhoogde de druk op de markt op drie manieren.

1. De Chinese concurrentie bleek breder dan één doorbraak

DeepSeek-V3 had al twijfel gezaaid over aannames rond China’s vermogen om zeer capabele AI-modellen te bouwen. Alibaba’s reactie liet zien dat DeepSeek niet de enige Chinese ontwikkelaar was die een poging aan de internationale top kon doen. Een grote cloudspeler met een bestaande modelserie kon snel reageren, sterke resultaten publiceren en het model via een bestaand platform distribueren. 2

2. Distributie werd onderdeel van modelkwaliteit

De commerciële waarde van een model hangt van meer af dan benchmarks. Ontwikkelaars kijken ook naar API-toegang, implementatiemogelijkheden, meertalige prestaties, hardwareondersteuning, integratietools en de mogelijkheid om een model zelf te fine-tunen of te hosten. Alibaba combineerde meerdere van die kanalen binnen Qwen en Model Studio. 11722

3. Goedkopere en flexibelere alternatieven werden aantrekkelijker

Een model dat goed genoeg is voor programmeerassistenten, vertaling, zoek- en kennissystemen, klantenservice of interne copilots hoeft niet op elke frontier-evaluatie de hoogste score te behalen. Open gewichten, efficiënte MoE-architecturen en cloudbeschikbaarheid kunnen de drempel voor gebruik verlagen, ook wanneer een model de markt niet overtuigend domineert.

Dat zet dure aanbieders van gesloten modellen onder druk. Zij moeten hun prijs rechtvaardigen met aantoonbare voordelen in betrouwbaarheid, veiligheid, toolgebruik, contextverwerking, zakelijke controles en servicekwaliteit — niet alleen met de claim dat hun model ‘frontier’ is. Hedendaagse berichtgeving beschreef Chinese modellen eveneens als systemen die de capaciteitskloof verkleinen en tegelijk sterk op kosten en toegankelijkheid concurreren. 47

Het waarschijnlijke resultaat was geen onmiddellijke vervanging van Amerikaanse modellen, maar verdere marktsegmentatie. Sommige organisaties blijven betalen voor de krachtigste gesloten modellen. Andere kiezen voor gehoste Chinese modellen of open gewichten omdat die een betere combinatie bieden van prestaties, controle, lokalisatie en operationele kosten.

En hoe zit het met ‘Ox Alpha’?

De beschikbare bronnen leveren geen betrouwbare bevestiging dat een Chinees frontiermodel met de naam Ox Alpha een gedocumenteerd en uitgebracht systeem was dat vergelijkbaar is met DeepSeek-V3 of Qwen2.5-Max. De naam moet daarom worden beschouwd als onbevestigd of speculatief, niet als bewijs in een beoordeling van China’s AI-capaciteiten.

Die onzekerheid verandert de bredere conclusie niet. Qwen2.5-Max was belangrijk omdat het, samen met DeepSeek en andere Chinese ontwikkelaars, bijdroeg aan een meerlagige en multipolaire AI-top. De concurrentiewapens waren niet alleen grotere modellen, maar ook efficiënte MoE-architecturen, open gewichten, meertalige mogelijkheden, cloud-API’s, brede hardwareondersteuning en het vermogen om van een modelserie een wereldwijd ontwikkelaarsecosysteem te maken.