Qwen2.5-Max: Slik skjerpet Alibaba den globale AI-konkurransen

Alibabas lansering av Qwen2.5-Max i januar 2025 handlet om mer enn plasseringen på en resultattavle. Den viste hvordan en stor kinesisk skyleverandør kunne kombinere en kraftig språkmodell med umiddelbar API-distribusjon – og samtidig styrke flaggskipet gjennom et bredt økosystem av modeller med åpne vekter.

Resultatet var et mer konkurransepreget AI-marked. Vestlige leverandører kunne ikke lenger lene seg på et ubestridt forsprang i ytelse, mens kinesiske utviklere konkurrerte på flere fronter samtidig: pris, åpenhet, fleksibel utrulling og rekkevidde mot næringslivet.

Hva var Qwen2.5-Max?

Alibaba beskrev Qwen2.5-Max som en storskala språkmodell basert på Mixture of Experts (MoE). Den ble forhåndstrent på mer enn 20 billioner tokens, og deretter videreutviklet med kuratert veiledet finjustering (SFT) og forsterkende læring fra menneskelig tilbakemelding (RLHF). 9

En MoE-modell består av flere ekspertnettverk og sender hvert input gjennom bare et utvalg av dem. På den måten kan modellen få høy samlet kapasitet uten at alle delene aktiveres for hver forespørsel. Alibaba offentliggjorde imidlertid ikke nok arkitektoniske detaljer ved lanseringen til at modellens totale antall parametre eller antall aktive parametre kan bekreftes uavhengig. 9

Qwen2.5-Max var beslektet med, men ikke identisk med, de nedlastbare Qwen2.5-modellene. Den bredere Qwen2.5-familien omfattet grunnmodeller og instruksjonsjusterte modeller fra 0,5 til 72 milliarder parametre, i tillegg til kvantiserte varianter tilgjengelig gjennom blant annet Hugging Face, ModelScope og Kaggle. 132

Qwen2.5-Max ble i utgangspunktet tilbudt som en vertsbasert tjeneste, ikke som en modell der vektene kunne lastes ned. Tidlig tilgang var knyttet til Alibaba Clouds Model Studio og Qwen-relaterte chattegrensesnitt. 13

Hva Alibaba hevdet – og hva dokumentasjonen faktisk viser

Alibaba sa at Qwen2.5-Max presterte omtrent på nivå med Claude 3.5 Sonnet i flere evalueringer, og at modellen slo GPT-4o, DeepSeek-V3 og Llama 3.1 405B «nesten over hele linjen». Dette var Alibabas egne påstander, ikke bevis på at modellen var best i all praktisk bruk. 29

Selskapet trakk særlig frem tester av ulike ferdigheter:

• MMLU-Pro for krevende kunnskaps- og resonneringsoppgaver
• GPQA-Diamond for vanskelige spørsmål på ekspertnivå
• LiveCodeBench for programmering
• LiveBench for bredere modellferdigheter
• Arena-Hard som en tilnærming til menneskelige preferanser 912

Denne kombinasjonen posisjonerte Qwen2.5-Max som en generell modell for programmering, matematikk, kunnskapsarbeid og bedriftsassistenter. Benchmarkresultater påvirkes likevel av formuleringer, modellversjoner, evalueringsmetoder og eventuelle forskjeller i verktøytilgang eller systeminstruksjoner. De bør derfor leses som dokumentasjon på konkurransedyktighet i bestemte tester – ikke som en fullstendig rangering av pålitelighet, sikkerhet, svartid eller egnethet for virksomheter.

Resultatene i Chatbot Arena

En rapportert Chatbot Arena-liste fra begynnelsen av februar 2025 plasserte Qwen2.5-Max som nummer sju totalt, med en poengsum på 1 332. Den samme rapporteringen plasserte modellen øverst i kategoriene matematikk og programmering, og som nummer to på krevende oppgaver. 1012

Dette var et viktig signal utenfra, fordi Chatbot Arena sammenligner modellsvar i brukerstyrte, anonymiserte tester. Samtidig er rangeringen bevegelig og følsom for hvilke spørsmål som stilles. En sterk plassering i Arena sier ikke alene noe fullstendig om faktanøyaktighet, sikkerhet, verktøybruk, langsiktig agentatferd eller de praktiske kravene i en bedriftsløsning.

Den mest forsvarlige konklusjonen er derfor mer avgrenset enn at «Qwen2.5-Max slo alle ledende modeller». Modellen var en troverdig utfordrer tett på fronten, og resultatene utfordret antakelsen om et stort og varig gap mellom de fremste kinesiske og vestlige systemene. Alibabas sterkeste sammenligninger bør fortsatt tilskrives selskapet og knyttes til de konkrete testene det viste til. 29

Det viktigste var Qwen-økosystemet

Den strategiske verdien i Qwen2.5-Max lå delvis i modellene rundt den. Alibabas tekniske rapport om Qwen2.5 beskrev mer enn 100 modeller og varianter som var tilgjengelige gjennom offentlige modellarkiver. Familien kombinerte modeller med åpne vekter og proprietære, vertsbaserte tjenester. 1

Kombinasjonen dekket flere behov:

• Utviklere kunne laste ned, finjustere, kvantisere og kjøre mindre åpne modeller selv.
• Bedrifter kunne bruke administrerte API-er uten å drifte modellinfrastruktur på egen hånd.
• Alibaba Cloud kunne omgjøre etterspørselen etter modeller til økt skybruk gjennom Model Studio.
• Maskinvare- og programvarepartnere kunne støtte utrulling i flere miljøer enn det én lukket API-tjeneste vanligvis tillater.

Dette var ikke en enkel strategi basert på enten åpenhet eller lukkethet. Alibaba beholdt et avansert flaggskip som en vertsbasert tjeneste, samtidig som åpne modeller ble brukt til å bygge kjennskap blant utviklere, integrasjoner og markedsposisjon innen lokal drift.

Qwen3 videreførte strategien

Alibabas neste store steg var Qwen3, som ble lansert i april 2025 som en familie med åpne vekter. Lanseringen omfattet seks tette modeller fra 0,6 til 32 milliarder parametre og to MoE-modeller: én med 30 milliarder parametre totalt og 3 milliarder aktive, samt én med 235 milliarder totalt og 22 milliarder aktive parametre. 1718

Qwen3-modellene ble gjort tilgjengelige globalt gjennom blant annet Hugging Face, GitHub og ModelScope. De kunne utforskes via chat.qwen.ai, mens API-tilgang var planlagt gjennom Alibabas modellplattform. 1718

Utviklingen tydeliggjorde Alibabas forretningsmodell. Selskapet kunne bruke vertsbaserte tjenester for premiumtilgang og administrert drift, samtidig som et bredt utvalg åpne vekter stimulerte til lokal utrulling, finjustering og tredjepartsapplikasjoner. Model Studio fungerte som den kommersielle broen mellom de to delene av porteføljen.

Alibaba fremhevet senere også støtte for Qwen3 i flere maskinvaremiljøer, blant annet kvantiserte utrullinger på Apple-enheter, støtte for AMD Instinct-GPU-er og mindre modeller utviklet for Arm-baserte mobilenheter. 22 Det gjorde økosystemet mindre avhengig av én skyleverandør eller én type akselerator.

Hvorfor lanseringen skjerpet konkurransen

Qwen2.5-Max kom kort tid etter at DeepSeek-V3 hadde fått stor internasjonal oppmerksomhet. Tidspunktet gjorde lanseringen til mer enn en isolert kinesisk prestasjon: Den ble et tegn på at konkurransefeltet var i ferd med å bli langt bredere. Alibaba, en etablert skyaktør med en moden modellfamilie, kunne svare med en modell selskapet presenterte som sammenlignbar med ledende amerikanske systemer. 2

Presset på utviklerne av de mest avanserte modellene kom fra fire retninger:

1. Ytelse: En modell som nærmer seg fronten innen programmering, matematikk og generell kunnskap, kan konkurrere om reelle arbeidsoppgaver selv om den ikke vinner hver benchmark.
2. Pris og effektivitet: MoE-arkitekturer og effektiv infrastruktur kan gjøre avanserte modeller billigere å drifte.
3. Tilgang: API-er senker terskelen for bruk, mens åpne vekter muliggjør egen drift og tilpasning.
4. Distribusjon: En skyplattform kan plassere modellen direkte i virksomhetenes utviklings-, drifts- og betalingsløsninger.

For vestlige leverandører som Anthropic og OpenAI økte dermed kravene til hva som faktisk skulle skille en premium-modell fra konkurrentene. Det holder ikke nødvendigvis med en sterk benchmark. Modellen må kunne forsvare prisen gjennom varige fordeler innen kapasitet, sikkerhet, pålitelighet, verktøybruk, lange kontekster, styring eller bedriftsstøtte.

Den mest sannsynlige virkningen var markedsdeling, ikke en umiddelbar utskifting av alle vestlige modeller. Organisasjoner med de høyeste kravene kunne fortsatt betale for proprietære frontmodeller, mens kostnadsfølsomme, tilpasningsintensive eller suverenitetsorienterte prosjekter fikk mer troverdige kinesiske og åpne alternativer.

Flerspråklighet og global bruk

Den bredere Qwen-familiens flerspråklige profil var også et konkurransefortrinn. Alibabas Qwen2.5-materiale beskrev et omfattende modelløkosystem for språk- og kodeoppgaver, mens senere Qwen3-materiale oppga støtte for 119 språk og dialekter. 118

For internasjonale virksomheter kan språkstøtte være like viktig som resultater på engelskspråklige tester. Det påvirker lokalisering, kundestøtte, oversettelse, interne kunnskapssystemer og regional utrulling. Den praktiske fordelen avhenger av kvaliteten i hvert enkelt språk og av virksomhetens behov, men en bred språkstrategi gir Alibaba flere muligheter utenfor et rent engelskspråklig marked.

Hva med «Ox Alpha»?

Det finnes ikke tilstrekkelig pålitelig dokumentasjon i materialet som er lagt til grunn, på at en kinesisk frontmodell kalt Ox Alpha var et dokumentert og lansert system på linje med DeepSeek-V3 eller Qwen2.5-Max. Navnet bør derfor behandles som ubekreftet eller spekulativt, ikke som bevis i en vurdering av Kinas AI-kapasitet.

Usikkerheten endrer ikke hovedbildet. Qwen2.5-Max, DeepSeek og senere kinesiske modellanseringer viste at konkurransen i fronten av AI-feltet ble stadig mer flersentrert. Åpne vekter, effektive arkitekturer, vertsbaserte API-er, flerspråklighet og sky-distribusjon var i ferd med å bli konkurransevåpen – ikke bare tilleggsfunksjoner.

Den varige betydningen av Qwen2.5-Max

Qwen2.5-Max beviste ikke at Alibaba permanent hadde passert alle vestlige AI-laboratorier. Det viktigste bidraget var strategisk: Lanseringen viste hvordan et selskap kunne kombinere et konkurransedyktig flaggskip, skytilgang, åpen modellutvikling og global distribusjon mot utviklere.

Det endret spørsmålet AI-kjøpere måtte stille. I stedet for bare å se på hvilken modell som toppet en benchmark, måtte de i økende grad vurdere kapasitet, pris, åpenhet, kontroll over utrullingen, språkstøtte, maskinvarekompatibilitet og drift samlet.

På den måten skjerpet Qwen2.5-Max kappløpet mot fronten, selv der de enkelte benchmark-seirene kunne diskuteres. Konkurransen beveget seg fra en duell mellom noen få lukkede laboratorier til et bredere marked der modelløkosystemet – og infrastrukturen rundt det – er nesten like viktig som selve modellen.