Qwen2.5-Max: jak Alibaba podniosła poprzeczkę w globalnym wyścigu AI

Premiera Qwen2.5-Max przez Alibaba Cloud w styczniu 2025 roku miała znaczenie większe niż pojedynczy wynik benchmarku. Pokazała, że duży chiński dostawca usług chmurowych może połączyć model o możliwościach zbliżonych do światowej czołówki z natychmiastową dystrybucją przez API, a następnie wesprzeć go szerokim ekosystemem modeli z otwartymi wagami.

To zwiększyło presję na cały rynek AI. Zachodni dostawcy nie mogli już opierać przewagi wyłącznie na wynikach jakościowych, a chińscy twórcy modeli zaczęli rywalizować nie tylko wydajnością, lecz także ceną, otwartością, elastycznością wdrożeń i dostępem do klientów biznesowych.

Czym był Qwen2.5-Max?

Alibaba opisywała Qwen2.5-Max jako wielkoskalowy model językowy wykorzystujący architekturę mixture of experts (MoE). Model został wstępnie wytrenowany na ponad 20 bilionach tokenów, a następnie poddany dostrajaniu z użyciem starannie dobranych danych nadzorowanych (SFT) oraz uczenia ze wzmocnieniem na podstawie informacji zwrotnej od ludzi (RLHF). 9

W architekturze MoE działa wiele wyspecjalizowanych sieci, ale przy konkretnym zapytaniu aktywowana jest tylko ich część. Pozwala to zwiększać całkowitą pojemność modelu bez uruchamiania wszystkich jego elementów przy każdej odpowiedzi. Alibaba nie ujawniła jednak w komunikacie premierowym wystarczających szczegółów, by niezależnie potwierdzić całkowitą liczbę parametrów Qwen2.5-Max ani liczbę parametrów aktywnych podczas obsługi zapytania. 9

Qwen2.5-Max był powiązany z rodziną Qwen2.5, ale nie był tym samym co dostępne do pobrania modele tej serii. Wcześniejsza rodzina obejmowała modele bazowe i dostrojone do wykonywania instrukcji, od 0,5 do 72 miliardów parametrów, a także wersje skwantyzowane dostępne między innymi w repozytoriach Hugging Face, ModelScope i Kaggle. 132

Sam Qwen2.5-Max początkowo oferowano przede wszystkim jako model hostowany, a nie jako pliki wag do samodzielnego pobrania. Wczesny dostęp był związany z usługą Alibaba Cloud Model Studio oraz interfejsami czatowymi opartymi na Qwen. 13

Co twierdziła Alibaba, a co rzeczywiście wynika z danych?

Alibaba twierdziła, że Qwen2.5-Max osiągał wyniki mniej więcej porównywalne z Claude 3.5 Sonnet w kilku testach oraz przewyższał GPT-4o, DeepSeek-V3 i Llama 3.1 405B „niemal we wszystkich obszarach”. Były to deklaracje producenta, a nie dowód na uniwersalną przewagę modelu w zastosowaniach produkcyjnych. 29

Firma wskazywała między innymi na następujące testy:

• MMLU-Pro — trudne pytania z wiedzy i rozumowania,
• GPQA-Diamond — wymagające pytania na poziomie eksperckim,
• LiveCodeBench — zadania programistyczne,
• LiveBench — szersza ocena możliwości modelu,
• Arena-Hard — przybliżenie ludzkich preferencji. 912

Taki zestaw benchmarków pozwalał pozycjonować Qwen2.5-Max jako model ogólnego przeznaczenia: do programowania, matematyki, pracy z wiedzą i budowy asystentów dla firm. Wyniki benchmarków zależą jednak od promptów, wersji modeli, metodologii testu oraz ewentualnego dostępu do narzędzi i dodatkowych instrukcji systemowych. Należy je traktować jako dowód konkurencyjności w konkretnych zadaniach, a nie kompletny ranking niezawodności, bezpieczeństwa, opóźnień czy przydatności biznesowej.

Jak Qwen2.5-Max wypadł w Chatbot Arena?

Według raportów z początku lutego 2025 roku Qwen2.5-Max zajął siódme miejsce w ogólnym rankingu Chatbot Arena z wynikiem 1332 punktów. W tych samych zestawieniach model zajmował pierwsze miejsce w kategoriach matematyki i programowania oraz drugie miejsce w kategorii trudnych promptów. 1012

Był to istotny sygnał niezależny od wewnętrznych testów Alibaba, ponieważ Chatbot Arena porównuje odpowiedzi modeli w ocenach dokonywanych przez użytkowników. Ranking pozostaje jednak zmienny i wrażliwy na dobór promptów. Wysoka pozycja w Chatbot Arena nie mierzy sama w sobie dokładności faktograficznej, bezpieczeństwa, obsługi narzędzi, długoterminowego działania agentów ani wymagań operacyjnych przedsiębiorstwa.

Najostrożniejszy wniosek brzmi więc: Qwen2.5-Max był wiarygodnym konkurentem bliskim światowej czołówki, a jego wyniki podważyły założenie, że między najlepszymi systemami chińskimi i zachodnimi istnieje trwała, duża przepaść. Mocniejsze twierdzenia o przewadze nad GPT-4o, Claude 3.5 Sonnet czy DeepSeek-V3 należy przypisywać Alibaba i wiązać z konkretnymi benchmarkami. 29

Większe znaczenie miało całe środowisko Qwen

Strategiczna wartość Qwen2.5-Max wynikała częściowo z modeli, które go otaczały. Raport techniczny Qwen2.5 opisywał ponad 100 modeli i wariantów dostępnych za pośrednictwem publicznych repozytoriów. Rodzina łączyła modele z otwartymi wagami z zamkniętymi, hostowanymi usługami. 1

Taka konstrukcja odpowiadała na potrzeby różnych grup:

• Deweloperzy mogli pobierać mniejsze modele, dostrajać je, kwantyzować i uruchamiać na własnej infrastrukturze.
• Firmy mogły korzystać z zarządzanych interfejsów API bez samodzielnego utrzymywania infrastruktury modelowej.
• Alibaba Cloud mogła zamieniać rosnące zainteresowanie modelami na zużycie usług chmurowych za pośrednictwem Model Studio.
• Partnerzy sprzętowi i programistyczni mogli wspierać wdrożenia w większej liczbie środowisk niż w przypadku pojedynczego, zamkniętego API.

Nie była to więc prosta strategia „otwarte albo zamknięte”. Alibaba utrzymywała wysokiej klasy flagowy model w ramach dostępu hostowanego, a jednocześnie wykorzystywała otwarte modele do budowania znajomości marki wśród deweloperów, integracji i popularności wdrożeń lokalnych.

Qwen3 rozszerzył ten model biznesowy

Kolejnym dużym krokiem był Qwen3, zaprezentowany w kwietniu 2025 roku jako rodzina modeli z otwartymi wagami. Premiera obejmowała sześć modeli gęstych o rozmiarach od 0,6 do 32 miliardów parametrów oraz dwa modele MoE: wariant z 30 miliardami parametrów ogółem i 3 miliardami aktywnych parametrów, a także wariant z 235 miliardami parametrów ogółem i 22 miliardami aktywnych parametrów. 1718

Modele Qwen3 udostępniono globalnie między innymi przez Hugging Face, GitHub i ModelScope. Można było je również testować w serwisie chat.qwen.ai, a dostęp API zapowiedziano za pośrednictwem platformy modelowej Alibaba. 1718

Ta ewolucja wyraźniej pokazała logikę biznesową Alibaba. Firma mogła oferować usługi hostowane klientom oczekującym zarządzanego dostępu premium, a jednocześnie publikować szeroką gamę otwartych wag, zachęcając do lokalnych wdrożeń, dostrajania modeli i tworzenia aplikacji przez podmioty trzecie. Model Studio pełniło funkcję komercyjnego pomostu między tymi dwiema częściami portfolio.

Alibaba promowała później także obsługę Qwen3 w różnych środowiskach sprzętowych, w tym skwantyzowane wdrożenia na urządzeniach Apple, wsparcie dla układów AMD Instinct oraz mniejsze modele przeznaczone dla urządzeń mobilnych z procesorami Arm. 22 Dzięki temu ekosystem stawał się mniej zależny od jednego dostawcy chmury lub jednego typu akceleratorów.

Dlaczego premiera zaostrzyła rywalizację o czołówkę?

Qwen2.5-Max pojawił się niedługo po tym, jak międzynarodową uwagę przyciągnął DeepSeek-V3. Termin premiery sprawił, że wydarzenie wyglądało nie jak odosobniony sukces chińskiej firmy, lecz jak dowód szybkiego zagęszczania się konkurencji. Alibaba, czyli duży dostawca chmury z rozwiniętą rodziną modeli, była w stanie odpowiedzieć systemem przedstawianym jako porównywalny z najlepszymi modelami amerykańskimi. 2

Presja na twórców modeli z najwyższej półki rosła w czterech obszarach:

1. Wydajność: model zbliżający się do światowej czołówki w programowaniu, matematyce i wiedzy ogólnej może obsługiwać realne zadania, nawet jeśli nie wygrywa każdego benchmarku.
2. Koszt i efektywność: architektury MoE oraz agresywne strategie infrastrukturalne mogą obniżać koszt udostępniania modeli o wysokich możliwościach.
3. Dostęp: API upraszcza wdrożenie, a otwarte wagi umożliwiają samodzielne hostowanie i dostosowanie modelu.
4. Dystrybucja: platforma chmurowa może włączyć model bezpośrednio w procesy tworzenia aplikacji, wdrażania i rozliczania usług dla przedsiębiorstw.

Dla zachodnich dostawców, takich jak Anthropic i OpenAI, oznaczało to wyższe wymagania dotyczące wyróżnienia produktu. Model premium musi uzasadniać cenę trwałą przewagą w możliwościach, bezpieczeństwie, niezawodności, obsłudze narzędzi, pracy z długim kontekstem, zarządzaniu lub wsparciu dla firm — nie tylko dobrym wynikiem w jednym nagłówkowym benchmarku.

Najbardziej prawdopodobnym skutkiem była segmentacja rynku, a nie natychmiastowe wyparcie modeli zachodnich. Organizacje o najbardziej wymagających potrzebach mogły nadal płacić za zamknięte systemy z najwyższej półki. Jednocześnie wdrożenia wrażliwe na koszty, wymagające dużej personalizacji lub kontroli nad miejscem przetwarzania danych zyskiwały bardziej wiarygodne alternatywy chińskie i oparte na otwartych wagach.

Wielojęzyczność i globalne wdrożenia

Wielojęzyczne nastawienie całej rodziny Qwen było kolejnym atutem konkurencyjnym. Materiały Alibaba dotyczące Qwen2.5 opisywały szeroki ekosystem modeli przeznaczonych do pracy z językiem i kodem, a późniejsze materiały dotyczące Qwen3 wskazywały na obsługę 119 języków i dialektów. 118

Dla międzynarodowych firm zakres językowy może być równie ważny jak benchmark przeprowadzony po angielsku. Wpływa na lokalizację produktów, obsługę klienta, tłumaczenia, wewnętrzne bazy wiedzy i wdrożenia w poszczególnych regionach. Praktyczna przewaga zależy oczywiście od jakości w konkretnym języku i wymagań danej organizacji, ale szeroka strategia językowa daje Alibaba więcej sposobów konkurowania poza rynkiem zdominowanym przez modele projektowane przede wszystkim z myślą o angielskim.

Co z „Ox Alpha”?

W dostarczonych materiałach brakuje wystarczająco wiarygodnych dowodów, że chiński model AI o nazwie Ox Alpha był udokumentowanym i publicznie wydanym systemem porównywalnym z DeepSeek-V3 lub Qwen2.5-Max. Należy więc traktować tę nazwę jako niezweryfikowane określenie lub spekulację, a nie jako dowód możliwości chińskiej branży AI.

Nie zmienia to szerszego wniosku. Qwen2.5-Max, modele DeepSeek i kolejne chińskie premiery pokazały, że rywalizacja o czołówkę AI staje się coraz bardziej wielobiegunowa. Otwarte wagi, wydajne architektury, hostowane API, obsługa wielu języków i dystrybucja przez chmurę stały się bronią konkurencyjną, a nie dodatkowymi funkcjami.

Trwałe znaczenie Qwen2.5-Max

Qwen2.5-Max nie dowiódł, że Alibaba na stałe wyprzedziła wszystkie zachodnie laboratoria AI. Jego najważniejszy wkład miał charakter strategiczny: pokazał, jak połączyć konkurencyjny model flagowy, dostęp chmurowy, rozwój modeli otwartych i globalną dystrybucję wśród deweloperów.

Zmieniło to pytanie, które powinni zadawać nabywcy rozwiązań AI. Nie chodzi już wyłącznie o to, który model wygrał jeden benchmark. Trzeba porównywać jednocześnie możliwości, cenę, otwartość, kontrolę nad wdrożeniem, obsługiwane języki, wsparcie sprzętowe i wymagania operacyjne przedsiębiorstwa.

W tym sensie Qwen2.5-Max zaostrzył wyścig o czołówkę nawet tam, gdzie poszczególne zwycięstwa w benchmarkach pozostawały dyskusyjne. Pomógł przesunąć rywalizację z pojedynku kilku zamkniętych laboratoriów w stronę szerszego rynku, na którym ekosystem modelu i otaczająca go infrastruktura są niemal równie ważne jak sam model.