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

Premiera Qwen2.5-Max miała znaczenie nie dlatego, że jeden benchmark rozstrzygnął rywalizację między modelami AI. Istotniejsze było to, że Alibaba pokazała zdolność chińskiego dostawcy chmurowego do szybkiego wprowadzenia na rynek wiarygodnego modelu z pogranicza światowej czołówki — i jednoczesnego dystrybuowania go przez własną platformę. Model zapowiedziano 28–29 stycznia 2025 roku, niedługo po tym, jak globalną uwagę przyciągnął DeepSeek-V3. 29

Qwen2.5-Max nie dowiódł, że uniwersalnie przewyższa każdy konkurencyjny system. Jego trwalsze znaczenie było strategiczne: Alibaba połączyła wysokiej klasy model dostępny w chmurze z szerszym ekosystemem modeli do pobrania, narzędzi deweloperskich i zarządzanych interfejsów API.

Czym był Qwen2.5-Max?

Qwen2.5-Max został opisany przez Alibabę jako wielkoskalowy model językowy oparty na architekturze mixture of experts (MoE), czyli „mieszanki ekspertów”. W takim systemie różne wyspecjalizowane części sieci są dobierane do konkretnego zadania. Dzięki temu model może mieć dużą łączną pojemność, nie aktywując wszystkich komponentów przy każdym tokenie. Taka konstrukcja może poprawiać kompromis między skalą a kosztem obliczeń, jednak materiały opublikowane przy premierze nie pozwalały niezależnie ustalić dokładnej liczby wszystkich ani aktywnych parametrów. 9

Alibaba informowała, że model został wstępnie wytrenowany na ponad 20 bilionach tokenów, a następnie poddany dalszemu dostrajaniu z wykorzystaniem selekcjonowanego nadzorowanego dostrajania (SFT) oraz uczenia ze wzmocnieniem na podstawie informacji zwrotnej od ludzi (RLHF). Te etapy mają poprawiać wykonywanie instrukcji, jakość odpowiedzi i zgodność zachowania modelu z oczekiwaniami użytkowników. 259

Qwen2.5-Max nie był tym samym co pobieralne modele z rodziny Qwen2.5. Szersza seria obejmowała modele bazowe i dostrojone do instrukcji o rozmiarach od 0,5 do 72 miliardów parametrów, a także wersje skwantyzowane dostępne między innymi w serwisach Hugging Face, ModelScope i Kaggle. 132 Max pozycjonowano natomiast jako flagowy model hostowany w chmurze, a nie kolejny publicznie udostępniony checkpoint. Według ówczesnych analiz jego głównym miejscem dostępu było Alibaba Cloud Model Studio. 13

Dostęp: flagowy model w chmurze i otwarte wagi obok siebie

To rozróżnienie pokazało dwutorową strategię Alibaby:

• Modele wysokiej klasy hostowane w chmurze: Alibaba kontrolowała dostęp do najbardziej zaawansowanych systemów przez Model Studio i interfejsy Qwen.
• Modele z otwartymi wagami: deweloperzy mogli pobierać, modyfikować, kwantyzować i wdrażać inne modele z rodziny Qwen.

Raport techniczny Qwen2.5 opisywał ponad 100 modeli i wariantów dostępnych między innymi w Hugging Face, ModelScope i Kaggle. Wymieniał również hostowane warianty Qwen2.5 MoE dostępne przez Alibaba Cloud Model Studio. 132

Dla twórców oprogramowania oznaczało to wybór między wygodą a kontrolą. Zarządzane API ograniczało konieczność samodzielnego utrzymywania infrastruktury, natomiast otwarte wagi dawały większą kontrolę nad wdrożeniem, dostosowaniem modelu i miejscem przechowywania danych. Alibaba mogła więc wykorzystywać otwarte modele do budowania adopcji, a Model Studio — do przekuwania korzystania z modeli w popyt na usługi chmurowe.

Co Alibaba twierdziła o wynikach?

Alibaba twierdziła, że Qwen2.5-Max był ogólnie porównywalny z Claude 3.5 Sonnet i przewyższał GPT-4o, DeepSeek-V3 oraz Llama 3.1 405B w wielu raportowanych testach. Firma wskazywała między innymi na MMLU-Pro, GPQA-Diamond, LiveCodeBench, LiveBench i Arena-Hard. Testy te obejmują wiedzę, trudne rozumowanie, programowanie, ogólne zdolności modelu oraz ocenę preferencji użytkowników. 29

Takie deklaracje trzeba jednak czytać ostrożnie. Wyniki opublikowane przez twórcę modelu są dowodem na to, co firma zmierzyła w określonych warunkach, a nie rozstrzygającym dowodem uniwersalnej przewagi w zastosowaniach produkcyjnych. Na porównania wpływają między innymi wersja benchmarku, sposób formułowania poleceń, ustawienia modelu i ryzyko zanieczyszczenia danych testowych. Ówczesne relacje również zalecały ostrożność wobec tych twierdzeń. 254

Bardziej niezależnym sygnałem była społecznościowa tabela Chatbot Arena, opisywana na początku lutego 2025 roku. Qwen2.5-Max uzyskał w niej 1332 punkty i zajął siódme miejsce w klasyfikacji ogólnej. Według raportów prowadził w kategoriach matematyki i programowania oraz zajmował drugie miejsce w zadaniach określanych jako hard prompts. 1012

Wynik ten wspierał tezę, że Qwen2.5-Max był poważnym konkurentem z pogranicza światowej czołówki. Nie dowodził jednak, że model był najlepszy w każdym zadaniu. Chatbot Arena nie mierzy wszystkich cech istotnych przy wdrożeniach, takich jak niezawodność, bezpieczeństwo, korzystanie z narzędzi, opóźnienia, zarządzanie danymi czy wsparcie dla przedsiębiorstw.

Ostrożne porównanie z GPT-4o, Claude i DeepSeek

Najbardziej uzasadniony wniosek jest węższy niż nagłówkowe hasła Alibaby:

• W przypadku GPT-4o Alibaba raportowała przewagę w wielu benchmarkach, ale należy przypisywać te wyniki firmie i odnosić je do konkretnych testów. 29
• W przypadku Claude 3.5 Sonnet Alibaba przedstawiała Qwen2.5-Max jako model ogólnie porównywalny, a nie jako system z bezdyskusyjną przewagą w każdym obszarze. 29
• W przypadku DeepSeek-V3 premiera była szczególnie istotna, ponieważ pokazała, że Alibaba potrafi szybko odpowiedzieć na pojawienie się nowego, głośnego chińskiego konkurenta modelem, który — według jej własnych pomiarów — przewyższał go w kilku ocenach. 25

Rozmowa przesunęła się tym samym z pytania „Czy chiński model może konkurować?” do bardziej praktycznego: „Który model najlepiej pasuje do tego obciążenia, sposobu wdrożenia, języka i budżetu?”.

Relacja z wcześniejszą rodziną Qwen2.5

Qwen2.5-Max należał do generacji Qwen2.5, ale zajmował w portfolio inne miejsce niż wcześniejsze modele. Seria Qwen2.5 akcentowała szeroki wybór publicznie dostępnych rozmiarów — od lekkich modeli do eksperymentów po flagowy wariant 72B. 132

Max dodał do tego wysokiej klasy opcję hostowaną. Alibaba mogła w ten sposób demonstrować ambicje rywalizacji na najwyższym poziomie, nie udostępniając publicznie wszystkich elementów modelu: wag, dokładnej architektury i artefaktów treningowych. Nie była to zatem prosta strategia „open source kontra zamknięte modele”. Bardziej trafne jest określenie jej jako strategii portfolio: otwartość przyciągała deweloperów, a hostowane modele wspierały komercyjną dystrybucję.

Szerszy ekosystem Qwen koncentrował się również na zastosowaniach wielojęzycznych i programistycznych, ze szczególnym uwzględnieniem chińskiego i angielskiego, a także języków takich jak hiszpański, francuski i japoński. 40 Dla firm działających na rynkach azjatyckich i globalnych taka dostępność językowa może być równie ważna jak niewielka różnica w anglojęzycznym benchmarku.

Qwen3 uwidocznił tę strategię jeszcze bardziej

Kolejnym dużym krokiem była premiera Qwen3 w kwietniu 2025 roku. Alibaba udostępniła wtedy rodzinę modeli z otwartymi wagami: sześć modeli gęstych o rozmiarach od 0,6 do 32 miliardów parametrów oraz dwa modele MoE, w tym wariant o 235 miliardach parametrów, z 22 miliardami parametrów aktywnych. Modele udostępniono globalnie między innymi przez Hugging Face, GitHub i ModelScope. 171831

Qwen3 doprecyzował logikę całego portfolio. Alibaba mogła utrzymywać wysokiej klasy lub wyspecjalizowane możliwości w usługach zarządzanych, a jednocześnie publikować szeroki wybór modeli, które deweloperzy mogli uruchamiać i dostosowywać samodzielnie. Model Studio stał się chmurowym odpowiednikiem tego otwartego ekosystemu, oferując zespołom drogę od eksperymentu do zarządzanego wdrożenia. 1718

Ekosystem wykraczał przy tym poza same wagi modeli. Alibaba później opisywała skwantyzowane warianty Qwen3 dla urządzeń Apple, wsparcie dla większych modeli Qwen3 na układach AMD Instinct MI300X oraz lekkie wersje projektowane z myślą o urządzeniach mobilnych opartych na architekturze Arm. 22 Ma to znaczenie, ponieważ o konkurencyjności modelu nie decyduje wyłącznie skala treningu. Liczy się również to, jak łatwo można go uruchomić w różnych chmurach, na akceleratorach, laptopach i urządzeniach brzegowych.

Dlaczego premiera zaostrzyła wyścig modeli z pogranicza czołówki?

Qwen2.5-Max zwiększył presję konkurencyjną na trzy powiązane sposoby.

1. Pokazał, że chińska rywalizacja jest szersza niż jeden debiut

DeepSeek-V3 zakwestionował już wcześniej założenie, że Chiny nie są w stanie tworzyć bardzo zaawansowanych modeli. Odpowiedź Alibaby pokazała, że DeepSeek nie był jedynym chińskim zespołem zdolnym do próby zbliżenia się do światowej czołówki. Duży dostawca chmurowy z dojrzałą rodziną modeli mógł szybko odpowiedzieć, opublikować mocne wyniki i dystrybuować model przez istniejącą platformę. 2

2. Uczynił dystrybucję częścią wartości modelu

Wartość komercyjna modelu zależy od znacznie większej liczby czynników niż wynik benchmarku. Deweloperzy zwracają uwagę na dostęp przez API, możliwości wdrożenia, obsługę wielu języków, wsparcie sprzętowe, narzędzia integracyjne oraz możliwość dostrajania lub samodzielnego hostowania. Alibaba połączyła kilka tych kanałów w rodzinie Qwen i Model Studio. 11722

3. Wzmocnił argument za tańszymi i bardziej elastycznymi alternatywami

Jeśli model jest wystarczająco dobry do asystentów programistycznych, tłumaczeń, wyszukiwania wspomaganego generowaniem, obsługi klienta lub wewnętrznych copilotów, nabywca nie zawsze potrzebuje najwyższego wyniku w każdym teście. Otwarte wagi, wydajne konstrukcje MoE i dostępność przez chmurę mogą obniżyć próg wdrożenia, nawet gdy model nie dominuje całego rynku.

To zwiększa presję na drogich dostawców zamkniętych modeli. Muszą oni uzasadniać ceny mierzalną przewagą w niezawodności, bezpieczeństwie, korzystaniu z narzędzi, obsłudze kontekstu, kontroli dla przedsiębiorstw i jakości usług — a nie samym określeniem „frontier”. Ówczesne doniesienia opisywały chińskie modele jako systemy zmniejszające lukę pod względem możliwości i jednocześnie konkurujące ceną oraz dostępnością. 47

Najbardziej prawdopodobnym skutkiem była segmentacja rynku, a nie natychmiastowe zastąpienie modeli zachodnich. Część organizacji nadal mogła płacić za najmocniejsze zamknięte systemy, podczas gdy inne wybierały hostowane modele chińskie lub alternatywy z otwartymi wagami, ponieważ oferowały korzystniejsze połączenie wydajności, kontroli, lokalizacji i kosztów operacyjnych.

Co z „Ox Alpha”?

Dostarczone materiały nie potwierdzają, że chiński model z pogranicza światowej czołówki o nazwie Ox Alpha był udokumentowanym i publicznie wydanym systemem porównywalnym z DeepSeek-V3 lub Qwen2.5-Max. Należy więc traktować tę nazwę jako niezweryfikowaną etykietę albo spekulację, a nie dowód w analizie możliwości chińskiego sektora AI.

Nie zmienia to szerszego wniosku. Qwen2.5-Max był ważny, ponieważ razem z DeepSeek i innymi chińskimi zespołami przyczynił się do tego, że światowa czołówka AI stała się bardziej wielobiegunowa. Narzędziami rywalizacji są dziś nie tylko większe modele, lecz także wydajne architektury MoE, otwarte wagi, obsługa wielu języków, interfejsy chmurowe, przenośność sprzętowa i zdolność do przekształcenia rodziny modeli w globalny ekosystem dla deweloperów.