Så skärpte Alibaba konkurrensen på AI-fronten med Qwen2.5 Max

Lanseringen av Alibaba Clouds Qwen2.5 Max i januari 2025 blev en tydlig signal om att kinesiska AI-utvecklare kunde ta fram modeller nära den globala spetsnivån i snabb takt. Den ökade pressen på både västerländska leverantörer av slutna modeller och kinesiska konkurrenter som DeepSeek. 29

Betydelsen låg dock inte i att ett enskilt benchmark definitivt avgjorde AI-kapplöpningen. Snarare kombinerade Alibaba konkurrenskraftiga prestandapåståenden med molndistribution, API-åtkomst och ett allt bredare ekosystem av öppna modeller.

Vad var Qwen2.5 Max?

Alibaba presenterade Qwen2.5 Max den 28–29 januari 2025 som den största och mest kapabla modellen i Qwen-familjen vid den tidpunkten. Det var en storskalig språkmodell av typen mixture of experts (MoE), förtränad på mer än 20 biljoner token och därefter vidaretränad med kuraterad supervised fine-tuning (SFT) och reinforcement learning from human feedback (RLHF). 92

I en MoE-modell finns flera specialiserade delmodeller, så kallade experter. Vid varje förfrågan aktiveras bara en del av dem. Det kan ge hög total kapacitet utan att alla parametrar behöver användas i varje beräkning, vilket potentiellt förbättrar effektiviteten jämfört med en lika kapabel tät modell. Alibaba offentliggjorde samtidigt inte tillräckligt med arkitekturdetaljer för att en oberoende bedömning skulle kunna fastställa ett exakt antal totala eller aktiva parametrar. 9

Qwen2.5 Max ska inte blandas ihop med de tidigare nedladdningsbara Qwen2.5-modellerna. Den bredare familjen omfattade basmodeller och instruktionsfinjusterade modeller från 0,5 till 72 miljarder parametrar, samt kvantiserade versioner. De distribuerades via bland annat Hugging Face, ModelScope och Kaggle. Max-modellen erbjöds däremot inledningsvis som en värdtjänst och inte som en modell med offentligt tillgängliga vikter. 113

Den första åtkomsten gick via Alibaba Clouds Model Studio-API och Qwen-relaterade chatt- och produktgränssnitt. Lanseringen var därför både ett modellsläpp och ett sätt att driva molnanvändning. 13

Prestandan: starka resultat, men med en viktig brasklapp

Alibaba hävdade att Qwen2.5 Max låg ungefär i nivå med Claude 3.5 Sonnet i flera utvärderingar och överträffade GPT-4o, DeepSeek-V3 och Llama 3.1 405B ”nästan över hela linjen”. Det var företagets egna påståenden – inte ett bevis på att modellen var bäst i all praktisk användning. 259

Alibaba lyfte särskilt fram tester inom avancerad kunskap, programmering och generell problemlösning, däribland MMLU-Pro, GPQA-Diamond, LiveCodeBench, LiveBench och Arena-Hard. Resultatprofilen riktade in modellen mot kodning, matematik, kunskapsintensiva resonemangsuppgifter och företagsassistenter. 912

På den crowdsourcade topplistan Chatbot Arena fick Qwen2.5 Max enligt rapporter 1 332 poäng och placerade sig på sjunde plats totalt i början av februari 2025. Modellen uppgavs leda kategorierna matematik och kodning samt komma tvåa på svåra promptar. Det var ett betydelsefullt tecken på starka användarpreferenser, men topplistan är rörlig och känslig för vilka promptar som används. Den mäter inte heller på ett heltäckande sätt tillförlitlighet, säkerhet, agentförmåga eller lämplighet för företagsdrift. 1012

Den mest hållbara slutsatsen är därför att Qwen2.5 Max var en trovärdig utmanare nära AI-fronten. Däremot bör påståenden om att modellen definitivt ”slog” GPT-4o, Claude 3.5 Sonnet eller DeepSeek-V3 kopplas till Alibaba och till de specifika benchmark som användes. 29

Ett större flerspråkigt och öppet ekosystem

Den bredare Qwen2.5-familjen stödde många språk och användningsområden inom kodning. Senare Qwen3-modeller utökade enligt Alibaba stödet till 119 språk och dialekter. För företag som behöver lokalisering på fler språk än engelska kan det vara en viktig faktor vid val av modell. 13

Alibabas strategi byggde på en kombination av egenutvecklade flaggskeppsmodeller som körs som tjänst och breda släpp av öppna modellvikter. Öppna modeller kan locka utvecklare som vill självhosta, finjustera och integrera systemen i egna produkter. Model Studio ger samtidigt Alibaba en kontrollerad väg till API-intäkter, drift och företagsdistribution. I Qwen2.5:s tekniska rapport beskrevs mer än 100 åtkomliga modeller och varianter i offentliga modellregister. 1

Stöd för olika typer av hårdvara förstärkte strategin. Alibaba marknadsförde senare kvantiserade Qwen3-varianter för Apple-enheter och stöd för Qwen3 på AMD:s Instinct-hårdvara. Det minskar beroendet av en enda molnplattform eller acceleratorleverantör. 15

Qwen3 tog nästa steg

I april 2025 släppte Alibaba Qwen3, en ny och öppen generation i Qwen-familjen. Den bestod av sex täta modeller från 0,6 till 32 miljarder parametrar samt två MoE-modeller. Den största hade 235 miljarder totala parametrar, varav 22 miljarder aktiva. 43

Utvecklingen från Qwen2.5 Max till Qwen3 illustrerar en hybridmodell: Alibaba behåller avancerade värdtjänster där företaget kontrollerar åtkomst och intäkter, samtidigt som en bred uppsättning öppna modeller släpps globalt för att vinna utvecklare, integrationer och uppmärksamhet kring distribution. 413

Model Studio blev den hanterade plattformen för den växande portföljen. På så sätt kunde Alibaba omvandla modellframsteg till molnförbrukning, i stället för att se öppna modellvikter som enbart en direkt produkt. 13

Varför lanseringen skärpte konkurrensen

Qwen2.5 Max kom tätt efter att DeepSeek-V3 hade fått stor internationell uppmärksamhet. Det gjorde att Kinas AI-utveckling i mindre grad framstod som en enskild överraskning från ett företag och mer som resultatet av en bredare konkurrensmiljö. Alibaba visade att en etablerad molnaktör med en mogen modellfamilj snabbt kunde svara med en modell som presenterades som jämförbar med ledande amerikanska system. 2

Konkurrensen handlar dessutom om mer än benchmarkpoäng. En modell som är tillräckligt bra för programmering, kundsupport, översättning, informationssökning och interna assistenter kan ta marknadsandelar från dyrare västerländska modeller – särskilt om den erbjuds via ett lättillgängligt API, kostar mindre att använda eller kan köras med egna modellvikter.

Det sätter press på företag som Anthropic och andra leverantörer av dyra frontmodeller. De måste kunna motivera priset genom ett varaktigt prestandaförsprång, bättre säkerhet och tillförlitlighet, starkare verktygsanvändning, företagskontroller, längre kontext och stabilare support. Nyare rapportering beskriver också hur kinesiska modeller minskar kapabilitetsgapet samtidigt som de konkurrerar aggressivt med pris. 611

Det mest sannolika resultatet är inte att en modell omedelbart ersätter alla andra, utan en tydligare uppdelning av marknaden. Användare med de allra högsta kraven kan fortsatt betala för de starkaste proprietära amerikanska modellerna. Kostnads- och suveränitetskänsliga verksamheter kan däremot i allt större utsträckning välja kinesiska eller öppna alternativ.

Vad är ”Ox Alpha”?

Det finns inte tillräckligt med tillförlitliga belägg för att en kinesisk frontmodell med namnet ”Ox Alpha” var en dokumenterad och lanserad modell jämförbar med DeepSeek-V3 eller Qwen2.5 Max. Namnet bör därför betraktas som spekulation eller en obekräftad beteckning – inte som bevis i en bedömning av Kinas AI-kapacitet.

Den större slutsatsen påverkas inte av detta. Qwen, DeepSeek, Moonshot, Z.ai och andra aktörer har gjort AI-fronten mer multipolär. Öppna modellvikter, effektiva MoE-arkitekturer, moln-API:er och lägre driftskostnader har gått från att vara sidofunktioner till att bli centrala konkurrensmedel. 64