阿里巴巴喺 2025 年 1 月推出 Qwen2.5-Max，意義唔只係喺 AI 排行榜上爭一席位。更關鍵係，阿里雲示範咗一種完整打法：一邊推出具近前沿能力的大型模型，一邊即時透過 API 分發，再用一整套開放權重模型、開發工具同雲端服務擴大生態。

呢個做法令 AI 市場競爭變得更立體。西方模型供應商唔可以再單靠性能領先；中國 AI 開發者亦唔再只係互相比拼，而係同時喺價格、開放程度、部署彈性同企業觸達能力上鬥過你。

Qwen2.5-Max 係一個點樣嘅模型？

阿里巴巴形容 Qwen2.5-Max 係一個大型混合專家模型（Mixture of Experts，簡稱 MoE）語言模型。模型以超過 20 萬億 tokens 進行預訓練，之後再以經整理嘅監督式微調（SFT）及人類回饋強化學習（RLHF）作後訓練。9

MoE 模型內置多個「專家」網絡，每次處理輸入時，只會將部分專家路由出嚟工作。理論上，呢種設計可以擴大模型整體容量，同時避免每個請求都啟用全部參數。不過，阿里巴巴喺發布公告入面冇披露足夠架構細節，所以外界未能獨立核實 Qwen2.5-Max 嘅總參數數目或者每次實際啟用嘅參數數目。9

Qwen2.5-Max 同可供下載嘅 Qwen2.5 模型有關聯，但兩者並唔係同一回事。較廣泛嘅 Qwen2.5 系列包括基礎模型及指令微調模型，規模由 5 億至 720 億參數不等，亦有量化版本，並可經 Hugging Face、ModelScope 同 Kaggle 等平台取得。132

相對之下，Qwen2.5-Max 初期定位係託管模型，而唔係開放權重下載版本。早期使用方式主要同阿里雲 Model Studio 服務，以及 Qwen 相關聊天介面連結。13

阿里巴巴聲稱咗乜？證據又去到邊？

阿里巴巴表示，Qwen2.5-Max 喺多項評測中大致追平 Claude 3.5 Sonnet，並且「幾乎全面」超越 GPT-4o、DeepSeek-V3 同 Llama 3.1 405B。呢啲係阿里巴巴提出嘅說法，唔等於已經證明模型喺所有實際生產環境都全面優勝。29

公司重點展示咗幾類能力測試，包括：

• MMLU-Pro：較艱深嘅知識及推理問題
• GPQA-Diamond：高難度專家級問題
• LiveCodeBench：程式編寫能力
• LiveBench：較廣泛嘅模型能力
• Arena-Hard：用作近似人類偏好嘅評測 912

呢套評測組合令 Qwen2.5-Max 被定位成一個通用模型，適合程式編寫、數學、知識工作同企業助理等用途。不過，基準測試結果會受提示語、模型版本、評測方法，以至工具權限同系統指令差異影響。

所以，呢啲結果較適合解讀為：Qwen2.5-Max 喺指定測試上具備競爭力，而唔係一張涵蓋準確性、安全性、延遲、工具使用及企業部署適配度嘅完整排名表。

Chatbot Arena 表現：第七名代表咩？

2025 年 2 月初有報道指，Chatbot Arena 排行榜將 Qwen2.5-Max 列為總榜第七，得分 1,332；喺數學及程式編寫分類排名第一，Hard Prompts 則排名第二。1012

Chatbot Arena 透過群眾盲測，比較不同模型回答嘅用戶偏好，因此提供咗一個唔完全依賴阿里巴巴內部測試嘅外部訊號。不過，呢個排行榜會隨住模型版本及提示內容改變，亦唔能夠單獨衡量事實可靠性、安全性、工具使用、長時間代理任務能力，或者企業實際營運要求。

較穩妥嘅結論係：Qwen2.5-Max 係一個可信嘅近前沿競爭者，佢嘅成績挑戰咗外界對中美頂尖 AI 模型差距嘅固有印象。但「擊敗所有領先模型」呢類較強結論，仍然應該註明係阿里巴巴嘅說法，並且限定喺相關基準測試之內。29

真正有戰略價值嘅，可能係 Qwen 生態

Qwen2.5-Max 嘅戰略價值，部分來自佢周邊嘅模型。阿里巴巴發表嘅 Qwen2.5 技術報告指，公共模型庫可以取得超過 100 個模型及變體；整個 Qwen 家族同時包含開放權重模型，以及由阿里雲託管嘅專有模型。1

呢種組合可以服務唔同對象：

• 開發者可以下載、微調、量化，再自行部署較細型嘅開放模型。
• 企業可以直接使用託管 API，唔需要自己管理模型基礎設施。
• 阿里雲可以透過 Model Studio，將模型需求轉化成雲端用量。
• 硬件及軟件合作夥伴可以支援更多部署環境，而唔係只圍繞一個封閉 API。

因此，呢個唔係簡單嘅「開源對封閉」二選一。阿里巴巴將高端旗艦模型保留喺託管服務入面，同時用開放模型培養開發者熟悉度、第三方整合及部署生態。

Qwen3 點樣將策略再推前一步？

2025 年 4 月，阿里巴巴推出開放權重嘅 Qwen3 系列。發布內容包括 6 個由 6 億至 320 億參數嘅密集模型，以及 2 個 MoE 模型：一款總參數 300 億、每次啟用 30 億；另一款總參數 2,350 億、每次啟用 220 億。1718

Qwen3 模型透過 Hugging Face、GitHub 同 ModelScope 等渠道向全球開發者提供，亦可以喺 chat.qwen.ai 試用；API 接入則計劃經阿里巴巴嘅模型平台提供。1718

由 Qwen2.5-Max 走到 Qwen3，阿里巴巴嘅商業模式更加清楚：高端託管服務負責提供受管理嘅優質存取，而大範圍開放權重就用嚟推動本地部署、微調同第三方應用。Model Studio 正好成為兩邊之間嘅商業橋樑。

之後，阿里巴巴亦推廣 Qwen3 喺唔同硬件環境上運行，包括 Apple 裝置嘅量化部署、AMD Instinct GPU 支援，以及針對 Arm 手機硬件設計嘅小型模型。22 呢啲發展令 Qwen 生態唔再咁依賴單一雲端供應商或者加速器平台。

點解 Qwen2.5-Max 令前沿 AI 競爭升溫？

Qwen2.5-Max 喺 DeepSeek-V3 引起國際關注後不久推出，令今次發布睇落唔似一個孤立嘅中國 AI 成就，而更似係一個競爭快速加深嘅訊號。阿里巴巴作為大型雲端企業，手上已有成熟模型家族，並可以迅速推出一款被形容為接近美國頂尖系統嘅模型。2

對前沿模型開發者而言，壓力主要來自四個方向：

1. 性能：只要模型喺程式編寫、數學及一般知識上接近前沿，即使唔係每個基準都第一，都有機會爭奪真實工作負載。
2. 成本及效率：MoE 架構及更進取嘅基礎設施策略，可能令高能力模型更容易以較低成本提供服務。
3. 存取方式：API 降低採用門檻，而開放權重就容許企業自行部署及客製化。
4. 分發能力：雲端平台可以直接將模型放入企業嘅開發、部署及付費流程。

對 Anthropic、OpenAI 等西方供應商嚟講，差異化門檻因此提高。高價模型需要靠持續嘅能力、安全、可靠性、工具使用、長上下文表現、治理或者企業支援去證明價值，而唔可以只靠一個亮眼嘅基準分數。

較可能出現嘅唔係即時取代，而係市場分層：要求最高嘅組織可能繼續為專有前沿模型付費；但對成本、客製化或者數據主權較敏感嘅部署，就會有更多可信嘅中國模型及開放權重選項。

多語言能力，亦係全球化競爭嘅一部分

Qwen 家族較重視多語言，亦係另一項競爭資產。阿里巴巴嘅 Qwen2.5 資料介紹咗一套涵蓋語言及程式用途嘅模型生態，而後來 Qwen3 資料就表示支援 119 種語言及方言。118

對跨國企業嚟講，多語言覆蓋未必比英文基準成績次要。佢會影響產品本地化、客戶服務、翻譯、內部知識系統同區域部署。實際優勢仍然取決於特定語言嘅質素同企業需求，但廣泛語言策略確實畀阿里巴巴更多機會喺英文主導以外嘅市場競爭。

「Ox Alpha」究竟係乜？

根據目前提供嘅資料，未有足夠可靠證據證明一個叫 Ox Alpha 嘅中國前沿模型係已經有正式記錄並發布、而且可以同 DeepSeek-V3 或 Qwen2.5-Max 相提並論嘅系統。

所以，Ox Alpha 暫時應該視為未經核實嘅名稱或者推測，唔應該用作評估中國 AI 能力嘅證據。

但呢點唔影響較大嘅結論：Qwen2.5-Max、DeepSeek，以及其後一系列中國模型都顯示，前沿 AI 競爭正變得多極化。開放權重、高效率架構、託管 API、多語言支援同雲端分發，已經由附加功能變成真正嘅競爭武器。

Qwen2.5-Max 留低嘅長遠意義

Qwen2.5-Max 並冇證明阿里巴巴已經永久超越所有西方 AI 實驗室。佢最重要嘅貢獻係戰略層面：展示一間公司點樣將具競爭力嘅旗艦模型、雲端存取、開放模型開發，以及全球開發者分發結合埋一齊。

呢種混合模式亦改變咗 AI 買家要問嘅問題。大家唔再只係問邊個模型喺某個排行榜最高，而係要一併比較模型能力、成本、開放程度、部署控制、語言覆蓋、硬件支援同企業營運。

換句話講，即使 Qwen2.5-Max 個別基準測試嘅勝負仍然有爭議，佢依然成功令前沿 AI 競賽升溫，並將市場由少數封閉實驗室之間嘅較量，推向模型生態及周邊基礎設施同樣重要嘅新階段。

阿里巴巴喺 2025 年 1 月推出 Qwen2.5-Max，意義唔只係喺 AI 排行榜上爭一席位。更關鍵係，阿里雲示範咗一種完整打法：一邊推出具近前沿能力的大型模型，一邊即時透過 API 分發，再用一整套開放權重模型、開發工具同雲端服務擴大生態。

呢個做法令 AI 市場競爭變得更立體。西方模型供應商唔可以再單靠性能領先；中國 AI 開發者亦唔再只係互相比拼，而係同時喺價格、開放程度、部署彈性同企業觸達能力上鬥過你。

Qwen2.5-Max 係一個點樣嘅模型？

阿里巴巴形容 Qwen2.5-Max 係一個大型混合專家模型（Mixture of Experts，簡稱 MoE）語言模型。模型以超過 20 萬億 tokens 進行預訓練，之後再以經整理嘅監督式微調（SFT）及人類回饋強化學習（RLHF）作後訓練。9

MoE 模型內置多個「專家」網絡，每次處理輸入時，只會將部分專家路由出嚟工作。理論上，呢種設計可以擴大模型整體容量，同時避免每個請求都啟用全部參數。不過，阿里巴巴喺發布公告入面冇披露足夠架構細節，所以外界未能獨立核實 Qwen2.5-Max 嘅總參數數目或者每次實際啟用嘅參數數目。9

Qwen2.5-Max 同可供下載嘅 Qwen2.5 模型有關聯，但兩者並唔係同一回事。較廣泛嘅 Qwen2.5 系列包括基礎模型及指令微調模型，規模由 5 億至 720 億參數不等，亦有量化版本，並可經 Hugging Face、ModelScope 同 Kaggle 等平台取得。132

相對之下，Qwen2.5-Max 初期定位係託管模型，而唔係開放權重下載版本。早期使用方式主要同阿里雲 Model Studio 服務，以及 Qwen 相關聊天介面連結。13

阿里巴巴聲稱咗乜？證據又去到邊？

阿里巴巴表示，Qwen2.5-Max 喺多項評測中大致追平 Claude 3.5 Sonnet，並且「幾乎全面」超越 GPT-4o、DeepSeek-V3 同 Llama 3.1 405B。呢啲係阿里巴巴提出嘅說法，唔等於已經證明模型喺所有實際生產環境都全面優勝。29

公司重點展示咗幾類能力測試，包括：

• MMLU-Pro：較艱深嘅知識及推理問題
• GPQA-Diamond：高難度專家級問題
• LiveCodeBench：程式編寫能力
• LiveBench：較廣泛嘅模型能力
• Arena-Hard：用作近似人類偏好嘅評測 912

呢套評測組合令 Qwen2.5-Max 被定位成一個通用模型，適合程式編寫、數學、知識工作同企業助理等用途。不過，基準測試結果會受提示語、模型版本、評測方法，以至工具權限同系統指令差異影響。

所以，呢啲結果較適合解讀為：Qwen2.5-Max 喺指定測試上具備競爭力，而唔係一張涵蓋準確性、安全性、延遲、工具使用及企業部署適配度嘅完整排名表。

Chatbot Arena 表現：第七名代表咩？

2025 年 2 月初有報道指，Chatbot Arena 排行榜將 Qwen2.5-Max 列為總榜第七，得分 1,332；喺數學及程式編寫分類排名第一，Hard Prompts 則排名第二。1012

Chatbot Arena 透過群眾盲測，比較不同模型回答嘅用戶偏好，因此提供咗一個唔完全依賴阿里巴巴內部測試嘅外部訊號。不過，呢個排行榜會隨住模型版本及提示內容改變，亦唔能夠單獨衡量事實可靠性、安全性、工具使用、長時間代理任務能力，或者企業實際營運要求。

較穩妥嘅結論係：Qwen2.5-Max 係一個可信嘅近前沿競爭者，佢嘅成績挑戰咗外界對中美頂尖 AI 模型差距嘅固有印象。但「擊敗所有領先模型」呢類較強結論，仍然應該註明係阿里巴巴嘅說法，並且限定喺相關基準測試之內。29

真正有戰略價值嘅，可能係 Qwen 生態

Qwen2.5-Max 嘅戰略價值，部分來自佢周邊嘅模型。阿里巴巴發表嘅 Qwen2.5 技術報告指，公共模型庫可以取得超過 100 個模型及變體；整個 Qwen 家族同時包含開放權重模型，以及由阿里雲託管嘅專有模型。1

呢種組合可以服務唔同對象：

• 開發者可以下載、微調、量化，再自行部署較細型嘅開放模型。
• 企業可以直接使用託管 API，唔需要自己管理模型基礎設施。
• 阿里雲可以透過 Model Studio，將模型需求轉化成雲端用量。
• 硬件及軟件合作夥伴可以支援更多部署環境，而唔係只圍繞一個封閉 API。

因此，呢個唔係簡單嘅「開源對封閉」二選一。阿里巴巴將高端旗艦模型保留喺託管服務入面，同時用開放模型培養開發者熟悉度、第三方整合及部署生態。

Qwen3 點樣將策略再推前一步？

2025 年 4 月，阿里巴巴推出開放權重嘅 Qwen3 系列。發布內容包括 6 個由 6 億至 320 億參數嘅密集模型，以及 2 個 MoE 模型：一款總參數 300 億、每次啟用 30 億；另一款總參數 2,350 億、每次啟用 220 億。1718

Qwen3 模型透過 Hugging Face、GitHub 同 ModelScope 等渠道向全球開發者提供，亦可以喺 chat.qwen.ai 試用；API 接入則計劃經阿里巴巴嘅模型平台提供。1718

由 Qwen2.5-Max 走到 Qwen3，阿里巴巴嘅商業模式更加清楚：高端託管服務負責提供受管理嘅優質存取，而大範圍開放權重就用嚟推動本地部署、微調同第三方應用。Model Studio 正好成為兩邊之間嘅商業橋樑。

之後，阿里巴巴亦推廣 Qwen3 喺唔同硬件環境上運行，包括 Apple 裝置嘅量化部署、AMD Instinct GPU 支援，以及針對 Arm 手機硬件設計嘅小型模型。22 呢啲發展令 Qwen 生態唔再咁依賴單一雲端供應商或者加速器平台。

點解 Qwen2.5-Max 令前沿 AI 競爭升溫？

Qwen2.5-Max 喺 DeepSeek-V3 引起國際關注後不久推出，令今次發布睇落唔似一個孤立嘅中國 AI 成就，而更似係一個競爭快速加深嘅訊號。阿里巴巴作為大型雲端企業，手上已有成熟模型家族，並可以迅速推出一款被形容為接近美國頂尖系統嘅模型。2

對前沿模型開發者而言，壓力主要來自四個方向：

1. 性能：只要模型喺程式編寫、數學及一般知識上接近前沿，即使唔係每個基準都第一，都有機會爭奪真實工作負載。
2. 成本及效率：MoE 架構及更進取嘅基礎設施策略，可能令高能力模型更容易以較低成本提供服務。
3. 存取方式：API 降低採用門檻，而開放權重就容許企業自行部署及客製化。
4. 分發能力：雲端平台可以直接將模型放入企業嘅開發、部署及付費流程。

對 Anthropic、OpenAI 等西方供應商嚟講，差異化門檻因此提高。高價模型需要靠持續嘅能力、安全、可靠性、工具使用、長上下文表現、治理或者企業支援去證明價值，而唔可以只靠一個亮眼嘅基準分數。

較可能出現嘅唔係即時取代，而係市場分層：要求最高嘅組織可能繼續為專有前沿模型付費；但對成本、客製化或者數據主權較敏感嘅部署，就會有更多可信嘅中國模型及開放權重選項。

多語言能力，亦係全球化競爭嘅一部分

Qwen 家族較重視多語言，亦係另一項競爭資產。阿里巴巴嘅 Qwen2.5 資料介紹咗一套涵蓋語言及程式用途嘅模型生態，而後來 Qwen3 資料就表示支援 119 種語言及方言。118

對跨國企業嚟講，多語言覆蓋未必比英文基準成績次要。佢會影響產品本地化、客戶服務、翻譯、內部知識系統同區域部署。實際優勢仍然取決於特定語言嘅質素同企業需求，但廣泛語言策略確實畀阿里巴巴更多機會喺英文主導以外嘅市場競爭。

「Ox Alpha」究竟係乜？

根據目前提供嘅資料，未有足夠可靠證據證明一個叫 Ox Alpha 嘅中國前沿模型係已經有正式記錄並發布、而且可以同 DeepSeek-V3 或 Qwen2.5-Max 相提並論嘅系統。

所以，Ox Alpha 暫時應該視為未經核實嘅名稱或者推測，唔應該用作評估中國 AI 能力嘅證據。

但呢點唔影響較大嘅結論：Qwen2.5-Max、DeepSeek，以及其後一系列中國模型都顯示，前沿 AI 競爭正變得多極化。開放權重、高效率架構、託管 API、多語言支援同雲端分發，已經由附加功能變成真正嘅競爭武器。

Qwen2.5-Max 留低嘅長遠意義

Qwen2.5-Max 並冇證明阿里巴巴已經永久超越所有西方 AI 實驗室。佢最重要嘅貢獻係戰略層面：展示一間公司點樣將具競爭力嘅旗艦模型、雲端存取、開放模型開發，以及全球開發者分發結合埋一齊。

呢種混合模式亦改變咗 AI 買家要問嘅問題。大家唔再只係問邊個模型喺某個排行榜最高，而係要一併比較模型能力、成本、開放程度、部署控制、語言覆蓋、硬件支援同企業營運。

換句話講，即使 Qwen2.5-Max 個別基準測試嘅勝負仍然有爭議，佢依然成功令前沿 AI 競賽升溫，並將市場由少數封閉實驗室之間嘅較量，推向模型生態及周邊基礎設施同樣重要嘅新階段。