Qwen2.5-Max 的發布，重要之處不只是阿里巴巴聲稱它在部分基準測試中勝過競爭對手，而是它再次挑戰了「尖端 AI 只能由少數美國實驗室主導」的想像。

阿里巴巴於 2025 年 1 月 28 至 29 日推出這款模型。當時 DeepSeek-V3 才剛引發全球關注，Qwen2.5-Max 隨即以高調的性能宣稱，搭配阿里雲既有的開發者與企業分發渠道登場。29

更持久的影響是策略層面：阿里巴巴證明，一家大型中國雲端服務商可以推出具備接近前沿能力的模型，同時經營可下載的模型、開發工具與代管 API，將模型競賽從單純比拼排行榜，推向生態系與商業分發的競爭。

Qwen2.5-Max 是什麼？

Qwen2.5-Max 被阿里巴巴描述為大型混合專家模型（Mixture of Experts，MoE）。MoE 的基本概念，是讓不同的「專家」網路處理不同類型的輸入；模型雖然具備龐大的總容量，卻不必在每個 token 上啟用全部元件。這種設計有機會在模型容量與推理效率之間取得更好的平衡。

不過，阿里巴巴公開發布資料並未提供足夠細節，無法獨立確認 Qwen2.5-Max 的總參數量或每次請求實際啟用的參數量。9

阿里巴巴表示，Qwen2.5-Max 的預訓練資料超過 20 兆 tokens，之後再以整理過的監督式微調（SFT）及人類回饋強化學習（RLHF）進行後訓練。前者通常用於教導模型遵循指令，後者則透過人類偏好訊號改善回答品質與對齊程度。259

需要注意的是，Qwen2.5-Max 不等同於可下載的 Qwen2.5 模型檢查點。較廣泛的 Qwen2.5 系列涵蓋基礎模型與指令微調模型，規模由 0.5B 至 72B 參數不等，並提供量化版本，可透過 Hugging Face、ModelScope 與 Kaggle 取得。132

相較之下，Max 被定位為託管式旗艦模型，而不是另一個公開下載的權重檢查點。當時的分析指出，阿里雲 Model Studio 是它的主要服務入口。13

一邊開放模型，一邊掌握旗艦服務

這種安排呈現出阿里巴巴的雙軌做法：

• 高階託管模型： 透過 Model Studio 與 Qwen 相關介面，阿里巴巴可以掌握最強模型的存取、部署與商業化方式。
• 開放權重模型： 開發者則可以下載、修改、量化並自行部署 Qwen 家族的其他成員。

Qwen2.5 技術報告列出超過 100 個模型與變體，並說明部分託管式 Qwen2.5 MoE 模型可透過阿里雲 Model Studio 使用。132

對開發者而言，這形成了「便利與控制」之間的實際選擇。代管 API 可以省下基礎設施與維運工作；開放權重則讓企業更能掌控部署環境、客製化方式與資料所在位置。阿里巴巴因此可以用開放模型吸引開發者，再透過 Model Studio 將使用量轉化為雲端需求。

阿里巴巴宣稱的基準測試表現

阿里巴巴表示，Qwen2.5-Max 在多項評估中大致追上 Claude 3.5 Sonnet，並在不少測試中勝過 GPT-4o、DeepSeek-V3 與 Llama 3.1 405B。公司特別提到 MMLU-Pro、GPQA-Diamond、LiveCodeBench、LiveBench 與 Arena-Hard，涵蓋知識、困難推理、程式設計、整體能力及偏好型評估。29

但這些數據必須仔細解讀。模型開發商自行進行的測試，能證明公司在特定條件下測量到什麼，卻不能直接證明模型在所有實際工作流程中都具備普遍優勢。基準版本、提示詞、模型設定、資料污染與評測方式，都可能影響比較結果；當時的報導也提醒讀者對這些宣稱保持審慎。254

較獨立的訊號來自 2025 年 2 月初報導的群眾評測 Chatbot Arena 排行榜。Qwen2.5-Max 得分 1332，總榜排名第七；報導稱它在數學與程式設計分類排名第一，在 hard prompts 分類排名第二。1012

這項結果支持 Qwen2.5-Max 是認真且具競爭力的近前沿模型，但不能據此推論它適合所有任務，也不能涵蓋可靠性、安全性、工具使用、延遲、資料治理或企業支援等部署問題。

與 GPT-4o、Claude 及 DeepSeek 的比較，應如何理解？

較穩妥的結論，應比阿里巴巴的宣傳標題更精確：

• 對 GPT-4o，阿里巴巴報告了廣泛的基準優勢，但這些結果應明確歸因於阿里巴巴，並限於所公布的特定測試。29
• 對 Claude 3.5 Sonnet，阿里巴巴將 Qwen2.5-Max 描述為整體相若，而不是證明它在所有面向都領先。29
• 對 DeepSeek-V3，這次發布特別具象徵性：阿里巴巴迅速回應一個剛受到全球矚目的中國競爭者，並宣稱新模型在多項評估中勝出。25

換句話說，討論焦點開始從「中國模型能否競爭？」轉向「哪個模型最適合這項工作、這種部署方式、這些語言與這個預算？」

Qwen2.5-Max 與早期 Qwen2.5 的關係

Qwen2.5-Max 延續了 Qwen2.5 世代的技術與品牌，但在產品組合中扮演不同角色。早期 Qwen2.5 強調從輕量模型到 72B 旗艦的完整開放權重產品線，方便開發者實驗、微調與自行部署。132

Max 則補上高階託管選項。阿里巴巴不必公開旗艦模型的完整權重、精確架構與訓練產物，也能展示其進軍前沿模型的企圖。這並非單純的「開源對封閉」二分法，而是一套產品組合策略：開放模型負責吸引開發者，託管模型則支撐商業分發與雲端收入。

Qwen 生態系也特別重視多語言與程式設計用途。資料顯示，相關模型以中文與英文為重點，同時支援西班牙文、法文及日文等其他語言。40 對需要在亞洲與全球市場營運的企業而言，這種語言覆蓋與在地化能力，有時比英文基準測試上些微的分數差距更具實用價值。

Qwen3 讓這套策略更清晰

阿里巴巴在 2025 年 4 月推出下一個重要階段 Qwen3，並以開放權重形式發布。首批包括 6 個從 0.6B 至 32B 參數的稠密模型，以及 2 個 MoE 模型，其中一款總參數量為 235B、實際啟用參數為 22B。這些模型可透過 Hugging Face、GitHub 與 ModelScope 等渠道在全球取得。171831

Qwen3 讓 Qwen 的產品邏輯更加明顯：阿里巴巴可以把高階或專用能力留在代管服務中，同時釋出廣泛的模型，讓開發者自行執行與調整。Model Studio 則成為開放生態系的雲端對應面，讓團隊能從實驗階段逐步走向託管部署。1718

這套生態系不只停留在模型權重。阿里巴巴後續介紹了適用於 Apple 硬體的量化 Qwen3 版本、在 AMD Instinct MI300X GPU 上執行較大型 Qwen3 模型的支援，以及針對 Arm 行動裝置設計的輕量版本。22

這些整合之所以重要，是因為模型競爭不只取決於預訓練規模，也取決於模型能否方便地跨越雲端、加速器、筆電與邊緣裝置運作。

為何 Qwen2.5-Max 推高了前沿模型競賽？

1. 中國 AI 競爭不再像是單一公司的突襲

DeepSeek-V3 已先挑戰外界對中國模型能力的既有想像。阿里巴巴接著推出 Qwen2.5-Max，則顯示 DeepSeek 並不是唯一能向前沿模型發起衝擊的中國開發者。擁有成熟模型家族與雲端平台的大型企業，也能快速回應、公布強勁結果並利用既有渠道分發。2

2. 模型的「好不好用」開始包含分發能力

模型商業價值不只由排行榜分數決定。開發者同樣重視 API 取得方式、部署選項、多語言表現、硬體支援、整合工具，以及是否能自行微調或託管。阿里巴巴透過 Qwen 家族與 Model Studio，把這些渠道串接起來。11722

3. 更便宜、更靈活的模型開始改變採購邏輯

如果一個模型已足以處理程式設計助理、翻譯、檢索、客服或企業內部 copilot，買家未必需要在每一項前沿測試都追求最高分。開放權重、效率較高的 MoE 架構與雲端供應，都可能降低採用門檻，即使模型沒有明確統治整個市場。

這也迫使高價的專有模型服務商，包括 Anthropic，必須以可量化的可靠性、安全性、工具使用、上下文處理、企業控制能力與服務品質來證明價格合理，而不能只依靠「前沿模型」的標籤。當時的報導同樣指出，中國模型正縮小能力差距，並積極以成本與取得便利性競爭。47

較可能出現的結果不是市場立即改朝換代，而是進一步分化：部分組織仍會為最強的封閉模型付費；另一些企業則會因性能、控制權、在地化與營運成本之間的組合更理想，選擇中國模型或開放權重替代方案。

「Ox Alpha」究竟是什麼？

目前提供的證據不足以證明，名為 Ox Alpha 的中國前沿模型是一個已公開發布、並且可與 DeepSeek-V3 或 Qwen2.5-Max 相提並論的實際系統。因此，它應被視為未經核實的名稱或推測，而不能作為評估中國 AI 能力的證據。

即使排除這個未證實的說法，整體結論仍然成立：Qwen、DeepSeek 等中國開發者，已讓 AI 前沿變得更加多極化。真正的競爭武器不只是更大的模型，也包括 MoE 效率、開放權重、多語言覆蓋、雲端 API、硬體可攜性，以及把模型家族發展成全球開發者生態系的能力。

Qwen2.5-Max 的發布，重要之處不只是阿里巴巴聲稱它在部分基準測試中勝過競爭對手，而是它再次挑戰了「尖端 AI 只能由少數美國實驗室主導」的想像。

阿里巴巴於 2025 年 1 月 28 至 29 日推出這款模型。當時 DeepSeek-V3 才剛引發全球關注，Qwen2.5-Max 隨即以高調的性能宣稱，搭配阿里雲既有的開發者與企業分發渠道登場。29

更持久的影響是策略層面：阿里巴巴證明，一家大型中國雲端服務商可以推出具備接近前沿能力的模型，同時經營可下載的模型、開發工具與代管 API，將模型競賽從單純比拼排行榜，推向生態系與商業分發的競爭。

Qwen2.5-Max 是什麼？

Qwen2.5-Max 被阿里巴巴描述為大型混合專家模型（Mixture of Experts，MoE）。MoE 的基本概念，是讓不同的「專家」網路處理不同類型的輸入；模型雖然具備龐大的總容量，卻不必在每個 token 上啟用全部元件。這種設計有機會在模型容量與推理效率之間取得更好的平衡。

不過，阿里巴巴公開發布資料並未提供足夠細節，無法獨立確認 Qwen2.5-Max 的總參數量或每次請求實際啟用的參數量。9

阿里巴巴表示，Qwen2.5-Max 的預訓練資料超過 20 兆 tokens，之後再以整理過的監督式微調（SFT）及人類回饋強化學習（RLHF）進行後訓練。前者通常用於教導模型遵循指令，後者則透過人類偏好訊號改善回答品質與對齊程度。259

需要注意的是，Qwen2.5-Max 不等同於可下載的 Qwen2.5 模型檢查點。較廣泛的 Qwen2.5 系列涵蓋基礎模型與指令微調模型，規模由 0.5B 至 72B 參數不等，並提供量化版本，可透過 Hugging Face、ModelScope 與 Kaggle 取得。132

相較之下，Max 被定位為託管式旗艦模型，而不是另一個公開下載的權重檢查點。當時的分析指出，阿里雲 Model Studio 是它的主要服務入口。13

一邊開放模型，一邊掌握旗艦服務

這種安排呈現出阿里巴巴的雙軌做法：

• 高階託管模型： 透過 Model Studio 與 Qwen 相關介面，阿里巴巴可以掌握最強模型的存取、部署與商業化方式。
• 開放權重模型： 開發者則可以下載、修改、量化並自行部署 Qwen 家族的其他成員。

Qwen2.5 技術報告列出超過 100 個模型與變體，並說明部分託管式 Qwen2.5 MoE 模型可透過阿里雲 Model Studio 使用。132

對開發者而言，這形成了「便利與控制」之間的實際選擇。代管 API 可以省下基礎設施與維運工作；開放權重則讓企業更能掌控部署環境、客製化方式與資料所在位置。阿里巴巴因此可以用開放模型吸引開發者，再透過 Model Studio 將使用量轉化為雲端需求。

阿里巴巴宣稱的基準測試表現

阿里巴巴表示，Qwen2.5-Max 在多項評估中大致追上 Claude 3.5 Sonnet，並在不少測試中勝過 GPT-4o、DeepSeek-V3 與 Llama 3.1 405B。公司特別提到 MMLU-Pro、GPQA-Diamond、LiveCodeBench、LiveBench 與 Arena-Hard，涵蓋知識、困難推理、程式設計、整體能力及偏好型評估。29

但這些數據必須仔細解讀。模型開發商自行進行的測試，能證明公司在特定條件下測量到什麼，卻不能直接證明模型在所有實際工作流程中都具備普遍優勢。基準版本、提示詞、模型設定、資料污染與評測方式，都可能影響比較結果；當時的報導也提醒讀者對這些宣稱保持審慎。254

較獨立的訊號來自 2025 年 2 月初報導的群眾評測 Chatbot Arena 排行榜。Qwen2.5-Max 得分 1332，總榜排名第七；報導稱它在數學與程式設計分類排名第一，在 hard prompts 分類排名第二。1012

這項結果支持 Qwen2.5-Max 是認真且具競爭力的近前沿模型，但不能據此推論它適合所有任務，也不能涵蓋可靠性、安全性、工具使用、延遲、資料治理或企業支援等部署問題。

與 GPT-4o、Claude 及 DeepSeek 的比較，應如何理解？

較穩妥的結論，應比阿里巴巴的宣傳標題更精確：

• 對 GPT-4o，阿里巴巴報告了廣泛的基準優勢，但這些結果應明確歸因於阿里巴巴，並限於所公布的特定測試。29
• 對 Claude 3.5 Sonnet，阿里巴巴將 Qwen2.5-Max 描述為整體相若，而不是證明它在所有面向都領先。29
• 對 DeepSeek-V3，這次發布特別具象徵性：阿里巴巴迅速回應一個剛受到全球矚目的中國競爭者，並宣稱新模型在多項評估中勝出。25

換句話說，討論焦點開始從「中國模型能否競爭？」轉向「哪個模型最適合這項工作、這種部署方式、這些語言與這個預算？」

Qwen2.5-Max 與早期 Qwen2.5 的關係

Qwen2.5-Max 延續了 Qwen2.5 世代的技術與品牌，但在產品組合中扮演不同角色。早期 Qwen2.5 強調從輕量模型到 72B 旗艦的完整開放權重產品線，方便開發者實驗、微調與自行部署。132

Max 則補上高階託管選項。阿里巴巴不必公開旗艦模型的完整權重、精確架構與訓練產物，也能展示其進軍前沿模型的企圖。這並非單純的「開源對封閉」二分法，而是一套產品組合策略：開放模型負責吸引開發者，託管模型則支撐商業分發與雲端收入。

Qwen 生態系也特別重視多語言與程式設計用途。資料顯示，相關模型以中文與英文為重點，同時支援西班牙文、法文及日文等其他語言。40 對需要在亞洲與全球市場營運的企業而言，這種語言覆蓋與在地化能力，有時比英文基準測試上些微的分數差距更具實用價值。

Qwen3 讓這套策略更清晰

阿里巴巴在 2025 年 4 月推出下一個重要階段 Qwen3，並以開放權重形式發布。首批包括 6 個從 0.6B 至 32B 參數的稠密模型，以及 2 個 MoE 模型，其中一款總參數量為 235B、實際啟用參數為 22B。這些模型可透過 Hugging Face、GitHub 與 ModelScope 等渠道在全球取得。171831

Qwen3 讓 Qwen 的產品邏輯更加明顯：阿里巴巴可以把高階或專用能力留在代管服務中，同時釋出廣泛的模型，讓開發者自行執行與調整。Model Studio 則成為開放生態系的雲端對應面，讓團隊能從實驗階段逐步走向託管部署。1718

這套生態系不只停留在模型權重。阿里巴巴後續介紹了適用於 Apple 硬體的量化 Qwen3 版本、在 AMD Instinct MI300X GPU 上執行較大型 Qwen3 模型的支援，以及針對 Arm 行動裝置設計的輕量版本。22

這些整合之所以重要，是因為模型競爭不只取決於預訓練規模，也取決於模型能否方便地跨越雲端、加速器、筆電與邊緣裝置運作。

為何 Qwen2.5-Max 推高了前沿模型競賽？

1. 中國 AI 競爭不再像是單一公司的突襲

DeepSeek-V3 已先挑戰外界對中國模型能力的既有想像。阿里巴巴接著推出 Qwen2.5-Max，則顯示 DeepSeek 並不是唯一能向前沿模型發起衝擊的中國開發者。擁有成熟模型家族與雲端平台的大型企業，也能快速回應、公布強勁結果並利用既有渠道分發。2

2. 模型的「好不好用」開始包含分發能力

模型商業價值不只由排行榜分數決定。開發者同樣重視 API 取得方式、部署選項、多語言表現、硬體支援、整合工具，以及是否能自行微調或託管。阿里巴巴透過 Qwen 家族與 Model Studio，把這些渠道串接起來。11722

3. 更便宜、更靈活的模型開始改變採購邏輯

如果一個模型已足以處理程式設計助理、翻譯、檢索、客服或企業內部 copilot，買家未必需要在每一項前沿測試都追求最高分。開放權重、效率較高的 MoE 架構與雲端供應，都可能降低採用門檻，即使模型沒有明確統治整個市場。

這也迫使高價的專有模型服務商，包括 Anthropic，必須以可量化的可靠性、安全性、工具使用、上下文處理、企業控制能力與服務品質來證明價格合理，而不能只依靠「前沿模型」的標籤。當時的報導同樣指出，中國模型正縮小能力差距，並積極以成本與取得便利性競爭。47

較可能出現的結果不是市場立即改朝換代，而是進一步分化：部分組織仍會為最強的封閉模型付費；另一些企業則會因性能、控制權、在地化與營運成本之間的組合更理想，選擇中國模型或開放權重替代方案。

「Ox Alpha」究竟是什麼？

目前提供的證據不足以證明，名為 Ox Alpha 的中國前沿模型是一個已公開發布、並且可與 DeepSeek-V3 或 Qwen2.5-Max 相提並論的實際系統。因此，它應被視為未經核實的名稱或推測，而不能作為評估中國 AI 能力的證據。

即使排除這個未證實的說法，整體結論仍然成立：Qwen、DeepSeek 等中國開發者，已讓 AI 前沿變得更加多極化。真正的競爭武器不只是更大的模型，也包括 MoE 效率、開放權重、多語言覆蓋、雲端 API、硬體可攜性，以及把模型家族發展成全球開發者生態系的能力。