就在 DeepSeek v3 发布一个月后，老牌霸主阿里云通义千问团队放出了 Qwen2.5 系列的最强旗舰模型——Qwen2.5-Max，在难以作弊的 Arena 榜单上，超越 DeepSeek V3。

这里多扯一嘴，Arena 这个榜单可不是学术测试集，模型不仅无法提前知道题目，甚至参与测试的人员都无法提前知道在测的是哪个模型。

Arena 榜单采用匿名方式将大模型两两组队，交给用户进行盲测，用户根据真实对话体验对 模型能力进行投票。因此，Chatbot Arena LLM Leaderboard 成为业界公认的最公正、最权 威榜单之一，也是全球顶级大模型的最重要竞技场。

不止是 Arena 榜单，包括 LiveBench、LiveCodeBench、GPQA-Diamond 及 MMLU-Pro 在内的一众基准测试，Qwen2.5-Max 都全面的超越了 DeepSeek-V3。

好家伙，DeepSeek V3 的王座还没坐热乎呢，仅仅一个月就被通义的新旗舰端了吗？？

我注意到，这两天咱们的各个 Family 群里也陆续有家人发现这个 Qwen2.5-Max 有点牛逼了——

就连外网都出现了大量百万阅读量的讨论帖：

还有老哥干脆跟 ChatGPT 去"Say Goodbye"了——

根据阿里云官方的说法，这个 Qwen2.5-Max 模型最牛逼的是在于数学和编程，还有一个不太常见的名词“硬提示（Hard Prompts）”——

这个硬提示是 Arena 中的一项能力测试，你可以简单理解成，考察模型对于一些模糊、抽象、开放、需要创造力的用户指令，是否能很好的处理。

比如 “写一首关于夏天的诗”，或者 “宇智波斑能打得过贝吉塔吗”，这种 case 就非常考验模型自身的知识储备、创造力（脑洞）甚至推理能力。

最近特别火的 DeepSeek 的一个回答——

满满的家国情怀。

同样的问题，我问了 Qwen2.5-Max——

好理科脑，又好奇地追问了第二伟大是什么：

一个预料之外的答案，Qwen2.5-Max 我愿称你为理科狂魔…

你俩真的是一个理科脑，一个文科脑，我好想给 Qwen 和 DeepSeek 磕 CP 啊

当然，在这种考察 AI 脑洞的问题上，主要考察的是提问者的脑洞。所以，你可以在评论区秀出你和 Qwen2.5-Max 的脑洞。

差点忘了给你们贴 Qwen2.5-Max 的传送门：

网页端：
https://chat.qwenlm.ai/

API 调用：

在阿里云百炼平台上可以直接调用 API 服务

这里必须要提一嘴，打开官网后，你能看到下面这个“Artifacts”功能。如果你准备跑一些在线运行的编程类问题，一定要勾选这个。

要我说，这次 Qwen2.5-Max 能打败 DeepSeek-V3，不仅在于榜单和效果上全面超越，这个能实时渲染前端代码的 Artifacts 功能也是加了大分。

Qwen2.5-Max 强大的编程能力搭配上 Artifacts，玩法瞬间打开了，即使你完全不懂编程。

比如你可以直接让 Qwen2.5-Max 给你在线写代码放烟花——

提示词：今年过年七彩祥云的烟花特别火，我想要一个电子版的七彩祥云烟花动画

这不妥妥的来自程序员的浪漫嘛，哪个女生不心动！

如果觉得放烟花不过瘾，想有更多参与感，你甚至可以让他为你做一个更浪漫的交互式艺术作品——

提示词：编写一个程序，生成一幅动态艺术画。画布上随机生成多个点，这些点会按照一定的规则移动（如随机游走、相互排斥、跟随鼠标等），并留下轨迹。最终生成一幅随时间变化的动态艺术作品。

你们注意看，我的鼠标移动到哪儿，这些五彩斑斓的小蝌蚪就跟到哪里，突然感受到了一股情绪价值…

我甚至隐隐的觉得，如果有一天 AI 足够强大，这类交互式的艺术作品可能演变为一种新的内容载体。

当然，上面这种轻应用只是好玩，实测让 Qwen2.5-Max 写功能性的应用也完全没问题。

比如让它生成一个记录 TODO 列表的小应用。

提示词：Help me create a to-do list app in JavaScript.

功能演示——

甚至你可以让他直接写一个国际象棋游戏——

提示词: 制作一个中国象棋游戏

这个提示词真的没法更简单了。

看下效果——

实测了一下，象棋规则完整的实现为了正确代码，一个双人对战象棋游戏就这样一次过了。

好了，你可以卸载掉电脑上的联众世界了。

大火的物理模拟实测

众所周知，前些天，推特上这条物理模拟的帖子引发了将近 400 万围观。我准备拿来测一下 Qwen2.5-Max。

提示词：写一个程序，展示一个球在旋转六边形里边弹跳。球应受重力和摩擦的影响，它必须实际上从旋转的墙壁上弹起

这道编程题的目标是，实现让一个球在旋转的六边形内弹跳，小球跳动的过程中要遵循重力和摩擦力的影响，是一个逼真的物理模拟 case。下面这个视频是网友跑的 o3-mini 和 DeepSeek R1 的表现：

我加测了一下 Qwen2.5-Max——

哈，竟然翻车了。

不过，在经过人工提醒和一次修正后，它成功了！

效果如下：

小球成功的 duangduang 弹跳、碰撞起来了。

我实测下来，写的应用项目越复杂，越需要优化提示词，并配合“人工反馈 + 抽卡大法”。这一点像文生图/文生视频赛道的特点了。

随着大模型编程能力提升和 Artifacts 渲染边界扩展，可能“人人都是程序员”的时代不远了。

文学测试

虽然根据官方的宣传和实测体感，Qwen2.5-Max 的理科能力非常强。但当我顺手跑了一下文学题目后，发现它的回答同样兼具温度和智慧。

比如你们看这个——

有被感动到！它居然在写信之前，告诉我们“每个人都有选择自己生活的权利，包括生育”。而且，整封信都在用温柔且开放的语气，最后还提出建议调整标题。

我只能说：真的不是人，它一点也不刻薄！

压轴：AI 专用变态测试系列

当然，文科理科并不能代表 AI 能力的全部。

既然你是个 AI，那一定少不了《AI 专用变态测试系列》题目。

比如这道 Family 群里一位家人提出的倒装句测试题，已经难崩了包括 DeepSeek、Gemini 等在内的一众 AI——

我丢给 Qwen2.5-Max 后——

竟然真做对了！

这个还是蛮神奇的。虽然不是每句话的倒装都能对，但我发现 Qwen2.5-Max 这方面的“抗压能力”确实更胜一筹。

你如果质疑它看不懂倒装句，还会收获一条充满情绪价值的回答——

最难的草莓测试

写本文的时候，咱们刚好推送了 Gemini 2.0 全家桶发布的文章，评论区逮到一个评论 ⬇️

好啊，两年过去了，草莓测试还是这么难吗？

刚刚发布的 Gemini 2.0 Pro 在这道题上也是翻车了——

草莓这道题，就好像大模型头上的一个痦子，那么小，又那么碍眼。

虽说我三岁的小侄子都能数对，但是对于 2 岁（从 ChatGPT22 年 11 月算起）的大模型来说还是很难。

有专业的粉丝指出，带反思的推理模型才能解的好。

但我顺手丢给 Qwen2.5-Max 后——

竟然对了！

但要注意，我实测下来发现，不是每个单词都能这样一句话做对。但是，如果你在提示词后面加一句“一个一个的数”，Qwen2.5-Max 数字母会非常稳。比如这道题——

但我发现，这个提示词技巧，对大部分其他国产模型是不生效的，不得不说 Qwen2.5-Max 的指令遵循和综合能力确实强，大家可以实测一下。

结语

在对 Qwen2.5-Max 深度评测后，我想到了一句话——

有人逐日，有人摘星。

DeepSeek V3 的发布和爆火，让我们看到了 MoE 模型的潜力，让世界看到中国 AI 的锋芒。

探索 AGI 的路上并不孤单，DeepSeek 和 Qwen 都是中国 AI 大模型的代表力量，当然还有很多优秀国产代表。

说个冷知识，DeepSeek 将 R1 蒸馏出的 6 个小尺寸模型，有 4 个用的是 Qwen 开源模型，李飞飞最新发布的 S1，也是用 Qwen2.5-32B 作为基座模型。

Qwen 在研发超大规模的 MoE 模型上一直在持续努力，2024 年 6 月 Qwen 就开源过一个 57B 的 MoE 模型，这次使用超过 20 万亿 token 的预训练数据及精心设计的后训练方案进行训练，祭出了 Qwen2.5-Max 这个新的王炸。

为同一个 AGI 的目标努力，我们都是一家人。

逐日与摘星， 东方星空会更加璀璨。

AI大模型学习路线

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

扫描下方csdn官方合作二维码获取哦！

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓