2月4日凌晨，三方基准测试平台Chatbot Arena公布了最新的大模型盲测榜单，一周前刚发布的Qwen2.5-Max超越DeepSeek V3、o1-mini和Claude-3.5-Sonnet等模型，以1332分位列全球第七名，也是非推理类的中国大模型冠军。同时，Qwen2.5-Max在数学和编程等单项能力上排名第一，在硬提示（Hard prompts）方面排名第二。

截图自https://lmarena.ai/?leaderboard

据了解，Chatbot Arena是由LMSYS Org推出的大模型性能测试平台，目前集成了190多种模型。该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。

ChatBot Arena官方评价称：阿里巴巴的Qwen2.5-Max在多个领域表现强劲，特别是专业技术向的（编程、数学、硬提示等）。

Qwen2.5-Max是阿里云通义团队约一周前发布的最新MoE模型，展现出极强劲的性能。在Arena-Hard、LiveBench、LiveCodeBench、GPQA-Diamond及MMLU-Pro等主流基准测试中，Qwen2.5-Max比肩Claude-3.5-Sonnet，并几乎全面超越了GPT-4o、DeepSeek-V3及Llama-3.1-405B。

Qwen2.5-Max发布后，立刻在海内外大模型社区引发热议：ChatBot Arena官方发推文称，以Qwen2.5-Max为代表的中国大模型正在迎头赶上；有从业者在惊叹新模型强大性能的同时，也兴奋地表示：“我们可以告别ChatGPT了！”

目前，企业可在阿里云百炼调用Qwen2.5-Max模型的API服务，开发者也可在Qwen Chat平台中免费体验最新模型。

（完）