2月4日凌晨，三方基準(zhǔn)測試平臺Chatbot Arena公布了最新的大模型盲測榜單，一周前剛發(fā)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，也是非推理類的中國大模型冠軍。同時(shí)，Qwen2.5-Max在數(shù)學(xué)和編程等單項(xiàng)能力上排名第一，在硬提示（Hard prompts）方面排名第二。

截圖自https://lmarena.ai/?leaderboard

據(jù)了解，Chatbot Arena是由LMSYS Org推出的大模型性能測試平臺，目前集成了190多種模型。該榜單采用匿名方式將大模型兩兩組隊(duì)，交給用戶進(jìn)行盲測，用戶根據(jù)真實(shí)對話體驗(yàn)對模型能力進(jìn)行投票。因此，Chatbot Arena LLM Leaderboard成為業(yè)界公認(rèn)的最公正、最權(quán)威榜單之一，也是全球頂級大模型的最重要競技場。

ChatBot Arena官方評價(jià)稱：阿里巴巴的Qwen2.5-Max在多個(gè)領(lǐng)域表現(xiàn)強(qiáng)勁，特別是專業(yè)技術(shù)向的（編程、數(shù)學(xué)、硬提示等）。

Qwen2.5-Max是阿里云通義團(tuán)隊(duì)約一周前發(fā)布的最新MoE模型，展現(xiàn)出極強(qiáng)勁的性能。在Arena-Hard、LiveBench、LiveCodeBench、GPQA-Diamond及MMLU-Pro等主流基準(zhǔn)測試中，Qwen2.5-Max比肩Claude-3.5-Sonnet，并幾乎全面超越了GPT-4o、DeepSeek-V3及Llama-3.1-405B。