DeepSeek大爆后，又一中国模型实现了对OpenAI的赶超。
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，包括阿里云在内的多家中国公司旗下大模型性能跻身前列。其中，一周前阿里云通义团队刚发布的Qwen2.5-Max超越DeepSeek V3、OpenAI 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。
值得一提的是，不论是春节期间火爆全球的DeepSeek，还是此次迎头赶上的阿里云通义团队，两者都来自浙江杭州。
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Chat GPT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。
在乙巳蛇年的春节假期里，中国大模型既有DeepSeek在海外市场走红的突出表现，也有阿里云在模型性能方面的突破创新。有市场分析观点表示，此前过度聚焦DeepSeek，却忽视了包括阿里通义在内的中国AI整体性追赶。
国产大模型的崛起让更多人意识到，Open AI已不再是大模型领域的唯一主导者。正如Chatbot Arena官方评价：“以Qwen2.5-Max为代表的中国大模型正在迎头赶上。”而OpenAI首席执行官山姆·奥特曼曾在o3-mini推出后承认，中国AI的崛起削弱了OpenAI的技术领先优势。
