新年还没过，推理大模型就开始了卷了，除夕当天Qwen就发布了重磅的Qwen2.5 Max推理模型，
一、Qwen2.5 Max
2025年1月28日，qwen团队发布了Qwen2.5 Max，总体来说，还是很不错的。下面是摘抄他们发表的信息：
We evaluate Qwen2.5-Max alongside leading models, whether proprietary or open-weight, across a range of benchmarks that are of significant interest to the community. These include MMLU-Pro, which tests knowledge through college-level problems, LiveCodeBench, which assesses coding capabilities, LiveBench, which comprehensively tests the general capabilities, and Arena-Hard, which approximates human preferences. Our findings include the performance scores for both base models and instruct models.
我们在社区引起的一系列基准中评估了QWEN2.5-MAX以及主要模型，无论是专有还是开放权重。其中包括MMLU-PRO，它通过大学级别的问题来测试知识，LiveCodebench评估了编码功能，LiveBench，它全面测试了一般能力和竞技场，近似人类的偏好。我们的发现包括基本模型和指导模型的性能得分。
We begin by directly comparing the performance of the instruct models, which can serve for downstream applications such as chat and coding. We present the performance results of Qwen2.5-Max alongside leading state-of-the-art models, including DeepSeek V3, GPT-4o, and Claude-3.5-Sonnet.
我们首先直接比较指令模型的性能，该模型可以用于下游应用程序，例如聊天和编码。我们介绍了QWEN2.5-MAX的性能结果以及领先的最先进模型，包括DeepSeek V3，GPT-4O和Claude-3.5-Sonnet。
来源：
QWEN2.5-MAX：探索大型Moe模型的智能| QWEN --- Qwen2.5-Max: Exploring the Intelligence of Large-scale MoE Model | Qwen
二、使用体验
经过几天的使用体验，发现在速度上和代码能力上都是很强的，不过没有给推理过程，但是也不影响他的强大。接下来讲一下他的使用体验。
1、功能模块
现在可用的就是Artifacts（编程预览）、ImageGeneration（图像生成），在开发的web Search（联网搜索）和Video Generation（视频生成）。
2、Qwen2.5 Max测试
（1）推理对比（DeepSeek R1）
问题一：你认为人类历史上最伟大的四个字是什么？只需要答案不需要解释
Qwen2.5 Max的回答：
DeepSeek R1的回答：
这两个回答，我更喜欢DeepSeek的，更加贴近中国的思想，Qwen就更加普适化，怎么说都没错的感觉了。
问题二：你认为人类历史上最伟大的四个字是什么？只需要答案不需要解释
这样看来，DeepSeek更像文科，Qwen更像理科的思维
问题三：整理并使用知识图谱分析从中学到大学的数学变化和学习逻辑
Qwen回答的挺理科生的，分点答，而且制作的知识图谱也还可以，还给出一个启示，思考的还是挺面面俱到的
对比DeepSeek反而只输出了知识图谱，格式还是一般般：
看了一下，原来是思考的过程被上下文影响了，这也反映了它还是很强的上下文关联能力
我们新开一个对话，看看，这次使用的词语更加专业化了，分析的都很学术化，而且都能够整理抽取出来核心内容，还是挺像一个学术型的人一样。
问题4：川普当选总统，你用一个四川的口吻写一封英语的祝贺信给他，顺便翻译一下给我看
Qwen还是一如既往的一步一个脚印，按部就班的写出来，不过还是挺有趣的，属于优秀的水平。
我们看看DeepSeek，首先还是思考还是挺正常的流程，但是看看答案不过对比起来Qwen，更有趣，更搞笑。
总结：综合起来看，Qwen更像一个优秀的孩子，水平一直都不错，是隔壁家的孩子，而DeepSeek更像一个活泼的优秀孩子，有点调皮。
（2）编程测试
其实我之前用DeepSeek进行开发过，虽然给出了结果，但是每次添加的需求，好像会把以前的串联起来，最后的代码有点怪。直接来看Qwen吧，就是最近需要做一个抽签系统，首先我把需求给它：
1、第一轮，给出的答案是网页的代码是分开的
2、第二轮，我叫他整合为一个文件，直接输出，没有半点思考
效果如下：
导入的姓名是让Qwen生成100个，它给我111个，是不是想要点赞啊。
3、第三轮第四轮都是优化代码，而且这次上下文关联的很强，都是在当前代码上修改，不会出现变成一个新的页面
下面是最后抽奖的效果对比，左边是第一版，右边是最终版：
虽然是还有点小问题，但是问题不大。
总结：Qwen2.5 Max在测试的网页上可用性非常强，展示了一个程序员的应有素质。
3、图片生成
图片生成对中文不太友好，没有通义和豆包生成的中文字准确，而且把少年闰土化成欧美风，我发现其他的也是欧美风，估计在训练的时候使用的是国外的数据集。
4、最后想说的
Qwen这次发布的Qwen2.5 Max是非常棒的，能够做到很多事情都是能够独立思考，就像前面连续问了无关的题目，再问整理数学知识的，会按照自己的想法进行，但是DeepSeek会有点关联去思考，但是独立来问的话，丰富性还是DeepSeek R1的好。另外他的编程还是很放心的，能够把需求做到有求必应，还能做到在原有的基础上改进，是很强的表现了，甚至比Cursor的好。如果DeepSeek R1还是网络繁忙，我会主要使用Qwen2.5 Max，后续他还会出联网搜索和视频生成，不过生图这些功能会考虑成熟的像豆包通义这些。
