Qwen 2.5 Max: funzionalità, confronto con DeepSeek V3 e altro

Alibaba ha appena rilasciato Qwen2.5-Max, il suo modello di IA più avanzato finora. Non è un modello di ragionamento come DeepSeek R1 o l’o1 di OpenAI, il che significa che non puoi vedere il suo processo di pensiero.

È meglio considerare Qwen2.5-Max come un modello generalista e un concorrente di GPT-4o, Claude 3.5 Sonnet o DeepSeek V3.

In questo blog, vedremo cos’è Qwen2.5-Max, come è stato sviluppato, come si confronta con la concorrenza e come puoi accedervi.

Teniamo aggiornatə i lettori sulle ultime novità dell’IA inviando The Median, la nostra newsletter gratuita del venerdì che spiega le notizie chiave della settimana. Iscriviti e resta sul pezzo in pochi minuti a settimana:

Che cos’è Qwen2.5-Max?

Qwen2.5-Max è il modello di IA più potente di Alibaba fino a oggi, progettato per competere con modelli di fascia alta come GPT-4o, Claude 3.5 Sonnet e DeepSeek V3.

Alibaba, una delle più grandi aziende tech della Cina, è nota soprattutto per le sue piattaforme di e-commerce, ma ha costruito anche una solida presenza nel cloud computing e nell’intelligenza artificiale. La serie Qwen fa parte di un ecosistema di IA più ampio, che va da modelli open-weight più piccoli a sistemi proprietari su larga scala.

A differenza di alcuni modelli Qwen precedenti, Qwen2.5-Max non è open-source, quindi i suoi pesi non sono disponibili pubblicamente.

Addestrato su 20.000 miliardi di token, Qwen2.5-Max dispone di una base di conoscenze vastissima e di forti capacità generali di IA. Tuttavia, non è un modello di ragionamento come DeepSeek R1 o l’o1 di OpenAI, quindi non mostra esplicitamente il proprio processo di pensiero. Detto questo, dato l’espansione continua di Alibaba nell’IA, potremmo vedere un modello dedicato al ragionamento in futuro—forse con Qwen 3.

Come funziona Qwen2.5-Max?

Qwen2.5-Max utilizza un’architettura Mixture-of-Experts (MoE), una tecnica usata anche da DeepSeek V3. Questo approccio permette al modello di scalare mantenendo sotto controllo i costi computazionali. Vediamo i componenti chiave in modo semplice.

Architettura Mixture-of-Experts (MoE)

A differenza dei modelli di IA tradizionali che usano tutti i propri parametri per ogni compito, i modelli MoE come Qwen2.5-Max e DeepSeek V3 attivano solo le parti più rilevanti del modello in un dato momento.

Puoi immaginarlo come una squadra di specialisti: se fai una domanda complessa di fisica, rispondono solo gli esperti di fisica, mentre il resto della squadra rimane inattivo. Questa attivazione selettiva consente di gestire l’elaborazione su larga scala in modo più efficiente senza richiedere quantità estreme di potenza di calcolo.

Questo metodo rende Qwen2.5-Max sia potente che scalabile, permettendogli di competere con i modelli densi come GPT-4o e Claude 3.5 Sonnet pur essendo più efficiente in termini di risorse—un modello denso è quello in cui tutti i parametri sono attivati per ogni input.

Addestramento e fine-tuning

Qwen2.5-Max è stato addestrato su 20.000 miliardi di token, coprendo un’ampia gamma di argomenti, lingue e contesti.

Per dare un’idea di cosa significhi 20.000 miliardi di token, sono circa 15.000 miliardi di parole—una quantità talmente vasta da essere difficile da concepire. Per confronto, 1984 di George Orwell contiene circa 89.000 parole, il che significa che Qwen2.5-Max è stato addestrato sull’equivalente di 168 milioni di copie di 1984.

Tuttavia, i soli dati grezzi di addestramento non garantiscono un modello di IA di alta qualità, quindi Alibaba lo ha ulteriormente perfezionato con:

• Supervised fine-tuning (SFT): annotatori umani hanno fornito risposte di alta qualità per guidare il modello a produrre output più accurati e utili.
• Reinforcement learning from human feedback (RLHF): il modello è stato addestrato ad allineare le sue risposte alle preferenze umane, assicurando output più naturali e consapevoli del contesto.

Benchmark di Qwen2.5-Max

Qwen2.5-Max è stato testato rispetto ad altri modelli di IA leader per misurarne le capacità su vari compiti. Questi benchmark valutano sia i modelli instruct (ottimizzati per compiti come chat e coding) sia i modelli base (la base grezza prima del fine-tuning). Capire questa distinzione aiuta a chiarire il reale significato dei numeri.

Benchmark dei modelli instruct

I modelli instruct sono ottimizzati per applicazioni reali, tra cui conversazione, coding e compiti di conoscenza generale. Qui Qwen2.5-Max è confrontato con modelli come GPT-4o, Claude 3.5 Sonnet, Llama 3.1 405B e DeepSeek V3.

Confronto dei modelli instruct. Fonte: QwenLM

Ecco un rapido riepilogo dei risultati:

• Arena-Hard (benchmark di preferenza): Qwen2.5-Max ottiene 89,4, davanti a DeepSeek V3 (85,5) e Claude 3.5 Sonnet (85,2). Questo benchmark approssima la preferenza umana nelle risposte generate dall’IA.
• MMLU-Pro (conoscenza e ragionamento): Qwen2.5-Max segna 76,1, leggermente davanti a DeepSeek V3 (75,9) ma anche poco sotto il leader Claude 3.5 Sonnet (78,0) e il secondo GPT-4o (77,0).
• GPQA-Diamond (QA di conoscenza generale): Con 60,1, Qwen2.5-Max supera di poco DeepSeek V3 (59,1), mentre Claude 3.5 Sonnet guida con 65,0.
• LiveCodeBench (capacità di coding): Con 38,7, Qwen2.5-Max è all’incirca in linea con DeepSeek V3 (37,6) ma dietro Claude 3.5 Sonnet (38,9).
• LiveBench (capacità complessive): Qwen2.5-Max è in testa con 62,2, superando DeepSeek V3 (60,5) e Claude 3.5 Sonnet (60,3), a indicare una solida competenza in compiti di IA reali.

Nel complesso, Qwen2.5-Max si dimostra un modello di IA completo, eccellendo nei compiti basati sulle preferenze e nelle capacità generali, mantenendo al contempo conoscenze e abilità di coding competitive.

Benchmark dei modelli base

Poiché GPT-4o e Claude 3.5 Sonnet sono modelli proprietari senza versioni base pubbliche, il confronto è limitato a modelli open-weight come Qwen2.5-Max, DeepSeek V3, LLaMA 3.1-405B e Qwen 2.5-72B. Questo offre un quadro più chiaro di come Qwen2.5-Max si posizioni rispetto ai principali modelli open su larga scala.

Confronto dei modelli base. Fonte: QwenLM

Osservando da vicino il grafico sopra, è suddiviso in tre sezioni in base al tipo di benchmark valutati:

1. Conoscenza generale e comprensione del linguaggio (MMLU, MMLU-Pro, BBH, C-Eval, CMMU): Qwen2.5-Max è in testa in tutti i benchmark di questa categoria, con 87,9 su MMLU e 92,2 su C-Eval, superando DeepSeek V3 e Llama 3.1-405B. Questi benchmark si concentrano sull’ampiezza e profondità delle conoscenze e sulla capacità di applicarle in un contesto di ragionamento.
2. Coding e problem solving (HumanEval, MBPP, CRUX-I, CRUX-O): Qwen2.5-Max è in testa anche qui e si comporta bene nei compiti legati al coding, con 73,2 su HumanEval e 80,6 su MBPP, leggermente davanti a DeepSeek V3 e nettamente davanti a Llama 3.1-405B. Questi benchmark misurano abilità di programmazione, problem solving e la capacità di seguire istruzioni o generare soluzioni in autonomia.
3. Risoluzione di problemi matematici (GSM8K, MATH): Il ragionamento matematico è uno dei punti di forza di Qwen2.5-Max, che raggiunge 94,5 su GSM8K, ben avanti a DeepSeek V3 (89,3) e Llama 3.1-405B (89,0). Su MATH, che si concentra su problemi più complessi, Qwen2.5-Max ottiene 68,5, superando di poco i concorrenti ma con margine di miglioramento.

Come accedere a Qwen2.5-Max

Accedere a Qwen2.5-Max è semplice e puoi provarlo gratis senza configurazioni complicate.

Qwen Chat

Il modo più rapido per provare Qwen2.5-Max è tramite la piattaforma Qwen Chat. Si tratta di un’interfaccia web che ti permette di interagire con il modello direttamente dal browser—proprio come useresti ChatGPT nel browser.

Per usare il modello Qwen2.5-Max, apri il menu a tendina dei modelli e seleziona Qwen2.5-Max:

Accesso API tramite Alibaba Cloud

Per gli sviluppatori, Qwen2.5-Max è disponibile tramite l’API di Model Studio su Alibaba Cloud. Per usarla, devi registrarti a un account Alibaba Cloud, attivare il servizio Model Studio e generare una chiave API.

Poiché l’API segue il formato di OpenAI, l’integrazione dovrebbe essere semplice se hai già familiarità con i modelli OpenAI. Per istruzioni di configurazione dettagliate, visita il blog di Qwen2.5-Max ufficiale.

Conclusione

Qwen2.5-Max è il modello di IA più capace di Alibaba finora, costruito per competere con modelli di punta come GPT-4o, Claude 3.5 Sonnet e DeepSeek V3.

A differenza di alcuni modelli Qwen precedenti, Qwen2.5-Max non è open-source, ma è disponibile per i test tramite Qwen Chat o via API su Alibaba Cloud.

Dato l’investimento continuo di Alibaba nell’IA, non sarebbe sorprendente vedere in futuro un modello incentrato sul ragionamento—forse con Qwen 3.

Se vuoi leggere altre notizie sull’IA, ti consiglio questi articoli:

• Janus-Pro di DeepSeek
• DeepSeek-R1
• Operator di OpenAI
• Titans Architecture di Google