Qwen 2.5 Max: Tính năng, so sánh với DeepSeek V3 và hơn thế nữa

Alibaba vừa phát hành Qwen2.5-Max, mô hình AI tiên tiến nhất của hãng cho đến nay. Đây không phải là mô hình lập luận như DeepSeek R1 hay o1 của OpenAI, nghĩa là bạn không thể xem quá trình suy nghĩ của nó.

Tốt hơn hết hãy coi Qwen2.5-Max là một mô hình tổng quát và là đối thủ của GPT-4o, Claude 3.5 Sonnet hoặc DeepSeek V3.

Trong bài viết này, tôi sẽ trình bày Qwen2.5-Max là gì, cách nó được phát triển, so kè với các đối thủ ra sao và cách bạn có thể truy cập nó.

Chúng tôi luôn cập nhật cho độc giả những tin tức mới nhất về AI qua The Median, bản tin miễn phí mỗi thứ Sáu tóm lược các câu chuyện nổi bật trong tuần. Đăng ký để nắm bắt nhanh chỉ trong vài phút mỗi tuần:

Qwen2.5-Max là gì?

Qwen2.5-Max là mô hình AI mạnh mẽ nhất của Alibaba đến nay, được thiết kế để cạnh tranh với các mô hình hàng đầu như GPT-4o, Claude 3.5 Sonnet và DeepSeek V3.

Alibaba, một trong những công ty công nghệ lớn nhất Trung Quốc, nổi tiếng với các nền tảng thương mại điện tử, nhưng cũng đã xây dựng vị thế vững chắc trong điện toán đám mây và trí tuệ nhân tạo. Dòng Qwen là một phần của hệ sinh thái AI rộng hơn của hãng, trải dài từ các mô hình mã mở nhỏ đến các hệ thống độc quyền quy mô lớn.

Khác với một số mô hình Qwen trước đây, Qwen2.5-Max không phải mã nguồn mở, nghĩa là trọng số của nó không được công khai.

Được huấn luyện trên 20 nghìn tỷ token, Qwen2.5-Max có nền tảng tri thức đồ sộ và năng lực AI tổng quát mạnh. Tuy nhiên, đây không phải là mô hình lập luận như DeepSeek R1 hay o1 của OpenAI, tức là nó không hiển thị tường minh quá trình suy nghĩ. Dẫu vậy, với đà mở rộng AI liên tục của Alibaba, chúng ta có thể thấy một mô hình tập trung vào lập luận trong tương lai—có thể là với Qwen 3.

Qwen2.5-Max hoạt động như thế nào?

Qwen2.5-Max sử dụng kiến trúc Mixture-of-Experts (MoE), một kỹ thuật cũng được DeepSeek V3 áp dụng. Cách tiếp cận này cho phép mô hình mở rộng quy mô trong khi vẫn giữ chi phí tính toán ở mức hợp lý. Hãy cùng phân tích các thành phần chính theo cách dễ hiểu.

Kiến trúc Mixture-of-Experts (MoE)

Không giống các mô hình AI truyền thống sử dụng tất cả tham số cho mọi tác vụ, các mô hình MoE như Qwen2.5-Max và DeepSeek V3 chỉ kích hoạt những phần liên quan nhất của mô hình tại mỗi thời điểm.

Bạn có thể hình dung như một đội ngũ chuyên gia: nếu bạn hỏi một câu phức tạp về vật lý, chỉ các chuyên gia vật lý sẽ phản hồi, trong khi phần còn lại ở trạng thái không hoạt động. Cơ chế kích hoạt chọn lọc này giúp mô hình xử lý quy mô lớn hiệu quả hơn mà không cần sức mạnh tính toán quá lớn.

Phương pháp này giúp Qwen2.5-Max vừa mạnh mẽ vừa có thể mở rộng, cho phép cạnh tranh với các mô hình đặc như GPT-4o và Claude 3.5 Sonnet trong khi sử dụng tài nguyên hiệu quả hơn—một mô hình đặc là mô hình trong đó tất cả tham số đều được kích hoạt cho mọi đầu vào.

Huấn luyện và tinh chỉnh

Qwen2.5-Max được huấn luyện trên 20 nghìn tỷ token, bao phủ phạm vi rộng lớn về chủ đề, ngôn ngữ và ngữ cảnh.

Để hình dung 20 nghìn tỷ token, đó tương đương khoảng 15 nghìn tỷ từ—một lượng khổng lồ khó nắm bắt. So sánh, cuốn 1984 của George Orwell có khoảng 89.000 từ, nghĩa là Qwen2.5-Max đã được huấn luyện trên lượng dữ liệu tương đương 168 triệu bản 1984.

Tuy nhiên, chỉ dữ liệu huấn luyện thô thôi không đảm bảo mô hình AI chất lượng cao, nên Alibaba đã tinh luyện thêm với:

• Tinh chỉnh có giám sát (SFT): Người gán nhãn cung cấp phản hồi chất lượng cao để định hướng mô hình tạo ra kết quả chính xác và hữu ích hơn.
• Học tăng cường từ phản hồi của con người (RLHF): Mô hình được huấn luyện để điều chỉnh câu trả lời theo sở thích của con người, đảm bảo phản hồi tự nhiên và nhận biết ngữ cảnh hơn.

Các điểm chuẩn (benchmarks) của Qwen2.5-Max

Qwen2.5-Max đã được kiểm tra so với các mô hình AI hàng đầu khác để đo lường năng lực trên nhiều tác vụ. Các điểm chuẩn này đánh giá cả mô hình instruct (được tinh chỉnh cho các tác vụ như trò chuyện và viết mã) và mô hình base (nền tảng thô trước khi tinh chỉnh). Hiểu sự khác biệt này giúp làm rõ ý nghĩa thực sự của các con số.

Điểm chuẩn của mô hình instruct

Các mô hình instruct được tinh chỉnh cho ứng dụng thực tế, gồm hội thoại, lập trình và nhiệm vụ kiến thức tổng quát. Ở đây, Qwen2.5-Max được so sánh với các mô hình như GPT-4o, Claude 3.5 Sonnet, Llama 3.1 405B và DeepSeek V3.

So sánh các mô hình instruct. Nguồn: QwenLM

Hãy điểm nhanh các kết quả:

• Arena-Hard (điểm chuẩn sở thích): Qwen2.5-Max đạt 89,4, dẫn trước DeepSeek V3 (85,5) và Claude 3.5 Sonnet (85,2). Điểm chuẩn này xấp xỉ sở thích của con người trong các phản hồi do AI tạo ra.
• MMLU-Pro (kiến thức và lập luận): Qwen2.5-Max đạt 76,1, nhỉnh hơn DeepSeek V3 (75,9) nhưng kém một chút so với dẫn đầu Claude 3.5 Sonnet (78,0) và á quân GPT-4o (77,0).
• GPQA-Diamond (hỏi đáp kiến thức tổng quát): Đạt 60,1, Qwen2.5-Max nhỉnh hơn DeepSeek V3 (59,1), trong khi Claude 3.5 Sonnet dẫn đầu với 65,0.
• LiveCodeBench (khả năng lập trình): Với 38,7, Qwen2.5-Max tương đương DeepSeek V3 (37,6) nhưng kém Claude 3.5 Sonnet (38,9).
• LiveBench (năng lực tổng thể): Qwen2.5-Max dẫn đầu với 62,2, vượt DeepSeek V3 (60,5) và Claude 3.5 Sonnet (60,3), cho thấy năng lực rộng trên các tác vụ AI thực tế.

Nhìn chung, Qwen2.5-Max là một mô hình AI toàn diện, vượt trội ở các tác vụ dựa trên sở thích và năng lực AI tổng quát, đồng thời duy trì khả năng kiến thức và lập trình mang tính cạnh tranh.

Điểm chuẩn của mô hình base

Do GPT-4o và Claude 3.5 Sonnet là các mô hình độc quyền không có phiên bản base công khai, phép so sánh được giới hạn ở các mô hình mã mở như Qwen2.5-Max, DeepSeek V3, LLaMA 3.1-405B và Qwen 2.5-72B. Điều này mang lại cái nhìn rõ hơn về vị thế của Qwen2.5-Max so với các mô hình mở quy mô lớn hàng đầu.

So sánh các mô hình base. Nguồn: QwenLM

Nếu bạn quan sát kỹ biểu đồ trên, nó được chia thành ba phần theo loại điểm chuẩn được đánh giá:

1. Kiến thức chung và hiểu ngôn ngữ (MMLU, MMLU-Pro, BBH, C-Eval, CMMU): Qwen2.5-Max dẫn đầu ở tất cả các điểm chuẩn trong nhóm này, đạt 87,9 ở MMLU và 92,2 ở C-Eval, vượt qua DeepSeek V3 và Llama 3.1-405B. Các điểm chuẩn này tập trung vào bề rộng và chiều sâu kiến thức cũng như khả năng vận dụng kiến thức trong bối cảnh lập luận.
2. Lập trình và giải quyết vấn đề (HumanEval, MBPP, CRUX-I, CRUX-O): Qwen2.5-Max cũng dẫn đầu ở tất cả các điểm chuẩn và thể hiện tốt trong các tác vụ liên quan đến lập trình, đạt 73,2 ở HumanEval và 80,6 ở MBPP, nhỉnh hơn DeepSeek V3 và vượt khá xa Llama 3.1-405B. Các điểm chuẩn này đo lường kỹ năng lập trình, giải quyết vấn đề và khả năng làm theo hướng dẫn hoặc tự tạo giải pháp.
3. Giải toán (GSM8K, MATH): Lập luận toán học là một trong những thế mạnh nhất của Qwen2.5-Max, đạt 94,5 ở GSM8K, vượt xa DeepSeek V3 (89,3) và Llama 3.1-405B (89,0). Tuy nhiên, ở MATH—tập trung vào các bài toán phức tạp hơn—Qwen2.5-Max đạt 68,5, nhỉnh hơn đối thủ một chút nhưng vẫn còn dư địa cải thiện.

Cách truy cập Qwen2.5-Max

Truy cập Qwen2.5-Max khá đơn giản, bạn có thể dùng thử miễn phí mà không cần thiết lập phức tạp.

Qwen Chat

Cách nhanh nhất để trải nghiệm Qwen2.5-Max là thông qua nền tảng Qwen Chat. Đây là giao diện web cho phép bạn tương tác trực tiếp với mô hình ngay trong trình duyệt—tương tự như khi bạn dùng ChatGPT trên trình duyệt.

Để dùng mô hình Qwen2.5-Max, hãy nhấp vào menu thả xuống chọn mô hình và chọn Qwen2.5-Max:

Truy cập API qua Alibaba Cloud

Dành cho nhà phát triển, Qwen2.5-Max có sẵn qua API của Model Studio trên Alibaba Cloud. Để sử dụng, bạn cần đăng ký tài khoản Alibaba Cloud, kích hoạt dịch vụ Model Studio và tạo khóa API.

Vì API tuân theo định dạng của OpenAI, việc tích hợp sẽ khá đơn giản nếu bạn đã quen với các mô hình của OpenAI. Để xem hướng dẫn thiết lập chi tiết, hãy truy cập blog Qwen2.5-Max chính thức.

Kết luận

Qwen2.5-Max là mô hình AI mạnh mẽ nhất của Alibaba cho đến nay, được xây dựng để cạnh tranh với các mô hình hàng đầu như GPT-4o, Claude 3.5 Sonnet và DeepSeek V3.

Khác với một số mô hình Qwen trước, Qwen2.5-Max không phải mã nguồn mở, nhưng bạn có thể dùng thử qua Qwen Chat hoặc truy cập qua API trên Alibaba Cloud.

Với việc Alibaba tiếp tục đầu tư vào AI, sẽ không ngạc nhiên nếu một mô hình tập trung vào lập luận xuất hiện trong tương lai—có thể là với Qwen 3.

Nếu bạn muốn đọc thêm tin tức AI, tôi gợi ý các bài viết này:

• Janus-Pro của DeepSeek
• DeepSeek-R1
• Operator của OpenAI
• Kiến trúc Titans của Google