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，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。同时，Qwen2.5-Max在数学和编程等单项能力上排名第一，在硬提示方面排名第二。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。ChatBot Arena官方评价称，Qwen2.5-Max在多个领域表现强劲，特别是专业技术向的，例如编程、数学、硬提示等。