Qwen2.5-MAX超越DeepSeek-V3，数学和编程登顶！
今天AI圈又传来一个振奋人心的好消息，国产大模型Qwen2.5-Max在权威大模型榜单登顶！
1 榜单分析
Chatbot Arena更新了最新一期大模型榜单，不久前刚发布的Qwen2.5-Max在数学和编程领域排名第一，再次问鼎！再次捍卫了国产大模型的综合实力。
如下榜单图来自Chatbot Arena，我原封不动截图过来。Qwen2.5-Max综合排名第7名，DeepSeek-V3紧随其后排名第8：
Chatbot Arena榜单说服力强不强？Chatbot Arena，在业界以测试方法严谨科学著称。他们采用匿名、两两组队的盲测方式，让用户根据真实对话体验对模型投票。此榜单是目前AI界公认的最具权威、最有说服力的榜单。因此，这让Qwen2.5-Max排名具有很强的说服力。看到这个榜单后，还是很为国产大模型自豪！
进一步再看Qwen2.5-Max与业界领先的其他大模型的得分对比，在 Arena-Hard、LiveBench、LiveCodeBench 和 GPQA-Diamond 等基准测试中，Qwen2.5-Max 表现超越 DeepSeek V3：
难怪国外的网友也认为Qwen2.5-Max 很牛，它用了super cracked来形容，如下截图所示：
榜单总结，Qwen2.5-Max数学和编程排名第一，高难度提示词排名第二，综合排名第七，DeepSeek紧随其后排名第八。
数学和编程能力很强的大模型，是最吸引人的，因为这些能力往往是我们平时日常工作需要的，因为只有这些能力强大了，才能更好地解决我们平时那些有挑战性的任务需求。换句话说，日常简单的任务我们自己就处理了，不需要大模型。
2 模型测试案例
在写这篇文章前，我也深度使用了最新的Qwen2.5-Max模型，接下来我来总结使用感受和测试结果。
访问入口：
进去后，默认选择的就是Qwen2.5-Max，如下图所示：
包括 Artifcats, Web 搜索，图片生成，视频生成：
根据榜单，Qwen2.5-Max编程能力第一名。为了验证其代码生成能力，以一个桌面游戏叫它生成代码，看看它的@pass1成功率，也就是一次生成代码后，成功运行并满足需求的通过率。按照如下方式提问它：
这是它回答的部分截图：
配置好代码运行环境，复制所有代码到PyCharm中，如下PyCharm部分代码截图，然后运行代码：
使用上下左右箭头，控制蛇的运动方向，测试下游戏过程,录制为GIF动画，限于公众号内GIF动画帧数限制，只能展示开始前5帧：
根据键盘箭头控制蛇上下左右运动，可以正常运行，并且吃到红色色块（代表食物）后，蛇形长度加1，游戏逻辑实现没有问题。
这个游戏逻辑一次现场运行通过，还是挺棒的。**为什么这么说呢？**贪吃蛇的游戏逻辑还是有些复杂的，就连精简的Python写贪吃蛇，代码都得110多行。大家可以试试其他大模型，未必能做到@pass1，我之前试过多个大模型都不行，有的一运行就出错，有的游戏过程逻辑不正常。
3 俄罗斯方块
Qwen2.5-MAX除了直接生成代码外，还有直接生成Artifacts功能，可以直接运行生成的代码，得到代码作品，这就给很多不会搭建编程环境的朋友带来了很大的便利。
接下来进一步加大测试难度，让Qwen2.5-MAX生成一个俄罗斯方块游戏。
游戏逻辑包括：1）生成不同颜色、不同形状的色块 2）不同方块接触检测、单个色块与游戏边界检测 3）色块自动下落同时支持旋转调整方块形状 4）自动检测是否消行（判断行是否填满），若满足条件自动消除此行 5）若发生消行，其他关联方块自动更新位置，游戏结束状态判断等。所以，此游戏的业务逻辑明显更加复杂，对大模型提出更大的挑战。
叫Qwen2.5-MAX直接生成作品的操作步骤如下，第一输入提示词：俄罗斯方块游戏 纯Html+JS实现代码，然后选择Artifacts，最后回车即可：
如下图所示，左侧是代码，右侧是直接运行出来的作品，使用左右箭头控制方块下落位置：
但是我不知道怎么调整方块的形状，直接提问它后知道使用Q或W键调整：
第一次试玩过程中出现方块消行失败问题，可以理解，这个游戏逻辑相对复杂，一次性通过难度不小，所以给它容错的机会 ，反馈这个问题：
然后再运行后问题得以修复，如下所示录制了GIF动画，限于公众号帧数限制，展示其中几帧，看到通过调整方块形状能够在出现满行时，自动消行：
再检测下游戏其他逻辑，比如判断游戏终止逻辑，等碰到竞技场的上边界后游戏结束，并自动开始新的一轮游戏：
Qwen2.5-Max 同时生成游戏代码和对应的可在线运行作品，所见即所得，省去搭建编程环境的那些繁琐步骤，让编程门槛进一步降低。
以上贪吃蛇游戏，俄罗斯方块游戏，一共2个代码文件，全部完整分享给大家，想要获取的在下方我的公众号回复：qwen
更多有意思的比如生成一个鼠标跟随粒子特效，具体提示词如下所示，然后发送给Qwen2.5-Max:
一次生成作品，效果如下所示，大家看看还是很有意思，每次鼠标一移动就自动生成这种炫酷的粒子特效：
更多其他有意思的编程作品生成，大家可以自行去尝试，限于篇幅，本文就介绍这三个测试案例。
最后总结
Qwen2.5-Max 在 Chatbot Arena 榜单中表现出色，数学和编程能力排名第一。
本文测试了其代码生成能力，结果表明编程能力表现出色；即便难度较大的俄罗斯方块，它也能轻松生成并直接输出可在线试玩的作品。
以上的测评均在QwenChat上免费测评体验，感兴趣的可以自行前往：chat.qwenlm.ai
Qwen和DeepSeek作为国产双子星，他们的突破进一步巩固了国产大模型在国内外AI业界的地位。未来更加让人值得期待！
