你好 ，我是郭震
今天AI圈又傳來一個振奮人心的好訊息，國產大模型Qwen2.5-Max在權威大模型榜單登頂！
1 榜單分析
Chatbot Arena更新了最新一期大模型榜單，不久前剛釋出的Qwen2.5-Max在數學和程式設計領域排名第一，再次問鼎！再次捍衛了國產大模型的綜合實力。
如下榜單圖來自Chatbot Arena，我原封不動截圖過來。Qwen2.5-Max綜合排名第7名，DeepSeek-V3緊隨其後排名第8：
Chatbot Arena榜單說服力強不強？Chatbot Arena，在業界以測試方法嚴謹科學著稱。他們採用匿名、兩兩組隊的盲測方式，讓使用者根據真實對話體驗對模型投票。此榜單是目前AI界公認的最具權威、最有說服力的榜單。因此，這讓Qwen2.5-Max排名具有很強的說服力。看到這個榜單後，還是很為國產大模型自豪！
進一步再看Qwen2.5-Max與業界領先的其他大模型的得分對比，在 Arena-Hard、LiveBench、LiveCodeBench 和 GPQA-Diamond 等基準測試中，Qwen2.5-Max 表現超越 DeepSeek V3：
難怪國外的網友也認為Qwen2.5-Max 很牛，它用了super cracked來形容，如下截圖所示：
榜單總結，Qwen2.5-Max數學和程式設計排名第一，高難度提示詞排名第二，綜合排名第七，DeepSeek緊隨其後排名第八。
數學和程式設計能力很強的大模型，是最吸引人的，因為這些能力往往是我們平時日常工作需要的，因為只有這些能力強大了，才能更好地解決我們平時那些有挑戰性的任務需求。換句話說，日常簡單的任務我們自己就處理了，不需要大模型。
2 模型測試案例
在寫這篇文章前，我也深度使用了最新的Qwen2.5-Max模型，接下來我來總結使用感受和測試結果。
訪問入口：
https://chat.qwenlm.ai/
進去後，預設選擇的就是Qwen2.5-Max，如下圖所示：
包括 Artifcats, Web 搜尋，圖片生成，影片生成：
根據榜單，Qwen2.5-Max程式設計能力第一名。為了驗證其程式碼生成能力，以一個桌面遊戲叫它生成程式碼，看看它的@pass1成功率，也就是一次生成程式碼後，成功執行並滿足需求的透過率。按照如下方式提問它：
這是它回答的部分截圖：
配置好程式碼執行環境，複製所有程式碼到PyCharm中，如下PyCharm部分程式碼截圖，然後執行程式碼：
使用上下左右箭頭，控制蛇的運動方向，測試下游戲過程,錄製為GIF動畫，限於公眾號內GIF動畫幀數限制，只能展示開始前5幀：
根據鍵盤箭頭控制蛇上下左右運動，可以正常執行，並且吃到紅色色塊（代表食物）後，蛇形長度加1，遊戲邏輯實現沒有問題。
這個遊戲邏輯一次現場執行透過，還是挺棒的。為什麼這麼說呢？貪吃蛇的遊戲邏輯還是有些複雜的，就連精簡的Python寫貪吃蛇，程式碼都得110多行。大家可以試試其他大模型，未必能做到@pass1，我之前試過多個大模型都不行，有的一執行就出錯，有的遊戲過程邏輯不正常。
3 俄羅斯方塊
Qwen2.5-MAX除了直接生成程式碼外，還有直接生成Artifacts功能，可以直接執行生成的程式碼，得到程式碼作品，這就給很多不會搭建程式設計環境的朋友帶來了很大的便利。
接下來進一步加大測試難度，讓Qwen2.5-MAX生成一個俄羅斯方塊遊戲。
遊戲邏輯包括：1）生成不同顏色、不同形狀的色塊 2）不同方塊接觸檢測、單個色塊與遊戲邊界檢測 3）色塊自動下落同時支援旋轉調整方塊形狀 4）自動檢測是否消行（判斷行是否填滿），若滿足條件自動消除此行 5）若發生消行，其他關聯方塊自動更新位置，遊戲結束狀態判斷等。所以，此遊戲的業務邏輯明顯更加複雜，對大模型提出更大的挑戰。
叫Qwen2.5-MAX直接生成作品的操作步驟如下，第一輸入提示詞：俄羅斯方塊遊戲 純Html+JS實現程式碼，然後選擇Artifacts，最後回車即可：
如下圖所示，左側是程式碼，右側是直接執行出來的作品，使用左右箭頭控制方塊下落位置：
但是我不知道怎麼調整方塊的形狀，直接提問它後知道使用Q或W鍵調整：
第一次試玩過程中出現方塊消行失敗問題，可以理解，這個遊戲邏輯相對複雜，一次性透過難度不小，所以給它容錯的機會 ，反饋這個問題：
然後再執行後問題得以修復，如下所示錄製了GIF動畫，限於公眾號幀數限制，展示其中幾幀，看到透過調整方塊形狀能夠在出現滿行時，自動消行：
再檢測下游戲其他邏輯，比如判斷遊戲終止邏輯，等碰到競技場的上邊界後遊戲結束，並自動開始新的一輪遊戲：
Qwen2.5-Max 同時生成遊戲程式碼和對應的可線上執行作品，所見即所得，省去搭建程式設計環境的那些繁瑣步驟，讓程式設計門檻進一步降低。
以上貪吃蛇遊戲，俄羅斯方塊遊戲，一共2個程式碼檔案，全部完整分享給大家，想要獲取的在下方我的公眾號回覆：
qwen
更多有意思的比如生成一個滑鼠跟隨粒子特效，具體提示詞如下所示，然後傳送給Qwen2.5-Max:
一次生成作品，效果如下所示，大家看看還是很有意思，每次滑鼠一移動就自動生成這種炫酷的粒子特效：
更多其他有意思的程式設計作品生成，大家可以自行去嘗試，限於篇幅，本文就介紹這三個測試案例。
最後總結
Qwen2.5-Max 在 Chatbot Arena 榜單中表現出色，數學和程式設計能力排名第一。
本文測試了其程式碼生成能力，結果表明程式設計能力表現出色；即便難度較大的俄羅斯方塊，它也能輕鬆生成並直接輸出可線上試玩的作品。
以上的測評均在QwenChat上免費測評體驗，感興趣的可以自行前往：chat.qwenlm.ai
Qwen和DeepSeek作為國產雙子星，他們的突破進一步鞏固了國產大模型在國內外AI業界的地位。未來更加讓人值得期待！
以上全文2568字，18張圖。如果這篇文章覺得對你有用，可否點個關注。給我個三連擊：點贊、轉發和在看。若可以再給我加個⭐️，謝謝你看我的文章，我們下篇再見。