# Qu’est-ce que Qwen2.5-Max, et comment le modèle d’Alibaba se compare-t-il à DeepSeek-V3?

Date: 2025-01-30 · Author: Robert Scales · https://guidetoartificialintelligence.com/fr/apprendre/qu-est-ce-que-qwen-2-5-max/

**Answer:** Qwen2.5-Max est un grand modèle de langage à mélange d’experts de l’équipe Qwen d’Alibaba, lancé au début du Nouvel An lunaire (28 et 29 janvier 2025), entraîné sur plus de 20 000 milliards de jetons et offert sur le site Web Qwen Chat et par l’API d’Alibaba Cloud. Aux cinq tests publiés par Alibaba, il devance de peu DeepSeek-V3 et bat GPT-4o à la plupart, tandis que Claude 3.5 Sonnet reste en tête à trois d’entre eux.

Alibaba, l’entreprise chinoise de commerce en ligne et d’infonuagique, a lancé **Qwen2.5-Max**, le modèle le plus puissant à ce jour de sa famille Qwen. L’équipe Qwen a publié l’annonce tard le 28 janvier, heure de Pékin, et Reuters rapporte le lancement le mercredi 29 janvier. C’était le premier jour du Nouvel An lunaire, un congé que la plupart des gens en Chine passent à la maison en famille.

Ce moment en dit long. Au cours des trois dernières semaines, la jeune pousse DeepSeek est passée de laboratoire peu connu à nouvelle mondiale, avec un assistant de clavardage et des modèles dont les faibles coûts ont surpris la Silicon Valley et fait reculer les actions technologiques. Reuters présente ce lancement en plein congé comme le signe de la pression que DeepSeek exerce sur ses rivaux chinois, et pas seulement sur les américains. Le message d’Alibaba est direct : sa division infonuagique affirme que le nouveau modèle surpasse GPT-4o, DeepSeek-V3 et Llama 3.1 405B de Meta presque sur toute la ligne.

## Ce qu’Alibaba a lancé

Qwen2.5-Max est un modèle à **mélange d’experts** (*mixture of experts*, MoE). Au lieu d’un seul réseau géant qui travaille sur chaque mot, un modèle MoE contient de nombreux réseaux experts plus petits et un routeur qui envoie chaque morceau de texte à quelques-uns d’entre eux. Cela permet à un modèle de contenir énormément de connaissances tout en gardant chaque réponse abordable à calculer. DeepSeek-V3 utilise la même conception générale.

Selon l’équipe Qwen :

- Il a été préentraîné sur **plus de 20 000 milliards de jetons** (un jeton est un morceau de texte, souvent une partie de mot).
- Il a ensuite été peaufiné par **ajustement fin supervisé**, en apprenant à partir d’exemples de réponses choisis avec soin, et par **apprentissage par renforcement à partir de la rétroaction humaine**, où les préférences de personnes entre des réponses guident la suite de l’entraînement.
- Il est offert dans **Qwen Chat**, le site Web de clavardage d’Alibaba, et par l’API d’Alibaba Cloud sous le nom de modèle `qwen-max-2025-01-25`.

Deux choses manquent à l’annonce. Alibaba ne donne pas la taille du modèle en paramètres, et elle n’offre pas les poids au téléchargement. Contrairement à DeepSeek-V3, que n’importe qui peut télécharger, celui-ci n’est offert que sous forme de service.

L’équipe Qwen explique aussi franchement pourquoi elle publie maintenant. Elle écrit que l’industrie a peu d’expérience de la mise à l’échelle de modèles extrêmement grands, et reconnaît que le rapport de DeepSeek sur V3 a récemment rendu publics bon nombre de ces détails.

## Comment il se compare

Alibaba a publié les résultats de cinq tests, en comparant la version de Qwen2.5-Max prête pour le clavardage à quatre rivaux. Voici ce que mesure chaque test et les chiffres du graphique d’Alibaba :

| Test | Ce qu’il mesure | Qwen2.5-Max | DeepSeek-V3 | GPT-4o | Claude 3.5 Sonnet |
|---|---|---|---|---|---|
| Arena-Hard | La fréquence à laquelle les réponses sont préférées, en imitant des juges humains | 89,4 | 85,5 | 77,9 | 85,2 |
| MMLU-Pro | Des questions de connaissances de niveau universitaire | 76,1 | 75,9 | 77,0 | 78,0 |
| GPQA-Diamond | Des questions scientifiques difficiles de niveau des cycles supérieurs | 60,1 | 59,1 | 53,6 | 65,0 |
| LiveCodeBench | Des problèmes de programmation récents | 38,7 | 37,6 | 35,1 | 38,9 |
| LiveBench | Un large éventail de capacités générales | 62,2 | 60,5 | 56,0 | 60,3 |

Lisez le tableau attentivement, et un portrait plus nuancé que la manchette apparaît. Qwen2.5-Max devance DeepSeek-V3 aux cinq tests, mais souvent d’environ un point. Il bat GPT-4o à quatre tests sur cinq. Claude 3.5 Sonnet, le modèle d’Anthropic, obtient de meilleurs résultats à MMLU-Pro, à GPQA-Diamond et à LiveCodeBench. Ce sont aussi les propres mesures d’Alibaba, à des tests choisis par Alibaba : des résultats indépendants seront donc importants.

L’équipe a aussi comparé son **modèle de base**, la version brute avant l’entraînement au clavardage, à des modèles ouverts comme DeepSeek-V3 et Llama 3.1 405B, et rapporte un avantage à la plupart des tests. Elle n’a pas pu comparer les modèles de base avec GPT-4o ou Claude, parce que ces entreprises ne rendent pas leurs modèles de base accessibles.

> **À essayer :** choisissez une question dont vous connaissez la réponse et qui demande un peu de soin, comme « Lequel est le plus grand, 9,11 ou 9,8? », qu’Alibaba elle-même utilise comme exemple de prompt. Posez-la à deux robots conversationnels différents et comparez non seulement la réponse, mais aussi l’explication. Un petit test personnel comme celui-ci vous en apprend plus sur les habitudes d’un modèle qu’un écart d’un point à un banc d’essai.

## Pourquoi c’est important

Qwen2.5-Max montre à quelle vitesse la concurrence évolue entre les entreprises chinoises d’IA. Reuters note que le modèle V2 de DeepSeek, antérieur et très bon marché, a déclenché une guerre des prix en Chine l’an dernier, la division infonuagique d’Alibaba réduisant ses prix jusqu’à 97 %, et que ByteDance a mis à jour son propre modèle phare quelques jours à peine après R1 de DeepSeek. Un lancement majeur un jour de fête nationale laisse croire que personne ne veut prendre de retard, ne serait-ce qu’une semaine.

Pour les développeurs, c’est une option solide de plus qui parle une langue familière : l’API d’Alibaba suit le même format que celle d’OpenAI, si bien que le code existant peut changer de modèle avec de petites modifications. Pour tous les autres, la leçon est que les prétentions au titre de « meilleur modèle » changent maintenant d’une semaine à l’autre, et que chacune mérite un examen attentif des chiffres qui la soutiennent.

## Comment essayer Qwen2.5-Max?

La façon la plus simple est Qwen Chat, le site Web de clavardage d’Alibaba, où Qwen2.5-Max est maintenant offert. Alibaba affirme que vous pouvez clavarder directement avec lui, utiliser la recherche et créer de petits éléments interactifs qu’elle appelle des *artifacts* (artefacts). Comme avec tout assistant en ligne, évitez d’entrer des renseignements privés ou sensibles.

Si vous programmez, créez un compte Alibaba Cloud, activez le service Model Studio et créez une clé d’API dans la console. Comme l’API est compatible avec celle d’OpenAI, vous pouvez utiliser la bibliothèque Python d’OpenAI et simplement la diriger vers l’adresse d’Alibaba. Une première requête pourrait ressembler à ceci :

```prompt
Système : Tu es un assistant serviable.
Utilisateur : Quel nombre est le plus grand, 9,11 ou 9,8? Explique ton raisonnement en deux phrases.
```

Comparez la réponse avec ce que DeepSeek ou ChatGPT répond au même prompt. Si les trois sont d’accord et expliquent clairement, vous aurez appris quelque chose d’utile sur chacun d’eux.

## Sources

- Qwen2.5-Max: Exploring the Intelligence of Large-scale MoE Model: https://qwenlm.github.io/blog/qwen2.5-max/
- Alibaba releases AI model it says surpasses DeepSeek: https://www.reuters.com/technology/artificial-intelligence/alibaba-releases-ai-model-it-claims-surpasses-deepseek-v3-2025-01-29/