阿里云的Qwen2.5-Coder 和 Qwen2.5-Math专有模型怎么样？

阿里云发布Qwen2.5 系列模型，最新发布的 Qwen2.5 系列中包括普通的大语言模型 (LLM) 以及针对编程和数学的专用模型：Qwen2.5-Coder 和 Qwen2.5-Math。

包括：

• Qwen2.5: 0.5B、1.5B、3B、7B、14B、32B 和 72B
• Qwen2.5-Coder: 1.5B、7B 和 32B（即将发布）
• Qwen2.5-Math: 1.5B、7B 和 72B

新的模型在指令跟随、生成长文本（超过 8K Tokens）、理解结构化数据（如表格）以及生成结构化输出（尤其是 JSON 格式）方面取得了显著进步。

Qwen2.5 模型更能适应不同的系统提示，提升了角色扮演和条件设定的能力。

与 Qwen2 类似，Qwen2.5 支持 128K Tokens，最大可生成 8K Tokens，且支持 29 种语言，包括中文、英语、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、阿拉伯语等。

主要亮点包括：

相比 Qwen2 系列，Qwen2.5 系列具有以下升级：

1. 全面开源: 除继续开源 Qwen2 的四个模型（0.5B、1.5B、7B 和 72B）外，Qwen2.5 还新增了两个中等规模的高性价比模型 Qwen2.5-14B 和 Qwen2.5-32B，以及一个移动端模型 Qwen2.5-3B。这些模型与同类开源模型相比竞争力极强。
2. 更大规模、更高质量的预训练数据集: 预训练数据集的规模从 7 万亿 tokens 扩展到 18 万亿 tokens。
3. 知识增强: Qwen2.5 大幅提升了知识储备。在 MMLU 基准测试中，Qwen2.5-7B 和 72B 的表现分别从 70.3 提升到 74.2 和从 84.2 提升到 86.1。
4. 编程能力增强: 通过 Qwen2.5-Coder 的技术突破，Qwen2.5 在编程能力方面得到了显著提升。Qwen2.5-72B-Instruct 在 LiveCodeBench、MultiPL-E 和 MBPP 基准测试中分别取得了 55.5、75.1 和 88.2 的分数。
5. 数学能力增强: 整合 Qwen2-Math 技术后，Qwen2.5 的数学能力得到了快速提升。Qwen2.5-7B/72B-Instruct 在 MATH 基准测试中的成绩从 52.9/69.0 提升至 75.5/83.1。
6. 更符合人类偏好: Qwen2.5 能够生成更符合人类偏好的响应。特别是 Qwen2.5-72B-Instruct 的 Arena-Hard 分数从