在本报告中，我们推出Qwen2.5，这是一系列全面的大型语言模型（LLMs），旨在满足多样化的应用需求。相较于此前版本，Qwen2.5在预训练和后训练两个阶段均实现了显著提升。在预训练方面，我们已将高质量预训练数据集从此前的7万亿个token扩展至18万亿个token，为模型在常识理解、专业知识和推理能力方面奠定了坚实基础。在后训练阶段，我们采用了包含超过100万样本的复杂监督微调（Supervised Fine-tuning），并结合多阶段强化学习（Reinforcement Learning）方法。这些后训练技术有效增强了模型对人类偏好的对齐能力，尤其在长文本生成、结构化数据解析和指令遵循等方面表现突出。为有效应对多样且复杂的使用场景，我们推出了多种规模的Qwen2.5大模型系列。开放权重版本包括基础模型（base models）和指令微调模型（instruction-tuned models），并提供量化版本以适应不同部署需求。此外，针对托管式解决方案，当前已上线两款基于混合专家（Mixture-of-Experts, MoE）架构的专有模型：Qwen2.5-Turbo与Qwen2.5-Plus，均可通过阿里云Model Studio获取。Qwen2.5在涵盖语言理解、推理能力、数学计算、代码生成、人类偏好对齐等多个维度的广泛基准测试中，均展现出顶级性能。具体而言，其开放权重旗舰模型Qwen2.5-72B-Instruct在多项指标上超越了多个开源及闭源模型，性能可与当前最先进的开源模型Llama-3-405B-Instruct相媲美，而后者参数量约为Qwen2.5-72B-Instruct的5倍。Qwen2.5-Turbo与Qwen2.5-Plus在保持卓越性能的同时，分别在成本效益上优于GPT-4o-mini和GPT-4o，展现出极强的竞争力。此外，作为基础模型，Qwen2.5已广泛用于训练多个垂直领域专用模型，包括Qwen2.5-Math（数学专项）、Qwen2.5-Coder（代码生成）、QwQ（多轮对话与推理）以及多模态模型，充分体现了其在构建下一代AI系统中的核心支撑作用。