北京
不得不說，現(xiàn)在大模型的格局真是瞬息萬變。
比如，在AI編程界，大家都公認(rèn)Claude是老大，盡管A社的做派很不討人喜歡，但是擋不住他家東西好用。
但是，就在前幾天，阿里悄悄發(fā)了新旗艦?zāi)Ｐ?strong>Qwen3.7-Max，竟然跟不可一世的Claude杠上了。
Qwen3.7-Max發(fā)布后，口碑一路攀升，在全球權(quán)威三方編程榜單Code Arena上，已經(jīng)超越GPT-5.5、Gemini-3.5-Flash、GLM-5.1、Kimi-K2.6等一眾模型，目前僅次于Claude系列。
甚至，還超過了Claude-opus-4.6，僅僅落后4.6-thinking 1分，GPT、Gemini們都被遠(yuǎn)遠(yuǎn)甩在后面。
為什么大模型能力那么多，偏偏編程能力總被單拎出來說事呢？
因?yàn)樗鼛缀跏钱?dāng)下模型智能水平最硬試金石，考驗(yàn)的是理解需求、拆解任務(wù)、邏輯推理、工程實(shí)現(xiàn)、錯(cuò)誤修復(fù)和結(jié)果交付。
更關(guān)鍵的是，代碼能不能跑、功能是否完整，用戶一眼就能驗(yàn)貨，這不像生圖或者寫小作文，各花入各眼，不好評價(jià)優(yōu)劣。
所以，編程能力也成了大模型走向生產(chǎn)場景最瓷實(shí)的指標(biāo)之一。
而Code Arena，是目前全球最受關(guān)注的AI編程能力榜單之一，來自知名第三方盲測平臺(tái)LMArena。
這個(gè)榜單的評測玩法，是讓開發(fā)者出題，要求模型從零生成完整、可交互的Web應(yīng)用。
用戶在不知道模型身份的情況下，對兩個(gè)模型的生成結(jié)果進(jìn)行盲測PK，最終由真實(shí)投票形成排名。
這次，千問的表現(xiàn)可謂「有點(diǎn)兒東西」，在全球開發(fā)者真實(shí)體驗(yàn)盲測中，一舉沖進(jìn)前四，打破了Claude長期霸榜的格局。
而且，Qwen3.7-Max也成為榜單中唯一突破1540分大關(guān)的國產(chǎn)大模型。
再給大家補(bǔ)充點(diǎn)背景信息，Qwen3.7-Max主要面向Agent場景，最擅長干的就是編程、智能體、長程任務(wù)。
尤其是長程任務(wù)，相當(dāng)牛掰。
在Qwen官方給出的實(shí)際例子中，千問3.7在一個(gè)全新的芯片平臺(tái)上，通過自主編程和超1000次工具調(diào)用，連續(xù)不間斷地跑了35個(gè)小時(shí)，實(shí)現(xiàn)了一個(gè)關(guān)鍵內(nèi)核的自我進(jìn)化，推理速度較原版本提升10倍。
注：細(xì)看這張圖很明顯，其它模型跑一會(huì)兒就躺平了，只有Qwen一口氣肝了30多個(gè)小時(shí)。
很多開發(fā)者也評價(jià)它「長程自主執(zhí)行能力驚艷」，適合作為Agent的基座模型。
還有AI機(jī)構(gòu)橫向測評了Qwen3.7-Max、Claude 4.7 和GPT-5.5，給出的結(jié)論是千問3.7相比上代提升最大，推理成本最低，在速度和生成質(zhì)量上都有明顯優(yōu)勢。
注：測評機(jī)構(gòu)利用三個(gè)模型編寫一個(gè)會(huì)玩俄羅斯方塊并能自我訓(xùn)練的機(jī)器人，每個(gè)模型都可以讀取自己的代碼、運(yùn)行基準(zhǔn)測試，并在 10 輪迭代中重寫和優(yōu)化自己。結(jié)果，Qwen3.7-Max在每個(gè)維度都贏了。
當(dāng)然，所有這些，我覺得還不夠。
我就盼著，國產(chǎn)模型們有一天能夠把Claude徹底拉下馬，讓Y的求著我們用。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
