什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

阿里通义千问Qwen3.7-Max登顶编程评测全球第一

事件速览
  1. 核心事件:阿里通义千问Qwen3.7-Max日前正式发布,在SWE-Bench Pro等核心编程评测中取得60.6分,登顶全球第一,并在多项权威盲测中稳居编程能力全球第二
  2. 关键表现:在Terminal Bench 2.0-Terminus评测中得分69.7分,超越DeepSeek-v4-Pro Max与Claude Opus 4.6;在Arena全球编程能力盲测中位列国产第一
  3. 实测突破:模型在平头哥真武M890芯片上完成了35小时零人工干预的自主编程任务,通过1158次工具调用与432次内核评估,实现了推理速度10倍的性能优化
  4. 行业反响:Qwen3.7-Plus此前单日调用量已突破1.4万亿Token,创OpenRouter平台历史纪录,国际开发工具领袖已宣布将在下一代产品中官方集成该模型
  5. 技术架构:同源技术路线的Qwen3-Coder-Next采用MoE架构,总参数80B但激活参数仅3B,兼顾了高效推理与顶尖的代码智能体表现
展开说说
硬核屠榜,反超顶级竞品
此次发布的Qwen3.7-Max最引人注目的成绩在于对国际顶尖模型的直接超越。在SWE-Bench Pro软件工程智能体评测中,该模型以60.6分的成绩首次在高端工程编程赛道反超了Anthropic的顶级模型Claude Opus(57.3分),验证了其在自主写代码、读懂复杂项目、定位BUG及批量修复等真实工程能力已达全球顶级水准。此外,在Terminal Bench 2.0-Terminus编程评测中,其69.7分的表现也超越了DeepSeek-v4-pro-Max和Claude-Opus4.6,确立了在终端代码智能体领域的领先地位。
极限测试,验证Agent能力
除了基准测试的刷分,一场针对国产芯片的极限自主编程测试更具说服力。Qwen3.7-Max在未知的平头哥真武M890芯片上连续运行35小时,全程无需人工干预。它自主完成了1158次工具调用和432次内核评估,最终实现了推理速度10倍的提升。这一案例不仅展示了模型在长程任务中的稳定性与规划能力,更证明了其作为“Agent Frontier”基座的实战价值,能够从需求分析到自我纠错完成全流程的自主开发工作。
生态爆发,确立工业标杆
技术突破正在迅速转化为市场认可。Qwen3.6-Plus版本此前已在OpenRouter平台创下单日调用量突破1.4万亿Token的历史纪录,国际开发工具领袖“龙虾之父”彼得·斯坦伯格也宣布下一代产品将官方集成Qwen。与此同时,阿里同步推进开源策略,发布了专为编码代理设计的Qwen3-Coder-Next模型,采用总参数80B、激活参数仅3B的MoE架构,让开发者能在本地高效运行具备顶尖能力的代码智能体。从闭源旗舰到开源生态,阿里千问正在将“编程能力全球第二”确立为工业级开发的新标杆。
历史事件回溯
当前事件
千问3.7编程能力全球第二
  • 榜单排名:Qwen3.7-Max得分1541,全球第二
  • 评测标准:从零生成可交互Web应用,用户盲测投票
  • 核心能力:支持35小时运行、超1000次工具调用
2026年3月
千问3.6发布,编程能力初入前列
  • 榜单排名:Qwen3.6在Code Arena位列前五
  • 评测标准:同样基于真实开发者盲测Web应用生成
2025年11月
千问3.5首次进入全球编程模型前十
  • 榜单排名:Qwen3.5在Code Arena排名第九
  • 评测标准:采用相同盲测机制,聚焦完整应用构建

评论 1

jackfled1

希望国产模型能真的达到国外顶级模型的水平,我是愿意掏钱订阅的。至少不会花了1-200美刀,还要提心吊胆被封号

中国香港

没有更多了