什么值得买App下载 App ›
连续签到专享现金活动

国产大模型杀进全球编程榜第二!Qwen3.7-Max实测稳居第一梯队

  • 03月10日
  • 02月12日
  • 02月11日
2026年5月26日凌晨,全球权威三方编程能力评测平台Code Arena发布最新榜单,阿里巴巴旗下通义千问最新旗舰模型Qwen3.7-Max以1541分的成绩位列全球第二,仅次于Anthropic的Claude系列,超越OpenAI的GPT-5.5、Google的Gemini-3.5-Flash、智谱GLM-5.1及月之暗面Kimi-K2.6等国际主流大模型。这是国产大模型首次在该权威榜单中突破1540分大关,标志着中国AI在编程这一核心能力维度上已稳居全球第一梯队。Code Arena采用真实开发者盲测机制,要求模型独立完成端到端的完整软件开发任务,包括需求理解、架构设计、代码生成、调试修复及部署验证,被业界视为AI编程领域的“奥林匹克”标准。123
01三大核心能力支撑高分表现
Qwen3.7-Max在Code Arena评测中展现出的领先优势,主要体现在复杂工程能力、自主调试能力与工具调用链路三个关键维度。在复杂工程能力方面,该模型可高效处理包含数十个文件的大型项目,生成的代码结构清晰、模块解耦合理,具备良好的可维护性;在自主调试能力上,面对运行时错误或逻辑缺陷,模型能自动定位问题根源并实施有效修复,无需人类开发者反复介入;在工具调用链路方面,Qwen3.7-Max可流畅集成Git、npm、Docker、Make等主流开发工具,形成从代码提交到容器化部署的完整闭环。这些能力共同支撑其在真实工程场景中的高可用性,使其成为目前少数可直接应用于生产级项目的AI编程模型之一。14
0235小时连续自主执行创纪录
除静态评测得分外,Qwen3.7-Max在长程任务执行方面亦取得突破性进展。据阿里云官方披露,该模型曾在无任何人工干预的情况下,在全新平头哥真武M890芯片平台上持续运行35小时,累计执行1158次工具调用,独立完成内核编写、编译、性能分析、bug修复与多轮迭代优化,最终实现Extend Attention Kernel相对于Triton参考实现的10倍几何平均加速比。这一实验证明模型具备长时间保持任务目标不漂移、在陌生环境中依赖反馈而非记忆进行策略调整、以及通过上千次工具调用持续修正优化路径的能力。这种“持续做事”而非“短时答题”的特性,使其在企业级自动化、芯片内核优化等复杂场景中具备实际应用价值。567
03多项基准测试同步领先
  • Terminal Bench 2.0-Terminus:得分69.7,超越DeepSeek-v4-pro-Max与Claude-Opus4.6,位居前列
  • SWE-bench Verified:得分80.4,与全球顶尖水平持平
  • SWE-Bench Pro - Public:得分60.6,在40个参评模型中排名第3
  • LiveCodeBench:得分91.6,在120个模型中位列第4
  • GPQA Diamond:推理得分92.4,超越Claude Opus-4.6(91.3)
上述成绩表明,Qwen3.7-Max不仅在编程智能体专项测试中表现突出,在通用推理、多语言支持及数学能力等维度亦无明显短板。其综合性能已在多个权威基准上达到或接近国际顶级闭源模型水平,进一步巩固了其作为国产最强全能推理模型的地位。该模型于2026年5月20日在阿里云峰会上正式发布,并通过阿里云百炼平台提供API服务,支持保留完整思维链,适用于构建复杂智能体工作流。8910
04国产AI编程能力持续跃升
Qwen3.7-Max的此次突破并非孤立事件,而是中国AI编程能力系统性提升的延续。早在2026年4月,其前代模型Qwen3.6-Plus已在Code Arena React专项榜单中以1452分位列全球第二,成为首个跻身该榜单TOP2的中国大模型。短短一个多月内,阿里通过Qwen3.7系列的快速迭代,将得分提升至1541分,缩小了与榜首Claude Opus(1567分)的差距。与此同时,全球前十编程模型中已有四席由中国企业占据,且在开源编程榜单中包揽前六名。斯坦福《2026 AI指数报告》亦指出,中美顶级大模型性能差距已从2023年的17.5%降至不足3%,在部分实战基准测试中甚至实现反超。这一系列进展标志着中国AI在核心应用场景上已从“跟跑”迈入“并跑”乃至局部“领跑”阶段。111213

评论

评论区空态插画

当前文章无评论,是时候发表评论了