阿里Qwen3.7-Max编程能力全球第二,国产模型首进第一梯队
事件速览
- 核心事件:阿里通义千问Qwen3.7-Max模型于5月20日发布,在5月26日更新的Code Arena编程榜单中以1541分位列全球第二,仅次于Claude系列
- 关键能力:该模型采用MoE架构与正交解耦技术,支持35小时长程任务与超1000次工具调用,在SWE-Pro等工程测评中登顶全球第一
- 实测表现:在平头哥真武M890芯片实测中,模型连续自主编程35小时完成内核优化,实现推理性能提升10倍
- 行业意义:此次登顶打破了Claude Opus长期垄断前四的格局,标志着国产模型首次在编程领域跻身全球第一梯队
展开说说
打破垄断的盲测实绩
Code Arena榜单被视为检验AI“真实编程能力”的严苛战场,其机制要求模型从零构建完整可交互的Web应用,并经由全球开发者匿名盲测投票。Qwen3.7-Max以1541分位列厂商全球第二、模型全球第四,是唯一突破1540分的国产模型,直接打破了Claude Opus长期对前四席位的垄断。更值得注意的是,在SWE-Pro、SWE-Multilingual等侧重真实工程场景的评测中,Qwen3.7-Max全面超越Claude Opus 4.6与GPT-5.5,证明其在代码理解、逻辑推演及复杂任务落地层面已具备世界顶尖水准。
Code Arena榜单被视为检验AI“真实编程能力”的严苛战场,其机制要求模型从零构建完整可交互的Web应用,并经由全球开发者匿名盲测投票。Qwen3.7-Max以1541分位列厂商全球第二、模型全球第四,是唯一突破1540分的国产模型,直接打破了Claude Opus长期对前四席位的垄断。更值得注意的是,在SWE-Pro、SWE-Multilingual等侧重真实工程场景的评测中,Qwen3.7-Max全面超越Claude Opus 4.6与GPT-5.5,证明其在代码理解、逻辑推演及复杂任务落地层面已具备世界顶尖水准。
从“写得好”到“干得完”
此次技术突破的核心在于将竞争焦点从单次代码质量转向了长周期工程交付能力。Qwen3.7-Max被定位为面向Agent的基座模型,其底牌是支持连续35小时自主运行与超1000次工具调用而不发生上下文衰减。在平头哥真武M890芯片的实测中,该模型自主完成了1158次工具调用与432次内核评估,将推理速度提升了10倍。这种“系统级编程”能力,使其能够胜任从需求分析、代码生成到调试部署的端到端复杂项目交付,实现了从“辅助编码”到“自主工程”的跨越。
此次技术突破的核心在于将竞争焦点从单次代码质量转向了长周期工程交付能力。Qwen3.7-Max被定位为面向Agent的基座模型,其底牌是支持连续35小时自主运行与超1000次工具调用而不发生上下文衰减。在平头哥真武M890芯片的实测中,该模型自主完成了1158次工具调用与432次内核评估,将推理速度提升了10倍。这种“系统级编程”能力,使其能够胜任从需求分析、代码生成到调试部署的端到端复杂项目交付,实现了从“辅助编码”到“自主工程”的跨越。
高性价比的国产替代
除了性能对标国际顶流,Qwen3.7-Max在成本控制与生态兼容上也展现出明显优势。其推理成本约为Claude Opus 4.7的一半,并兼容Anthropic协议,可无缝接入Claude Code等主流工具链。目前,该模型已通过阿里云百炼、Qwen Studio等平台开放调用,并在Hugging Face单月获得1.536亿次下载,超过Meta、DeepSeek及OpenAI同类模型的总和。这意味着国内开发者首次拥有了一款在硬核编程能力上不输海外巨头,且在服务响应、数据合规与使用成本上更具优势的国产工具。
除了性能对标国际顶流,Qwen3.7-Max在成本控制与生态兼容上也展现出明显优势。其推理成本约为Claude Opus 4.7的一半,并兼容Anthropic协议,可无缝接入Claude Code等主流工具链。目前,该模型已通过阿里云百炼、Qwen Studio等平台开放调用,并在Hugging Face单月获得1.536亿次下载,超过Meta、DeepSeek及OpenAI同类模型的总和。这意味着国内开发者首次拥有了一款在硬核编程能力上不输海外巨头,且在服务响应、数据合规与使用成本上更具优势的国产工具。
历史事件回溯
当前事件
阿里千问3.7编程能力全球第二
- 榜单表现:Qwen3.7-Max得分1541,仅次于Claude系列
- 核心能力:支持35小时长程任务,超1000次工具调用
- 评测标准:从零生成完整可交互Web应用并盲测投票
2026年4月
千问3.6-Plus编程能力登顶全球第二
- 榜单表现:Code Arena排名第二,得分1452
- 核心能力:引入Agentic Coding,自主规划修复部署
- 评测标准:React专项任务盲测,生成完整项目
2025年11月
千问3.5首次进入Code Arena前五
- 榜单表现:Code Arena排名第五,得分1389
- 核心能力:初步支持多文件项目生成与基础调试
- 评测标准:开发者提交任务,模型生成可运行前端页面


当前文章无评论,是时候发表评论了