网易首页 > 网易号 > 正文 申请入驻

刚刚,中国AI闯入全球编程前二!前面只剩Claude

0
分享至


新智元报道


【新智元导读】Code Arena最新放榜,Qwen3.7-Max以1541分冲进全球第四,成为前五中唯一的非Claude模型。编程,中国模型第一次杀到这个位置。

就在今天,Code Arena最新榜单出炉!

Qwen3.7-Max以1541分闯入全球前四,一举超越了GPT-5.5、Gemini 3.5 Flash等一众顶尖模型。

排在它前面的,只剩Claude Opus 4.7和Opus 4.6。



换句话说,在全球编程模型的竞技场上,阿里是唯一杀进这张牌桌的中国厂商,仅次于Anthropic,位列第二。

Qwen3.7-Max闯入全球前五

唯一非Claude模型

其实在Code Arena放榜之前,Qwen3.7-Max在海外开发者圈子里已经杀出了名声。

Atomic Chat做了一场硬碰硬的对比,让Opus 4.7、GPT-5.5和Qwen3.7-Max同台竞技,任务是写一个能自我训练的俄罗斯方块AI。

结果,Qwen3.7-Max不仅只用$1.32的token成本就把Opus 4.7和GPT-5.5都超越了,而且性能还提升了56%。


另一位海外开发者选择让Qwen3.7-Max构建了一个宇宙的3D模型,效果足以用震撼形容。


在「3D像素风微缩宝塔模型」的生成任务中,Qwen3.7-Max的输出速度和质量同样全面胜出。






左右滑动查看

开发者Paul Couvert更是盛赞,Qwen3.7-Max接入Hermes Agent和OpenCode之后,基本可以替掉GPT-5.5和Opus 4.7。


编程,太能打了

不过跑分再高,不如真刀真枪拉出来练练。

我们给Qwen3.7-Max安排了一场硬核的「赛车游戏」挑战。

一段详细的Prompt丢进去,不一会儿功夫,Qwen3.7-Max直出一个可玩的HTML的文件。


第一版有个小bug,A/D转向键左右搞反了。

但经过第二轮简单对话微调,一个体验完整的3D赛车游戏就跑了起来。


打开的瞬间,说实话,有点被惊到了。

4车同台,3圈环形赛道竞速,赛道上散落着100多枚金币,碰到障碍物会减速、失控。

赛后成绩面板,排名、用时、金币数、最快单圈,一项不缺。

但真正让人意外的,是两个只有Qwen3.7-Max做到的细节。

一个是开始界面。四个模型横向测完,只有它给游戏做了一个正经的开始页面,点「Start」才进入比赛。其他三家全是打开即跑,连个标题画面都没有。

另一个是音效。Prompt最后附了一条要求,加上发动机轰鸣和吃金币的音效。 四个模型里,也只有它把这个bonus吃进去了,引擎声和金币叮咚都安排上了。


再看看其他选手的表现。

Gemini 3.5 Flash的画面明显单薄了一档,缺少那种呼之欲出的立体感。

UI布局也有问题,仪表盘信息分散在屏幕四角,视觉焦点一盘散沙。

相比之下,Qwen3.7-Max的处理方式是把关键指标集中到画面中央,更符合玩家视线的自然落点。



Claude Opus 4.6的效果,有点让人一言难尽了。

不仅赛道上金币少得可怜,而且3辆AI赛车几乎同步行驶,毫无随机性,像复制粘贴出来的。

最后是GPT-5.5。

可以看到,画面质感确实比前两家强了不少,操作起来也更流畅。

但不知道为什么,金币被做成了黄色的「甜甜圈」……

造型倒是小事。关键是,Gemini、Claude、ChatGPT三家都修了好几轮bug才跑通全部功能。

只有Qwen3.7-Max首轮生成就基本可玩。

跑分接近,实测不虚,价格只有几分之一。剩下的结论,等开发者用脚投票就行了。

Agent时代的「基座」模型

Qwen3.7-Max之所以能在最卷的编程擂台上打出如此水平,答案就藏在它的产品定位里。

几天前,阿里发布Qwen3.7-Max的时候,给了它一个非常特殊的标签:Agent基座模型。


它生来,就是为长时间自主执行任务设计的模型。

内测数据显示,在一次自主编程任务中,Qwen3.7-Max连续运行35个小时,执行1158次工具调用。

最终生成的代码相较于Triton参考实现,达到了惊人的10倍几何平均加速。


更令人震撼的是它的「持久战」能力——

在推演进行到第30个小时之后,模型依然保持敏锐,持续挖掘出新的优化空间。

全程零上下文退化、零指令漂移、零死循环!

不得不说,这件事的难点不在1000次工具调用本身。MCP协议铺开之后,调1000次工具不算稀奇。

难点在于,35小时的连贯推理。

绝大多数模型跑长任务时会崩盘:要么上下文越积越乱,前半段定的目标到后面忘得干干净净;要么进入死循环,反复尝试同一个失败的方案。

Qwen3.7-Max把「持续做对事」这件事,做出来了。

核心技术揭秘

Qwen3.7-Max这波编程跃升,我们理解核心可能与两个训练方法的升级有关。

第一个是,环境扩展。

Qwen3.7-Max在做编程训练时,每个任务会被拆成三个独立维度,任务本身、执行框架、验证方式,三者自由组合。

同一道题,有时候在Claude Code的框架里做,有时候在OpenClaw里做,有时候换一种验证方式。

效果就像一个实习生被轮岗到了所有项目组。它被迫学会的是解决问题的通用策略,不是「在某个特定框架里怎么取巧」。

这解释了一个反直觉的现象,Qwen3.7-Max在Claude Code、OpenClaw、Qwen Code这几个框架里的表现都很稳,没有出现「在自家框架里很强、换一个就拉胯」的情况。


第二个升级是,长程自主执行。

在训练中,团队引入了「动态累积生存博弈」框架。

也就是,让模型在持续变化的模拟环境中做超过一千步的连续决策,自己建立假设、根据反馈调整策略,而且不能因为跑太久就「上下文腐化」。

这里有一个直观的数据,YC-Bench模拟创业公司经营一整年,Qwen3.7-Max做到了208万美元营收,是上一代(105万)的两倍。

更关键的是,它展现出了策略进化,中期遇到危机能自主调整方向,识别并拉黑恶意客户,最终收敛到稳定的执行循环。


这就是35小时kernel优化案例的底层支撑,也是为什么在Kernel Bench L3上,Qwen3.7-Max能让96%的场景跑出加速效果。

而编程还只是第一个战场。这套长程推理加工具调用的底子,指向的是一个更大的野心——通用Agent基座。

编程决赛,多了一个搅局者

Code Arena上线至今,考的从来都是硬活,多步推理、工具编排、完整项目交付,全是Agent级的真刀真枪。

今天,Qwen3.7-Max凭借着1541分的成绩楔进了第四的位置,卡在Opus 4.6 Thinking和Opus 4.6之间。

在这条Claude统治了大半年的赛道上,它给出了自己的回答,中国模型不只是追赶者,也可以是定义者。

全球编程模型的竞赛,已经不再是硅谷的独角戏了。

参考资料:

https://arena.ai/leaderboard/code/webdev

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

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.

相关推荐
热点推荐
彭斯语出惊人:共和党输中期选举,问题不是发动战争,是没能打赢

彭斯语出惊人:共和党输中期选举,问题不是发动战争,是没能打赢

墨策史
2026-11-14 10:22:53
张佳宁被曝怀孕仅2月,张晓龙三胎首曝光,两人关系早就藏不住了

张佳宁被曝怀孕仅2月,张晓龙三胎首曝光,两人关系早就藏不住了

风月得自难寻
2026-11-16 19:24:20
大幂幂不是白叫的

大幂幂不是白叫的

草莓解说体育
2026-10-24 07:40:22
从34亿到420万,佟丽娅被观众彻底抛弃,十多位明星助力也没用

从34亿到420万,佟丽娅被观众彻底抛弃,十多位明星助力也没用

影视高原说
2026-11-15 08:25:37
泽连斯基:普京生活在另一个现实里!我不认为特朗普是“克拉斯诺夫”

泽连斯基:普京生活在另一个现实里!我不认为特朗普是“克拉斯诺夫”

鹰眼Defence
2026-11-15 17:13:26
郭德纲小儿子走路一步三摇,被批不成器,评论区留言很扎心

郭德纲小儿子走路一步三摇,被批不成器,评论区留言很扎心

领悟看世界
2026-11-16 21:02:28
真是笑不活了!34岁方博夺冠,奖杯刚递到手里,记者把话筒怼过去,所有人都等着他来一段热血宣言,他却只说了5个字,圈粉无数

真是笑不活了!34岁方博夺冠,奖杯刚递到手里,记者把话筒怼过去,所有人都等着他来一段热血宣言,他却只说了5个字,圈粉无数

锐评利物浦
2026-11-16 10:06:03
美联储,今晚将迎大消息!

美联储,今晚将迎大消息!

和讯网
2026-11-16 16:58:05
工会完败:纽森的政治胜利

工会完败:纽森的政治胜利

寰宇大观察
2026-11-16 12:55:50
世界经济奇观:腾飞的伊拉克,20年gdp增长1200%,民主的力量!

世界经济奇观:腾飞的伊拉克,20年gdp增长1200%,民主的力量!

触摸史迹
2026-11-13 17:17:41
赖清德当局不让修、不让上岸?厦金大桥最后 1 公里, 大陆这步太高明

赖清德当局不让修、不让上岸?厦金大桥最后 1 公里, 大陆这步太高明

疯狂的小历史
2026-11-16 11:14:43
大妈花50万买基金,账号忘了15年,孙子找回看到余额,全家愣住了

大妈花50万买基金,账号忘了15年,孙子找回看到余额,全家愣住了

黄家湖的忧伤
2025-08-12 17:05:12
当众拒唱国歌不认中国籍,把两个孩子全送出国,如今报应终于来了

当众拒唱国歌不认中国籍,把两个孩子全送出国,如今报应终于来了

鹤羽说个事
2026-09-02 16:51:59
博士太多,高校已经装不下了?现在就连辅导员岗位都要求博士学历,真的还有读博的必要吗?

博士太多,高校已经装不下了?现在就连辅导员岗位都要求博士学历,真的还有读博的必要吗?

高教经纬88
2026-11-16 11:40:03
1球+4场禁赛,穆里尼奥给维尼修斯定了替补方案

1球+4场禁赛,穆里尼奥给维尼修斯定了替补方案

赛场名场面
2026-11-17 02:52:58
张天爱,心气散了

张天爱,心气散了

她时尚丫
2025-05-09 22:16:09
内娱变天,大批明星集体失业求工作,有人摆摊卖菜有人悄悄转行

内娱变天,大批明星集体失业求工作,有人摆摊卖菜有人悄悄转行

猪小艳吖
2026-11-16 19:11:46
亚马逊米高梅官宣:罗伯特·帕丁森出演新一任007

亚马逊米高梅官宣:罗伯特·帕丁森出演新一任007

灰度测试中
2026-11-16 23:12:04
5场仅踢18分钟!葡萄牙32岁新队长不满热苏斯,效仿C罗,退出集训

5场仅踢18分钟!葡萄牙32岁新队长不满热苏斯,效仿C罗,退出集训

球场没跑道
2026-11-16 13:22:35
国乒女队或迎来新领军人?排除孙颖莎王曼昱,她的优势越来越突出

国乒女队或迎来新领军人?排除孙颖莎王曼昱,她的优势越来越突出

锁上的光v
2026-11-16 23:27:16
2026-11-17 03:12:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16696文章数 67238关注度
往期回顾 全部

科技要闻

硅谷大佬组局,帮黄仁勋杀回来!

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

官宣离婚不到1月,李小冉进医院

财经要闻

10万人逼宫英伟达 黄仁勋要复职了?

汽车要闻

多面新方盒捷途环游者EV开启预售 9.99万元起

态度原创

家居
亲子
手机
教育
公开课

家居要闻

2026建博会(广州) 公装联探展交流活动

亲子要闻

中小学校、幼儿园将聘任健康副校(园)长,深圳已先行探索

手机要闻

OPPO Reno17 系列发布,全品类新品齐亮相!

教育要闻

放假时间推迟了10天!南京大中小学寒假时间出炉!

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版