剛剛，中國AI闖入全球編程前二！前面只剩Claude

新智元報(bào)道

【新智元導(dǎo)讀】Code Arena最新放榜，Qwen3.7-Max以1541分沖進(jìn)全球第四，成為前五中唯一的非Claude模型。編程，中國模型第一次殺到這個(gè)位置。

就在今天，Code Arena最新榜單出爐！

Qwen3.7-Max以1541分闖入全球前四，一舉超越了GPT-5.5、Gemini 3.5 Flash等一眾頂尖模型。

排在它前面的，只剩Claude Opus 4.7和Opus 4.6。

換句話說，在全球編程模型的競技場上，阿里是唯一殺進(jìn)這張牌桌的中國廠商，僅次于Anthropic，位列第二。

Qwen3.7-Max闖入全球前五

唯一非Claude模型

其實(shí)在Code Arena放榜之前，Qwen3.7-Max在海外開發(fā)者圈子里已經(jīng)殺出了名聲。

Atomic Chat做了一場硬碰硬的對比，讓Opus 4.7、GPT-5.5和Qwen3.7-Max同臺(tái)競技，任務(wù)是寫一個(gè)能自我訓(xùn)練的俄羅斯方塊AI。

結(jié)果，Qwen3.7-Max不僅只用$1.32的token成本就把Opus 4.7和GPT-5.5都超越了，而且性能還提升了56%。

另一位海外開發(fā)者選擇讓Qwen3.7-Max構(gòu)建了一個(gè)宇宙的3D模型，效果足以用震撼形容。

在「3D像素風(fēng)微縮寶塔模型」的生成任務(wù)中，Qwen3.7-Max的輸出速度和質(zhì)量同樣全面勝出。

左右滑動(dòng)查看

開發(fā)者Paul Couvert更是盛贊，Qwen3.7-Max接入Hermes Agent和OpenCode之后，基本可以替掉GPT-5.5和Opus 4.7。

編程，太能打了

不過跑分再高，不如真刀真槍拉出來練練。

我們給Qwen3.7-Max安排了一場硬核的「賽車游戲」挑戰(zhàn)。

一段詳細(xì)的Prompt丟進(jìn)去，不一會(huì)兒功夫，Qwen3.7-Max直出一個(gè)可玩的HTML的文件。

第一版有個(gè)小bug，A/D轉(zhuǎn)向鍵左右搞反了。

但經(jīng)過第二輪簡單對話微調(diào)，一個(gè)體驗(yàn)完整的3D賽車游戲就跑了起來。

打開的瞬間，說實(shí)話，有點(diǎn)被驚到了。

4車同臺(tái)，3圈環(huán)形賽道競速，賽道上散落著100多枚金幣，碰到障礙物會(huì)減速、失控。

賽后成績面板，排名、用時(shí)、金幣數(shù)、最快單圈，一項(xiàng)不缺。

但真正讓人意外的，是兩個(gè)只有Qwen3.7-Max做到的細(xì)節(jié)。

一個(gè)是開始界面。四個(gè)模型橫向測完，只有它給游戲做了一個(gè)正經(jīng)的開始頁面，點(diǎn)「Start」才進(jìn)入比賽。其他三家全是打開即跑，連個(gè)標(biāo)題畫面都沒有。

另一個(gè)是音效。Prompt最后附了一條要求，加上發(fā)動(dòng)機(jī)轟鳴和吃金幣的音效。 四個(gè)模型里，也只有它把這個(gè)bonus吃進(jìn)去了，引擎聲和金幣叮咚都安排上了。

再看看其他選手的表現(xiàn)。

Gemini 3.5 Flash的畫面明顯單薄了一檔，缺少那種呼之欲出的立體感。

UI布局也有問題，儀表盤信息分散在屏幕四角，視覺焦點(diǎn)一盤散沙。

相比之下，Qwen3.7-Max的處理方式是把關(guān)鍵指標(biāo)集中到畫面中央，更符合玩家視線的自然落點(diǎn)。

Claude Opus 4.6的效果，有點(diǎn)讓人一言難盡了。

不僅賽道上金幣少得可憐，而且3輛AI賽車幾乎同步行駛，毫無隨機(jī)性，像復(fù)制粘貼出來的。

最后是GPT-5.5。

可以看到，畫面質(zhì)感確實(shí)比前兩家強(qiáng)了不少，操作起來也更流暢。

但不知道為什么，金幣被做成了黃色的「甜甜圈」……

造型倒是小事。關(guān)鍵是，Gemini、Claude、ChatGPT三家都修了好幾輪bug才跑通全部功能。

只有Qwen3.7-Max首輪生成就基本可玩。

跑分接近，實(shí)測不虛，價(jià)格只有幾分之一。剩下的結(jié)論，等開發(fā)者用腳投票就行了。

Agent時(shí)代的「基座」模型

Qwen3.7-Max之所以能在最卷的編程擂臺(tái)上打出如此水平，答案就藏在它的產(chǎn)品定位里。

幾天前，阿里發(fā)布Qwen3.7-Max的時(shí)候，給了它一個(gè)非常特殊的標(biāo)簽：Agent基座模型。

它生來，就是為長時(shí)間自主執(zhí)行任務(wù)設(shè)計(jì)的模型。

內(nèi)測數(shù)據(jù)顯示，在一次自主編程任務(wù)中，Qwen3.7-Max連續(xù)運(yùn)行35個(gè)小時(shí)，執(zhí)行1158次工具調(diào)用。

最終生成的代碼相較于Triton參考實(shí)現(xiàn)，達(dá)到了驚人的10倍幾何平均加速。

更令人震撼的是它的「持久戰(zhàn)」能力——

在推演進(jìn)行到第30個(gè)小時(shí)之后，模型依然保持敏銳，持續(xù)挖掘出新的優(yōu)化空間。

全程零上下文退化、零指令漂移、零死循環(huán)！

不得不說，這件事的難點(diǎn)不在1000次工具調(diào)用本身。MCP協(xié)議鋪開之后，調(diào)1000次工具不算稀奇。

難點(diǎn)在于，35小時(shí)的連貫推理。

絕大多數(shù)模型跑長任務(wù)時(shí)會(huì)崩盤：要么上下文越積越亂，前半段定的目標(biāo)到后面忘得干干凈凈；要么進(jìn)入死循環(huán)，反復(fù)嘗試同一個(gè)失敗的方案。

Qwen3.7-Max把「持續(xù)做對事」這件事，做出來了。

核心技術(shù)揭秘

Qwen3.7-Max這波編程躍升，我們理解核心可能與兩個(gè)訓(xùn)練方法的升級(jí)有關(guān)。

第一個(gè)是，環(huán)境擴(kuò)展。

Qwen3.7-Max在做編程訓(xùn)練時(shí)，每個(gè)任務(wù)會(huì)被拆成三個(gè)獨(dú)立維度，任務(wù)本身、執(zhí)行框架、驗(yàn)證方式，三者自由組合。

同一道題，有時(shí)候在Claude Code的框架里做，有時(shí)候在OpenClaw里做，有時(shí)候換一種驗(yàn)證方式。

效果就像一個(gè)實(shí)習(xí)生被輪崗到了所有項(xiàng)目組。它被迫學(xué)會(huì)的是解決問題的通用策略，不是「在某個(gè)特定框架里怎么取巧」。

這解釋了一個(gè)反直覺的現(xiàn)象，Qwen3.7-Max在Claude Code、OpenClaw、Qwen Code這幾個(gè)框架里的表現(xiàn)都很穩(wěn)，沒有出現(xiàn)「在自家框架里很強(qiáng)、換一個(gè)就拉胯」的情況。

第二個(gè)升級(jí)是，長程自主執(zhí)行。

在訓(xùn)練中，團(tuán)隊(duì)引入了「動(dòng)態(tài)累積生存博弈」框架。

也就是，讓模型在持續(xù)變化的模擬環(huán)境中做超過一千步的連續(xù)決策，自己建立假設(shè)、根據(jù)反饋調(diào)整策略，而且不能因?yàn)榕芴镁汀干舷挛母埂?/p>

這里有一個(gè)直觀的數(shù)據(jù)，YC-Bench模擬創(chuàng)業(yè)公司經(jīng)營一整年，Qwen3.7-Max做到了208萬美元營收，是上一代（105萬）的兩倍。

更關(guān)鍵的是，它展現(xiàn)出了策略進(jìn)化，中期遇到危機(jī)能自主調(diào)整方向，識(shí)別并拉黑惡意客戶，最終收斂到穩(wěn)定的執(zhí)行循環(huán)。

這就是35小時(shí)kernel優(yōu)化案例的底層支撐，也是為什么在Kernel Bench L3上，Qwen3.7-Max能讓96%的場景跑出加速效果。

而編程還只是第一個(gè)戰(zhàn)場。這套長程推理加工具調(diào)用的底子，指向的是一個(gè)更大的野心——通用Agent基座。

編程決賽，多了一個(gè)攪局者

Code Arena上線至今，考的從來都是硬活，多步推理、工具編排、完整項(xiàng)目交付，全是Agent級(jí)的真刀真槍。

今天，Qwen3.7-Max憑借著1541分的成績楔進(jìn)了第四的位置，卡在Opus 4.6 Thinking和Opus 4.6之間。

在這條Claude統(tǒng)治了大半年的賽道上，它給出了自己的回答，中國模型不只是追趕者，也可以是定義者。

全球編程模型的競賽，已經(jīng)不再是硅谷的獨(dú)角戲了。

參考資料：

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