新智元报说念

Code Arena最新放榜，Qwen3.7-Max以1541分冲进各人第四，成为前五中惟一的非Claude模子。编程，中国模子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分闯入各人前四，一举卓绝了GPT-5.5、Gemini 3.5 Flash等一众顶尖模子。

排在它前边的，只剩Claude Opus 4.7和Opus 4.6。

换句话说，在各人编程模子的竞技场上，阿里是惟一杀进这张牌桌的中国厂商，仅次于Anthropic，位列第二。

Qwen3.7-Max闯入各人前五

惟一非Claude模子

其的确Code Arena放榜之前，Qwen3.7-Max在国外开发者圈子里也曾杀出了名声。

Atomic Chat作念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。

胁制，Qwen3.7-Max不仅只用$1.32的token资本就把Opus 4.7和GPT-5.5齐卓绝了，而况性能还擢升了56%。

另一位国外开发者选拔让Qwen3.7-Max构建了一个宇宙的3D模子，成果足以用颠簸描绘。

在「3D像素风微缩浮屠模子」的生成任务中，Qwen3.7-Max的输出速率和质地相似全面胜出。

独揽

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

编程，太能打了

不外跑分再高，不如真刀真枪拉出来练练。

咱们给Qwen3.7-Max安排了一场硬核的「赛车游戏」挑战。

一段瞩目的prompt丢进去，不一霎功夫，Qwen3.7-Max直出一个可玩的HTML的文献。

初版有个小bug，A/D转向键独揽搞反了。

但过程第二轮浅易对话微调，一个体验齐备的3D赛车游戏就跑了起来。

开放的霎时，说真话，有点被惊到了。

4车同台，3圈环形赛说念竞速，赛说念上洒落着100多枚金币，碰到袭击物会延缓、失控。

赛后收获面板，名次、用时、金币数、最快单圈，一项不缺。

但信得过让东说念主不测的，是两个唯有Qwen3.7-Max作念到的细节。

一个是开动界面。四个模子横向测完，唯有它给游戏作念了一个谨慎的开动页面，点「Start」才参预比赛。其他三家全是开放即跑，连个标题画面齐莫得。

另一个是音效。prompt终末附了一条条目，加上发动机轰鸣和吃金币的音效。 四个模子里，也唯有它把这个bonus吃进去了，引擎声和金币叮咚齐安排上了。

再望望其他选手的发达。

Gemini 3.5 Flash的画面彰着单薄了一档，短缺那种呼之欲出的立体感。

UI布局也有问题，仪容盘信息散布在屏幕四角，视觉焦点一盘散沙。

比较之下，Qwen3.7-Max的处理格式是把关节目的蚁集到画面中央，更合适玩家视野的当然落点。

Claude Opus 4.6的成果，有点让东说念主说来话长了。

不仅赛说念上金币少得怜悯，而况3辆AI赛车险些同步碾儿驶，毫无赶紧性，像复制粘贴出来的。

终末是GPT-5.5。

不错看到，画面质感如实比前两家强了不少，操作起来也更计划。

但不知说念为什么，金币被作念成了黄色的「甜甜圈」……

造型倒是小事。关节是，Gemini、Claude、ChatGPT三家齐修了好几轮bug才跑通全部功能。

唯有Qwen3.7-Max首轮生配置基本可玩。

跑分接近，实测不虚，2026世界杯官方指定中国区认证平台价钱唯有几分之一。剩下的论断，等开发者用脚投票就行了。

Agent时间的「基座」模子

Qwen3.7-Max之是以能在最卷的编程擂台上打出如斯水平，谜底就藏在它的产物定位里。

几天前，阿里发布Qwen3.7-Max的时候，给了它一个相等至极的标签：Agent基座模子。

它生来，即是为万古刻自主实验任务联想的模子。

内测数据领会，在一次自主编程任务中，Qwen3.7-Max相连运行35个小时，实验1158次器具调用。

最毕生成的代码相较于Triton参考结束，达到了惊东说念主的10倍几何平均加快。

更令东说念主颠簸的是它的「握久战」才气——

在推演进行到第30个小时之后，模子依然保握猛烈，握续挖掘出新的优化空间。

全程零高下文退化、零请示漂移、零死轮回！

不得不说，这件事的难点不在1000次器具调用自身。MCP左券铺开之后，调1000次器具不算罕有。

难点在于，35小时的连贯推理。

绝大巨额模子跑长任务时会崩盘：要么高下文越积越乱，前半段定的倡导到背面忘得鸡犬不留；要么参预死轮回，反复尝试消灭个失败的决议。

Qwen3.7-Max把「握续作念对事」这件事，作念出来了。

中枢技巧揭秘

Qwen3.7-Max这波编程跃升，咱们相识中枢可能与两个训练范例的升级联系。

第一个是，环境膨胀。

Qwen3.7-Max在作念编程训练时，每个任务会被拆成三个寂静维度，任务自身、实验框架、考据格式，三者摆脱组合。

同悉数题，或然候在Claude Code的框架里作念，或然候在OpenClaw里作念，或然候换一种考据格式。

成果就像一个实习生被轮岗到了悉数样式组。它被动学会的是措置问题的通用计策，不是「在某个特定框架里怎样取巧」。

这解说了一个反直观的景色，Qwen3.7-Max在Claude Code、OpenClaw、Qwen Code这几个框架里的发达齐很稳，莫得出现「在自家框架里很强、换一个就拉胯」的情况。

第二个升级是，长程自主实验。

在训练中，团队引入了「动态积聚糊口博弈」框架。

也即是，让模子在握续变化的模拟环境中作念进步一千步的相连决策，我方开辟假定、凭据响应诊疗计策，而况不可因为跑太久就「高下文沉湎」。

这里有一个直不雅的数据，YC-Bench模拟创业公司缱绻一整年，Qwen3.7-Max作念到了208万好意思元营收，是上一代（105万）的两倍。

更关节的是，它展现出了计策进化，中期遭逢危境能自主诊疗标的，识别并拉黑坏心客户，最终料理到沉静的实验轮回。

这即是35小时kernel优化案例的底层支握，亦然为什么在Kernel Bench L3上，Qwen3.7-Max能让96%的场景跑出加快成果。

而编程还仅仅第一个战场。这套长程推理加器具调用的基础底细，指向的是一个更大的贪念——通用Agent基座。

编程决赛，多了一个搅局者

Code Arena上线于今，考的从来齐是硬活，多步推理、器具编排、齐备样式委用，全是Agent级的真刀真枪。

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

在这条Claude总揽了泰半年的赛说念上，它给出了我方的报恩，中国模子不仅仅追逐者，也不错是界说者。

各人编程模子的竞赛2026世界杯(中国)，也曾不再是硅谷的独角戏了。