# 中国AI编程能力跻身全球前二，仅次于Claude

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。

编程实测：Qwen3.7-Max的硬核表现

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。


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。

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：开始界面和音效处理。

再看看其他选手的表现。Gemini 3.5 Flash的画面明显单薄了一档，UI布局也有问题。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。最后是GPT-5.5，画面质感确实比前两家强了不少，但金币被做成了黄色的「甜甜圈」。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。

Agent时代的「基座」模型与核心技术

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！

Qwen3.7-Max这波编程跃升，核心可能与两个训练方法的升级有关：第一个是环境扩展，第二个是长程自主执行。在训练中，团队引入了「动态累积生存博弈」框架，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。


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。

来源：36氪热榜｜原文链接