Model AI Qwen3.7-Max Naik ke Peringkat No.4 di Leaderboard Code Arena

Per Mei 2026, Qwen3.7-Max milik Alibaba mencetak skor 1.541 di papan peringkat Code Arena. Posisi ini menempatkannya di peringkat keempat secara global dan menjadikannya satu-satunya model non-AS di lima besar. Benchmark yang dijalankan oleh peneliti dari UC Berkeley, UC San Diego, dan Carnegie Mellon ini menilai kemampuan model dalam membangun aplikasi web interaktif lengkap dari prompt bahasa alami. Skor diperoleh dari voting buta pengguna manusia yang menguji hasilnya. Tim China jelas telah mempersempit kesenjangan pada tugas coding yang penting untuk otomatisasi nyata.

Peringkat lebih tinggi di sini menandakan perilaku agentic yang lebih kuat. Model harus menghasilkan kode yang berfungsi, menangani interaksi pengguna, dan memperbaiki masalah tanpa bantuan terus-menerus. Hasil Qwen3.7-Max menunjukkan kemampuannya mengelola alur kerja yang lebih panjang dan kompleks dibandingkan banyak rilis China sebelumnya. Sejujurnya, sampel saya yang sepenuhnya tidak ilmiah menunjukkan bahwa peningkatan ini paling cepat terlihat pada tugas scripting repetitif dan pipeline data. Pergeseran menuju agent coding khusus di China tampak disengaja, bukan kebetulan.

Performa coding dan agentic yang lebih kuat langsung mendukung sistem multimodal yang menjadi andalan kreator untuk pipeline video, gambar, dan otomatisasi. Kemajuan mendasar yang sama yang meningkatkan skor Code Arena juga memperbaiki interpretasi prompt dan konsistensi di berbagai jenis media. Kemajuan dalam multimodal AI sudah diterapkan pada pembuatan konten dewasa dalam proyek seperti Happy Oyster AI dari Alibaba Melarang Pornografi: Generator AI Porn Tanpa Sensor Ultimate. Ya, kedengarannya aneh, tapi tumpang tindih teknisnya nyata.

Papan peringkat masih menunjukkan model AS menduduki tiga posisi teratas, namun marginnya telah menyempit. Qwen3.7-Max berada di atas beberapa entri terbaru OpenAI dan Google yang diperkirakan akan mendominasi benchmark coding. Ini mencerminkan pola yang lebih luas: laboratorium frontier di seluruh dunia berlomba meningkatkan keandalan agent daripada sekadar kefasihan bahasa mentah. Tekanan kompetitif ini sehat. Ia memaksa iterasi lebih cepat pada kemampuan yang tepat untuk mengubah model generatif menjadi tools studio praktis.