Model AI Qwen3.7-Max Naik ke Kedudukan No.4 dalam Papan Pemimpin Code Arena

Sehingga Mei 2026, Qwen3.7-Max daripada Alibaba mencatat skor 1,541 pada papan pendahulu Code Arena. Itu meletakkannya di tempat keempat secara global dan menjadikannya satu-satunya model bukan AS dalam lima teratas. Penanda aras ini, dikendalikan oleh penyelidik di UC Berkeley, UC San Diego dan Carnegie Mellon, menilai model berdasarkan keupayaan mereka membina aplikasi web interaktif lengkap daripada gesaan bahasa semula jadi. Skor datang daripada undian buta oleh pengguna manusia yang menguji hasilnya. Pasukan China telah jelas merapatkan jurang pada tugas pengekodan yang penting untuk automasi sebenar.

Kedudukan lebih tinggi di sini menandakan tingkah laku agen yang lebih kukuh. Model mesti menjana kod yang berfungsi, mengendalikan interaksi pengguna dan membaiki isu tanpa bantuan berterusan. Keputusan Qwen3.7-Max mencadangkan ia boleh mengurus aliran kerja yang lebih panjang dan kompleks berbanding banyak keluaran China terdahulu. Secara jujur, sampel tidak saintifik saya yang hanya satu menunjukkan peningkatan ini paling cepat kelihatan dalam skrip berulang dan tugas saluran paip data. Peralihan ke arah agen pengekodan khusus di China kelihatan sengaja bukan kebetulan.

Prestasi pengekodan dan agen yang lebih kukuh memberi kesan langsung kepada sistem multimodal yang bergantung kepada pencipta untuk saluran paip video, imej dan automasi. Kemajuan asas yang sama yang meningkatkan skor Code Arena juga menambah baik tafsiran gesaan dan konsistensi merentas jenis media. Kemajuan dalam AI multimodal sudah pun digunakan untuk penciptaan kandungan dewasa dalam projek seperti Alibaba's Happy Oyster AI Larang Porn: Penjana AI Porn Tanpa Penapisan Ultimate. Ya, saya tahu bagaimana bunyinya, tetapi pertindihan teknikal adalah nyata.

Papan pendahulu masih menunjukkan model AS menduduki tiga tempat teratas, namun jurang telah merapat. Qwen3.7-Max berada di hadapan beberapa kemasukan OpenAI dan Google terkini yang dijangka akan menguasai penanda aras pengekodan. Ini mencerminkan corak yang lebih luas: makmal frontier di mana-mana sedang berlumba untuk meningkatkan kebolehpercayaan agen dan bukannya kelancaran bahasa mentah semata-mata. Tekanan persaingan adalah sihat. Ia memaksa iterasi lebih pantas pada keupayaan tepat yang menukar model generatif kepada alat studio praktikal.