Mô hình AI Qwen3.7-Max Leo lên Top 4 Bảng Xếp hạng Code Arena

Tính đến tháng 5 năm 2026, Qwen3.7-Max của Alibaba đã đạt 1.541 điểm trên bảng xếp hạng Code Arena. Điều này đưa nó lên vị trí thứ tư toàn cầu và là mô hình duy nhất không phải của Mỹ trong top năm. Benchmark do các nhà nghiên cứu tại UC Berkeley, UC San Diego và Carnegie Mellon thực hiện, đánh giá các mô hình dựa trên khả năng xây dựng các ứng dụng web tương tác hoàn chỉnh từ các lời nhắc bằng ngôn ngữ tự nhiên. Điểm số đến từ các cuộc bỏ phiếu mù bởi người dùng con người kiểm tra kết quả. Các đội ngũ Trung Quốc rõ ràng đã thu hẹp khoảng cách trong các tác vụ lập trình quan trọng cho tự động hóa thực tế.

Vị trí cao hơn ở đây cho thấy hành vi agentic mạnh mẽ hơn. Các mô hình phải tạo mã hoạt động, xử lý tương tác người dùng và sửa lỗi mà không cần hỗ trợ liên tục. Kết quả của Qwen3.7-Max cho thấy nó có thể quản lý các quy trình làm việc dài hơn, phức tạp hơn so với nhiều bản phát hành Trung Quốc trước đây. Thành thật mà nói, mẫu hoàn toàn không khoa học của tôi chỉ một cái cho thấy những cải tiến này xuất hiện nhanh nhất trong các tác vụ scripting lặp lại và data-pipeline. Sự chuyển dịch hướng tới các agent lập trình chuyên biệt ở Trung Quốc có vẻ có chủ đích hơn là ngẫu nhiên.

Hiệu suất lập trình và agentic mạnh mẽ hơn trực tiếp hỗ trợ các hệ thống đa phương tiện mà nhà sáng tạo dựa vào cho các pipeline video, hình ảnh và tự động hóa. Tiến bộ cơ bản tương tự nâng cao điểm Code Arena cũng cải thiện việc diễn giải prompt và tính nhất quán trên các loại phương tiện. Những tiến bộ trong AI đa phương tiện đã được áp dụng cho việc tạo nội dung người lớn trong các dự án như Happy Oyster AI của Alibaba Cấm Porn: Trình Tạo AI Porn Không Kiểm Duyệt Tối Thượng. Ừ, tôi biết nghe thế nào, nhưng sự chồng chéo kỹ thuật là có thật.

Bảng xếp hạng vẫn cho thấy các mô hình Mỹ chiếm ba vị trí đầu, nhưng khoảng cách đã thu hẹp. Qwen3.7-Max đứng trước một số mục gần đây của OpenAI và Google được kỳ vọng sẽ thống trị các benchmark lập trình. Điều này phản ánh một mô hình rộng hơn: các phòng lab tiên phong ở mọi nơi đang chạy đua để cải thiện độ tin cậy của agent thay vì chỉ riêng sự trôi chảy ngôn ngữ thô. Áp lực cạnh tranh là lành mạnh. Nó buộc phải lặp lại nhanh hơn trên các khả năng chính xác biến các mô hình tạo sinh thành công cụ studio thực tế.