Claude Fable 5 遥遥领先啊（包括价格 ），Cursor的榜单佬友们觉得参考价值大吗？ Cursor · CursorBench — Cursor · CursorBench 9 个帖子 - 8 位参与者 阅读完整话题
《华尔街日报》领导力研究所联合 Bendable Labs 发布了首届「面向未来的最佳公司」 (Best Companies for the Future) 榜单对标准普尔 500 指数 (S&P 500) 成分股公司进行评估。 在人工智能重塑商业版图的背景下，芯片巨头英伟达 (Nvidia) 夺得头魁，在六大核心评估维度中的五项名列第一或第二。 紧随其后位列前五的依次是谷歌母公司 Alphabet、微软 (Microsoft)、Meta 和思科 (Cisco Systems)，这批科技中坚力量主要得益于在创新、财务实力以及「AI准备度」 (AI readiness) 方面的优异表现。 该榜单基于 20 家数据提供商的 30 项指标，从 AI 准备度、更广泛的创新力、人才准备度（含招聘、留存和员工满意度）、财务状况、供应链韧性与地缘政治风险曝光，以及企业敏捷性等六大维度对企业进行综合诊断。在整体排名中，科技生产与服务类公司占据了前 100 名中的三分之一，在前 25 名中更占据了 18 席。研究表明，尽管评估未将市值直接纳入考量，但规模较大的公司普遍表现更好。然而，体量并非决定性因素：AMD 凭借敏捷性、创新和 AI 准备度位列第 16 名；而市值是 AMD 两倍多的博通 (Broadcom) 却因 AI 准备度、人才和韧性得分较低，仅排在第 110 名。 备受关注的苹果公司 (Apple) 整体排名第 12，但在 AI 准备度单项上仅排第 56 名，在 AI 采用、投资、并购及战略合作等维度均落后于其他「美股七巨头」成员。分析指出，这主要是由于该评估高度依赖公开披露，而苹果习惯对未发布技术保持神秘，实际投入未必低。此外，榜单在人才评估中特别融入了对 Z 世代 (Gen Z) 员工的保留率及远程办公友好度等指标，非科技公司在此表现亮眼，例如达美航空 (Delta Air Lines) 摘得人才准备度单项桂冠（但因创新和财务状况欠佳，整体排名第 103）。 https://www.wsj.com/lifestyle/careers/2026-best-companies-future-nvidia-f6744e03?mod=hp_lead_pos3 1 个帖子 - 1 位参与者 阅读完整话题
找了几个榜单每个排名的不一样 ，有没有比较权威的网站 我找的几个 huggingface 、 LDML 大模型排行榜 4 个帖子 - 4 位参与者 阅读完整话题
http://github-age.bloodkev.lol/ 带有排行榜，看看你第几名 7 个帖子 - 7 位参与者 阅读完整话题
企业支出管理平台Ramp于6月3日发布的6月软件供应商榜单显示， DeepSeek位居榜首 ，成为当月 美国企业首次付费采购增长最猛 的基础大模型厂商。Ramp首席经济学家阿拉·哈拉扎良（Ara Kharazian）指出，企业这次并非只是自行部署DeepSeek的开源模型，而是 直接向DeepSeek付费、传输和接收数据 。一年多前美国企业对DeepSeek的热度是浅尝辄止的尝鲜，这次变成了真实的付费使用。 ▲Ramp 2026年6月热门软件供应商榜单（图源：Ramp） Ramp是一家总部位于纽约的金融科技公司，依托企业信用卡与账单支付平台，每月处理数十亿美元的企业支出，同时按月统计客户首次采购合作的新增服务商并进行排名，借此直观展现新兴市场动向、高速成长企业等行业信息。 这份榜单的统计口径来自Ramp今年推出的供应商数据库Ramp Rate，依托平台上5万多家企业的真实交易，跟踪各品类的市场份额、企业采用率与增长趋势。 更值得关注的是这股回流背后的大趋势。在AI开支不断膨胀、企业普遍收紧预算的背景下，越来越多美国公司正从OpenAI和Anthropic分流， 转向开源模型和更便宜的模型 ，而中国厂商DeepSeek的登顶，只是这条成本线上最 扎眼的一个信号 。 一、DeepSeek美国企业采用率回升，使用方式出现新变化 DeepSeek并非首次出现在Ramp的榜单上。哈拉扎良写道， 去年1月DeepSeek曾经历一轮不大不小的热度 ，在Ramp AI指数中的企业采用率一度升至0.3%，但随后 迅速回落 ，仅剩约0.1%的美国企业仍在使用。 如今美国企业再度选用DeepSeek，而且据Ramp的支出数据，美国企业是在向DeepSeek直接付费。 这一结果出乎哈拉扎良的预料。让他意外的，不只是DeepSeek重新出现，而是它出现的方式。 哈拉扎良说，这一次美国企业正在直接通过DeepSeek传输和接收数据，也就是说，它们是在直接使用DeepSeek提供的商业服务，而非仅仅运行其开源模型。 不过哈拉扎良也提醒，不宜高估这一趋势的持续性，对企业来说，直接接入DeepSeek存在实实在在的 竞争与安全顾虑 ， 这股回流随时可能逆转 。 作为对照，在今年4月，Anthropic和OpenAI以34.4%和32.3%的采用率稳居指数前两位，DeepSeek 远未对二者构成实质冲击 。也就是说，它这次登上的是 “相对自身规模增速最快”的突破性榜单 ，而非绝对采用量榜首，Ramp也并未公布其6月的具体市场份额。 ▲美国企业AI付费采购渗透率趋势图（图源：Ramp） 二、AI支出失控，企业转向更便宜的模型调用方案 回流中国模型只是更大转向的一部分。哈拉扎良说，企业正越来越多地使用开源模型，在一定程度上从OpenAI和Anthropic分流，转而借助第三方平台完成模型部署与调用，他点名了AI推理平台Fireworks AI、fal AI和DeepInfra。 在他看来，这背后是 企业管理不断膨胀的AI开支的现实需求 。他由此向美国模型厂商喊话，认为对方应当通过更便宜的模型或智能路由（smart routing）来回应这种压力，帮助客户管住失控的AI支出。 与此同时，AI并未横扫所有软件品类。尽管外界一直在讨论Claude会不会取代设计工具，但设计软件Figma和Paper本月双双进入榜单，说明专业设计软件的需求依然稳固。 结语：成本影响企业AI采购选择 哈拉扎良此前就已预判，企业会更多尝试开源模型以及来自OpenAI、Anthropic和Google的更便宜（性能稍弱）的模型，只是他没料到美国企业会真的用上中国对手DeepSeek。 对OpenAI和Anthropic等美国模型厂商而言，价格与成本已经成为企业选择的关键变量，在性能与开支之间给出更优解，才能留住正在精打细算的企业客户。 查看评论
在 Artificial Analysis Intelligence Index 等榜单中，MiniMax-M3 综合得分 54.7 ，排名全球第七、国产第二，接近 Claude Opus 4.7 （ 57.3 ），在代码工程、智能体任务、长文本处理等维度进入第一梯队。 MiniMax M3 国产模型第一梯队模型 API 一折。 立即访问： https://wellapi.ai/pricing?keyword=MiniMax
在 Artificial Analysis Intelligence Index 等榜单中，MiniMax-M3 综合得分 54.7 ，排名全球第七、国产第二，接近 Claude Opus 4.7 （ 57.3 ），在代码工程、智能体任务、长文本处理等维度进入第一梯队。 MiniMax M3 国产模型第一梯队模型 API 一折。 立即访问： https://wellapi.ai/pricing?keyword=MiniMax
2026年《财富》美国500强排行榜正式发布，这是《财富》第72年发布该榜单，上榜公司收入和利润均创历史新高。 榜上全部500家公司总收入由去年的19.91万亿美元上升到20.98万亿美元，较前一年增长约5.4%。上榜公司总收入相当于美国当年GDP的三分之二。 2025年，这些美国最大企业的总利润约2.1万亿美元，比上一年增长约12%。 亚马逊超越沃尔玛位列榜首，打破了沃尔玛连续十三年蝉联榜首的纪录。 沃尔玛位列第二，联合健康集团位列第三，苹果公司和Alphabet公司紧随其后，分别位列第四、五位。 从盈利能力来看，科技和金融行业仍然是最赚钱的行业。Alphabet公司去年盈利1，321.7亿美元，较上一年增长约32%，蝉联利润榜榜首。 英伟达去年盈利达到了创纪录的1，200.67亿美元，较上一年大幅增长约64.8%，上升至利润榜第二位。 苹果公司去年盈利1，120.1亿美元，较上一年增长约19.5%，但在利润榜中的排名下滑一位，位列第三。 “美股七巨头”中，除特斯拉、苹果排位保持不变，其余五家公司的排名均有所提升，Google母公司Alphabet公司、英伟达、苹果、微软在去年的净利润均超过千亿美元。 今年的榜单中有15家公司为股东实现的10年年化总回报率超过30%，包括英伟达、超威半导体公司、博通、特斯拉和礼来公司。 其中，英伟达2025年10年年化股东总回报率为72%，在榜单中居于首位。 50家最赚钱公司排名： 查看评论
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 github.com GitHub - fish2018/webhtv: WebHomeTV 基于FongMi二次开发，增强了 WebHome 自定义首页、App... WebHomeTV 基于FongMi二次开发，增强了 WebHome 自定义首页、App Native SDK、网盘链接检测 和 Nostr推荐首页。 这个项目的核心目标是让 CSP 站点首页可以变成一个真正可开发的网页应用：开发者可以用 HTML/CSS/JavaScript 定制首页，再通过 App 暴露的 Native 能力完成搜索、播放、跨域请求、资源代理、最近观看、网盘检测和状态同步。 觉得好使的戳一下(20积分)，感谢打赏 LINUX DO Credit 主要增强功能 自定义web作为app主页 Nostr推荐榜单，基于去中心化技术实现，根据真实用户观影数据自动发布榜单 内置 网盘搜索(盘搜) 和网盘链接有效性检测 局域网一键同步，方便电视端配置 站点注入，方便在线接口随时添加自定义CSP 支持壳代理 下载地址： https://github.com/fish2018/webhtv/releases 效果演示录屏 电视端 手机端 4 个帖子 - 3 位参与者 阅读完整话题
感觉Qwen就很玄学，榜单非常强，技术也强，但是用户说不行。这是为什么呢？ 6 个帖子 - 5 位参与者 阅读完整话题
叠个甲，本篇帖子并不是以说教的口吻宣导，只是个人感受分享。 最近国内外厂商争相推新，百家争鸣，然而也催生了一类又一类的评测榜单，建议各位佬友明确自我对大模型的需求，不要受榜单影响，我个人观察到因为一类又一类AI大模型的榜单出现，社区的拉踩现象也越来越严重，不局限于L站，L站的风气相对好一些，可见各位佬友的理智还是在线的，一个工具而已，哪个更适合自己，自然就选择哪个，现在除了深度适配deepseek的以外，其它切大模型几乎是0成本，实在是没必要为大模型去浪费口舌。 比如有些榜单，拿几轮对话能解决问题来衡量智能程度的，我也尝试使用描述清晰的提示词给到deepseek-flash[high]，也能做到一轮对话解决，这是不是等于直接打脸所有榜单？难道同样就能证明deepseek-flash[high]就可以比肩opus4.6\4.7\4.8、gpt-5.5这些了么，很明显不是的。 同样也说明了另一个点，即使不是顶尖的模型，只要适用得当，也可以比肩顶尖模型，能达到自己的需要，我现在编码的唯一选择也就只有flash（图他便宜），在不断在积累vide coding案例、harness案例之后，也能够很流畅完全日常各类工作，甚至是智能体的研发。 就我个人使用体验来说，运用好claude code的plan模式，其实啥模型都能完成我的工作，更多的是发现了模型的不足，再通过提示词进行弥补即可，而不是 让大模型来弥补提示词的不足，那这成本太高了 。 15 个帖子 - 13 位参与者 阅读完整话题
IT之家 5 月 30 日消息，“智元 AGIBOT”官方公众号 29 日发文宣布：具身领域热门榜单 WorldArena Track1（ 世界模型感知与动作响应赛道 ）最新评测结果揭晓，智元自研的世界模型 Genie Envisioner-Sim 2.0（IT之家注：以下简称 GE 2.0）登顶榜单。 所谓“世界模型”，简单来说就是 能理解物理世界规律 的 AI 大模型。机器人若具备“世界模型”能力，就能知道杯子掉地上会碎、水往低处流、积木搭太高会倒等常识。 在该赛道评测中，智元团队使用了原生的世界模型 GE 2.0，并未针对赛题进行特殊设计优化，仅基于榜单数据进行了基础微调（Finetune）。 根据介绍，GE 2.0 在功能上首次全面覆盖了 长时序生成、多视角生成、本体状态生成、近实时推理以及奖励判别 等核心环节，构建了世界模拟器完整的技术能力闭环。 在长时序推理任务中，GE 2.0 表现出极强的稳定性，画面质量随推理时长的衰减显著弱于行业基线方案。即使在连续推演 40-50 秒的长视频片段时，其生成质量依然超越了基线模型前 10 秒内的表现。 团队验证了大量闭环评测结果，证明 GE 2.0 在多项任务上均 与真实世界保持着强相关 性。 这种相关性不止步于宏观统计意义上的“成功率一致”，团队还进行了逐案（Case-by-case）的 rollout 结果对比分析，并通过混淆矩阵（Confusion Matrix）提供了严谨的量化佐证，进一步证明了 GE 2.0 作为策略评测器的可靠性。 在奖励模型（Reward Model）的加持下，GE 2.0 能够对闭环评测的 rollout 过程进行自动化筛选， 将世界模型中产出的有效高质量数据精准回流给策略模型（Policy Model）。 实验证明，这一机制在多项任务上均助力策略模型实现了显著的性能涨点。 此外，据上观新闻报道，智元 GE 2.0 此次与英伟达最新模型 DreamDojo、清华联合斯坦福的 Ctrl-World 团队等国内外 AI 顶尖团队直接竞争，并最终夺冠。GE 2.0 仅用 20 亿（2B）参数的模型 ，结果比英伟达、微软等 超大参数的旗舰模型 效果更优秀，也验证了在人形机器人应用方面，轻量化模型的适配性不逊于超大参数模型。
来源： LLM Benchmark Leaderboard 7 个帖子 - 7 位参与者 阅读完整话题
如图，在nao佬的私人榜单上，qwen3.7max甚至仅次于5.5，而且这一骑绝尘的token消耗最终时间才300s，说明tps无敌。绝对是用了自己试的新注意力或者别的什么了。另外这opus4.8中位分数十分拉胯，证明这个模型稳定性不行啊，甚至不如4.6。 8 个帖子 - 6 位参与者 阅读完整话题
我在github上面看到有人做的热搜榜单，这样确实很方便但是其中的信息源包含不少垃圾信息，我想了解一下佬友们是如何获取高质量信息的。 8 个帖子 - 6 位参与者 阅读完整话题
现在有各种各样的大模型榜单，但是大伙好像对榜单的认可度不高？而且还有和体感不符的情况？ 那么现在要找编码能力强的模型那个榜单更有参考价值呢？ 附上自己在看的榜单： artificialanalysis.ai AI Model & API Providers Analysis | Artificial Analysis Comparison and analysis of AI models and API hosting providers. Independent benchmarks across key performance metrics including quality, price, output speed & latency. WebDev AI Leaderboard - Best AI Models for Web Development WebDev AI Leaderboard - Best AI Models for Web Development View overall rankings across AI models on front-end web development tasks, including agentic coding workflows that require multi-step reasoning and tool use. DeepSWE DeepSWE DeepSWE measures frontier coding agents on original, long-horizon software engineering tasks. 正在处理：2a4a7846-b75f-496f-bdc7-d43cf60fcad8.png… 5 个帖子 - 4 位参与者 阅读完整话题
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。 Qwen3.7-Max闯入全球前五 唯一非Claude模型 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。 左右 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。 编程，太能打了 不过跑分再高，不如真刀真枪拉出来练练。 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。 一个是开始界面。四个模型横向测完，只有它给游戏做了一个正经的开始页面，点“Start”才进入比赛。其他三家全是打开即跑，连个标题画面都没有。 另一个是音效。prompt最后附了一条要求，加上发动机轰鸣和吃金币的音效。 四个模型里，也只有它把这个bonus吃进去了，引擎声和金币叮咚都安排上了。 再看看其他选手的表现。 Gemini 3.5 Flash的画面明显单薄了一档，缺少那种呼之欲出的立体感。 UI布局也有问题，仪表盘信息分散在屏幕四角，视觉焦点一盘散沙。 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。 不仅赛道上金币少得可怜，而且3辆AI赛车几乎同步行驶，毫无随机性，像复制粘贴出来的。 最后是GPT-5.5。 可以看到，画面质感确实比前两家强了不少，操作起来也更流畅。 但不知道为什么，金币被做成了黄色的“甜甜圈”…… 造型倒是小事。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。 跑分接近，实测不虚，价格只有几分之一。剩下的结论，等开发者用脚投票就行了。 Agent时代的“基座”模型 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！ 不得不说，这件事的难点不在1000次工具调用本身。MCP协议铺开之后，调1000次工具不算稀奇。 难点在于，35小时的连贯推理。 绝大多数模型跑长任务时会崩盘：要么上下文越积越乱，前半段定的目标到后面忘得干干净净；要么进入死循环，反复尝试同一个失败的方案。 Qwen3.7-Max把“持续做对事”这件事，做出来了。 核心技术揭秘 Qwen3.7-Max这波编程跃升，我们理解核心可能与两个训练方法的升级有关。 第一个 是， 环境扩展。 Qwen3.7-Max在做编程训练时，每个任务会被拆成三个独立维度，任务本身、执行框架、验证方式，三者自由组合。 同一道题，有时候在Claude Code的框架里做，有时候在OpenClaw里做，有时候换一种验证方式。 效果就像一个实习生被轮岗到了所有项目组。它被迫学会的是解决问题的通用策略，不是“在某个特定框架里怎么取巧”。 这解释了一个反直觉的现象，Qwen3.7-Max在Claude Code、OpenClaw、Qwen Code这几个框架里的表现都很稳，没有出现“在自家框架里很强、换一个就拉胯”的情况。 第二个升级是 ， 长程自主执行。 在训练中，团队引入了“动态累积生存博弈”框架。 也就是，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，自己建立假设、根据反馈调整策略，而且不能因为跑太久就“上下文腐化”。 这里有一个直观的数据，YC-Bench模拟创业公司经营一整年，Qwen3.7-Max做到了208万美元营收，是上一代（105万）的两倍。 更关键的是，它展现出了策略进化，中期遇到危机能自主调整方向，识别并拉黑恶意客户，最终收敛到稳定的执行循环。 这就是35小时kernel优化案例的底层支撑，也是为什么在Kernel Bench L3上，Qwen3.7-Max能让96%的场景跑出加速效果。 而编程还只是第一个战场。这套长程推理加工具调用的底子，指向的是一个更大的野心——通用Agent基座。 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。 15 个帖子 - 15 位参与者 阅读完整话题
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。 Qwen3.7-Max闯入全球前五 唯一非Claude模型 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。 左右 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。 编程，太能打了 不过跑分再高，不如真刀真枪拉出来练练。 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。 一个是开始界面。四个模型横向测完，只有它给游戏做了一个正经的开始页面，点“Start”才进入比赛。其他三家全是打开即跑，连个标题画面都没有。 另一个是音效。prompt最后附了一条要求，加上发动机轰鸣和吃金币的音效。 四个模型里，也只有它把这个bonus吃进去了，引擎声和金币叮咚都安排上了。 再看看其他选手的表现。 Gemini 3.5 Flash的画面明显单薄了一档，缺少那种呼之欲出的立体感。 UI布局也有问题，仪表盘信息分散在屏幕四角，视觉焦点一盘散沙。 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。 不仅赛道上金币少得可怜，而且3辆AI赛车几乎同步行驶，毫无随机性，像复制粘贴出来的。 最后是GPT-5.5。 可以看到，画面质感确实比前两家强了不少，操作起来也更流畅。 但不知道为什么，金币被做成了黄色的“甜甜圈”…… 造型倒是小事。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。 跑分接近，实测不虚，价格只有几分之一。剩下的结论，等开发者用脚投票就行了。 Agent时代的“基座”模型 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！ 不得不说，这件事的难点不在1000次工具调用本身。MCP协议铺开之后，调1000次工具不算稀奇。 难点在于，35小时的连贯推理。 绝大多数模型跑长任务时会崩盘：要么上下文越积越乱，前半段定的目标到后面忘得干干净净；要么进入死循环，反复尝试同一个失败的方案。 Qwen3.7-Max把“持续做对事”这件事，做出来了。 核心技术揭秘 Qwen3.7-Max这波编程跃升，我们理解核心可能与两个训练方法的升级有关。 第一个 是， 环境扩展。 Qwen3.7-Max在做编程训练时，每个任务会被拆成三个独立维度，任务本身、执行框架、验证方式，三者自由组合。 同一道题，有时候在Claude Code的框架里做，有时候在OpenClaw里做，有时候换一种验证方式。 效果就像一个实习生被轮岗到了所有项目组。它被迫学会的是解决问题的通用策略，不是“在某个特定框架里怎么取巧”。 这解释了一个反直觉的现象，Qwen3.7-Max在Claude Code、OpenClaw、Qwen Code这几个框架里的表现都很稳，没有出现“在自家框架里很强、换一个就拉胯”的情况。 第二个升级是 ， 长程自主执行。 在训练中，团队引入了“动态累积生存博弈”框架。 也就是，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，自己建立假设、根据反馈调整策略，而且不能因为跑太久就“上下文腐化”。 这里有一个直观的数据，YC-Bench模拟创业公司经营一整年，Qwen3.7-Max做到了208万美元营收，是上一代（105万）的两倍。 更关键的是，它展现出了策略进化，中期遇到危机能自主调整方向，识别并拉黑恶意客户，最终收敛到稳定的执行循环。 这就是35小时kernel优化案例的底层支撑，也是为什么在Kernel Bench L3上，Qwen3.7-Max能让96%的场景跑出加速效果。 而编程还只是第一个战场。这套长程推理加工具调用的底子，指向的是一个更大的野心——通用Agent基座。 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。 查看评论
每个榜都有人说是刷的野榜 哪里的榜单更加值得一看？推荐推荐 12 个帖子 - 10 位参与者 阅读完整话题
动态： 刚刚，全球权威编程榜单 Code Arena正式放榜，千问最新旗舰模型 Qwen3.7-Max得分 1541，超越GPT-5.5、Gemini-3.5-Flash、GLM-5.1、Kimi-K2.6等一众模型，仅次于Claude系列，在大模型厂商中排名全球第二。 全球权威编程榜单 Code Arena 这是由知名第三方大模型盲测平台 LMArena 推出的最具影响力的编程能力榜单之一。与传统的代码基准测试不同，Code Arena 由开发者出题，要求模型从零生成完整的、可交互的 Web 应用程序，并交由用户对匿名模型进行两两 PK 盲测投票，根据投票综合生成最终榜单。因此，Code Arena 也被视为目前 全球最具公信力的 AI 编程能力评测 之一。 编程突出的 Qwen3.7-Max Qwen3.7-Max 在 Code Arena 榜单中斩获 1541 分，次于最强模型Claude-opus-4.7，可媲美Claude-opus-4.6，是目前榜单中唯一突破 1540 分大关的国产大模型。 在真实项目交付能力上，Qwen3.7-Max 同样表现出色：能在数小时内独立完成专业团队耗时 2 周的复杂项目端到端交付；可持续运行 35 小时，累计完成超 1000 次工具调用的复杂长程任务，甚至能自我编程优化芯片内核。 感谢全球开发者的每一次投票和反馈，我们将继续努力，打磨更好的模型给大家。 链接： 千问大模型的动态 - 哔哩哔哩 24 个帖子 - 24 位参与者 阅读完整话题