阿里巴巴刚刚拿到了一个值得显示的收获单。

其最新旗舰模子Qwen3.7 Max在第三方AI分析智能指数中取得56.6分，排行大家第五，成为榜单上得分最高的中国模子，同期超越了谷歌的Gemini 3.5 Flash。

但仔细看数据，这个第一比名义上复杂得多。

向上是真确的，但不均匀

与上一代Qwen3.6 Max Preview比拟，Qwen3.7 Max的总分耕作了4.8分，从51.8分涨到56.6分。在刻下顶级模子竞争极为热烈的环境下，接近5分的耕作幅度不算小。

耕作最流露的几个维度，聚拢在科学推理、自主才智和编程才智上。CritPt得分从3.7%跳升至13.4%，提高了近10个百分点；测验极限常识畛域的Humanity's Last Exam从28.9%升至38.1%；代码与结尾任务基准Terminal-Bench Hard从43.9%升至50.8%，初度冲破50%大关。

这些耕作是骨子性的，响应出模子在处理复杂推理链和工夫任务上的真确向上。

然则，指数中其他基准方式的得分基本合手平，全体向上的"含金量"并不均匀漫步，中枢冲破聚拢在少数几个维度，而非全面飞跃。

更耐东谈主寻味的是幻觉率目的。Qwen3.7 Max在AA全知基准测试中的幻觉率从44.2%大幅着落至22.9%，降幅杰出21个百分点，这在前沿模子中是当今最低的幻觉率。

听起来是要紧向上，但背后有一个需要拆解的细节。

少答题也能拿高分，这算不算舞弊

在AA全知基准测试中，Qwen3.7 Max的原始准确率现实高着落了，从37.7%降至30.1%。与此同期，模子的"尝试回报率"从67.3%骤降至48.0%，是扫数参与对比的前沿模子中最低的。

逻辑很通俗：这个基准测试对正确谜底给分，对幻觉内容扣分，但对休止回报不作处理。Qwen3.7 Max遴荐了一条庄重但保守的计谋，碰到不笃定的问题，更多地回报"我不知谈"，而不是硬着头皮给出可能出错的谜底。

阻挡是幻觉率大幅着落，AG真人中国官方网站指数得分耕作，但模子现实知谈的内容并莫得加多。

这是一个值得严肃对待的区别。基准测试优化和真确才智耕作是两件不同的事，两者或然方针一致，或然并不重合。Qwen3.7 Max在这个维度上的弘扬，更像是一次计谋诊疗，而非常识的真确增长。

不外，从现实哄骗的角度来看，这种"知之为知之，不知为不知"的计谋并非莫得价值。在企业级部署场景中，一个大约坦承不笃定性的模子，络续比一个自信满满地输出诞妄信息的模子更可靠，更安全。医疗、法律、金融等高风险范畴的用户，可能对这一特质格外明锐。

中国AI追逐的真确流程

把Qwen3.7 Max放回更大的竞争形式来看，有两个值得护理的信号。

第一个信号是差距在削弱，但仍然存在。当今智能指数排行前三的远隔是OpenAI的GPT-5.5（60.2分）、Anthropic的Claude Opus 4.7（57.3分）和谷歌的Gemini 3.1 Pro Preview（57.2分）。Qwen3.7 Max的56.6分与第三名之间只差0.6分，但与第又名之间仍有3.6分的差距。DeepSeek此前曾公开承认自身逾期好意思国伊始水平约三到六个月，这个评估在刻下数据下看来仍然接近现实。

第二个信号是中国里面竞争依然特地热烈。Kimi、DeepSeek、阿里Qwen之间的排行在昔日数月内屡次轮换，DeepSeek V4 Pro在开源模子中再行夺回第二位，而阿里的阻塞权重Max系列则在轮廓指数上领跑中国阵营。这种里面竞争的烈度，自身即是股东向上速率的勤劳驱能源。

在居品计谋上，阿里巴巴延续了一贯的双轨阶梯：Max和Plus版块当作阻塞权重的买卖模子发布，其他版块保合手敞开权重。Qwen3.7 Max将高下文窗口从25.6万个token膨大至100万个token，撑合手更长的文档处理和复杂任务，但当今仅撑合手文本输入输出，订价尚未公布。

从token耗尽后果来看，Qwen3.7 Max在启动智能指数时使用了约9670万个输出token，比上一代多出约31%，处于前沿模子的中等水平。这意味着更强的才智所以更高的洽商老本换来的，最终订价将凯旋决定它对企业客户的蛊卦力。

中国AI模子与好意思国顶尖模子之间的距离AG真人·(中国)官方网站，正在以不错测量的速率收窄。这场追逐还莫得达成，但每一次更新王人让尽头线看起来更近一些。