阿里巴巴刚刚拿到了一个值得显示的收货单。

其最新旗舰模子Qwen3.7 Max在第三方AI分析智能指数中获取56.6分，名次大众第五，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。

当先是确切的，但不均匀

与上一代Qwen3.6 Max Preview比拟，Qwen3.7 Max的总分栽种了4.8分，从51.8分涨到56.6分。在现时顶级模子竞争极为锐利的环境下，接近5分的栽种幅度不算小。

栽种最较着的几个维度，并吞在科学推理、自主才能和编程才能上。CritPt得分从3.7%跳升至13.4%，提高了近10个百分点；锤真金不怕火极限常识鸿沟的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%，初次卤莽50%大关。

这些栽种是内容性的，反应出模子在处理复杂推理链和本领任务上真是切当先。

关联词，指数中其他基准阵势的得分基本执平，举座当先的"含金量"并不均匀漫步，中枢卤莽并吞在少数几个维度，而非全面飞跃。

更耐东说念主寻味的是幻觉率假想。Qwen3.7 Max在AA全知基准测试中的幻觉率从44.2%大幅下跌至22.9%，降幅卓著21个百分点，这在前沿模子中是现在最低的幻觉率。

听起来是要紧当先，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的原始准确率践诺凹凸降了，从37.7%降至30.1%。与此同期，模子的"尝试恢复率"从67.3%骤降至48.0%，是通盘参与对比的前沿模子中最低的。

逻辑很肤浅：这个基准测试对正确谜底给分，对幻觉内容扣分，但对拒却恢复不作措置。Qwen3.7 Max选择了一条清静但保守的政策，际遇不笃定的问题，更多地恢复"我不知说念"，而不是硬着头皮给出可能出错的谜底。

罢休是幻觉率大幅下跌，滚球app中国官网下载入口指数得分栽种，但模子践诺知说念的内容并莫得增多。

这是一个值得严肃对待的区别。基准测试优化和确切才能栽种是两件不同的事，两者随机标的一致，随机并不重合。Qwen3.7 Max在这个维度上的弘扬，更像是一次政策调度，而非常识真是切增长。

不外，从践诺掌握的角度来看，这种"知之为知之，不知为不知"的政策并非莫得价值。在企业级部署场景中，一个梗概坦承不笃定性的模子，时常比一个自信满满地输出造作信息的模子更可靠，更安全。医疗、法律、金融等高风险限制的用户，可能对这一特质极端明锐。

中国AI追逐真是切程度

把Qwen3.7 Max放回更大的竞争姿首来看，有两个值得暖热的信号。

第一个信号是差距在减弱，但仍然存在。现在智能指数名次前三的分辩是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，但与第别称之间仍有3.6分的差距。DeepSeek此前曾公开承认自身过期好意思国当先水平约三到六个月，这个评估在现时数据下看来仍然接近现实。

第二个信号是中国里面竞争还是衰败锐利。Kimi、DeepSeek、阿里Qwen之间的名次在昔时数月内屡次轮流，DeepSeek V4 Pro在开源模子中重新夺回第二位，而阿里的阻塞权重Max系列则在详尽指数上领跑中国阵营。这种里面竞争的烈度，本人即是鼓励当先速率的困难驱能源。

在居品政策上，阿里巴巴继续了一贯的双轨门路：Max和Plus版块手脚阻塞权重的交易模子发布，其他版块保执绽开权重。Qwen3.7 Max将凹凸文窗口从25.6万个token彭胀至100万个token，复旧更长的文档处理和复杂任务，但现在仅复旧文本输入输出，订价尚未公布。

从token吃亏效果来看，Qwen3.7 Max在运转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。这意味着更强的才能所以更高的接洽本钱换来的，最终订价将径直决定它对企业客户的诱骗力。

中国AI模子与好意思国顶尖模子之间的距离，正在以不错测量的速率收窄。这场追逐还莫得杀青滚球app(中国)官网下载，但每一次更新齐让至极线看起来更近一些。