Model AI Qwen3.7-Max wspina się na 4. miejsce w rankingu Code Arena

Od maja 2026 roku Qwen3.7-Max od Alibaba uzyskał 1541 punktów na leaderboardzie Code Arena. To plasuje go na czwartym miejscu globalnie i czyni jedynym modelem spoza USA w pierwszej piątce. Benchmark, prowadzony przez badaczy z UC Berkeley, UC San Diego i Carnegie Mellon, ocenia modele pod kątem ich zdolności do tworzenia kompletnych interaktywnych aplikacji webowych na podstawie promptów w języku naturalnym. Wyniki pochodzą z głosowań w ślepych testach przez użytkowników, którzy sprawdzają rezultaty. Chińskie zespoły wyraźnie zmniejszyły lukę w zadaniach kodowania, które mają znaczenie dla rzeczywistej automatyzacji.

Wyższa pozycja sygnalizuje silniejsze zachowanie agentowe. Modele muszą generować działający kod, obsługiwać interakcje użytkownika i naprawiać problemy bez ciągłego wspierania. Wynik Qwen3.7-Max sugeruje, że może zarządzać dłuższymi, bardziej złożonymi workflowami niż wiele wcześniejszych chińskich wydań. Szczerze mówiąc, moja całkowicie nienaukowa próbka sugeruje, że te zyski pojawiają się najszybciej w powtarzalnym skryptowaniu i zadaniach pipeline'ów danych. Przesunięcie w stronę wyspecjalizowanych agentów kodowania w Chinach wygląda na celowe, a nie przypadkowe.

Silniejsza wydajność kodowania i agentowa bezpośrednio wpływa na systemy multimodalne, na których opierają się twórcy w pipeline'ach wideo, obrazów i automatyzacji. Ten sam postęp, który podnosi wyniki Code Arena, poprawia także interpretację promptów i spójność między typami mediów. Postępy w multimodalnej AI są już stosowane w tworzeniu treści dla dorosłych w projektach takich jak Happy Oyster AI od Alibaba zakazuje pornografii: Ostateczny nieocenzurowany generator AI porn. Tak, wiem jak to brzmi, ale nakładanie techniczne jest realne.

Leaderboard nadal pokazuje modele z USA zajmujące pierwsze trzy miejsca, jednak margines się zmniejszył. Qwen3.7-Max wyprzedza kilka niedawnych wpisów OpenAI i Google, które miały dominować w benchmarkach kodowania. To odzwierciedla szerszy wzorzec: laboratoria frontowe na całym świecie ścigają się, aby poprawić niezawodność agentów, a nie tylko surową płynność językową. Presja konkurencyjna jest zdrowa. Wymusza szybszą iterację na dokładnie tych zdolnościach, które zamieniają modele generatywne w praktyczne narzędzia studyjne.