@RookieRicardoR: 国产模型再次突破，比肩 Claude 4.6，Gemini 3.1 Pro 等顶尖模型。 刚测完 Qwen3.7-Max，说几点真实感受。 昨晚 API 上线第一时间就充了值，选了三个题目（见视频）来测试 Qwen3.7-Max 的前端能…

X AI KOLs Timeline 模型
qwen ai-model llm benchmark agent chinese-ai open-source

摘要

用户测试了Qwen3.7-Max，认为其在前端、算力和Agent能力上比肩Claude 4.6和Gemini 3.1 Pro等顶尖模型，推理能力显著提升，且迭代速度月更，已成为国产第一梯队。

国产模型再次突破，比肩 Claude 4.6，Gemini 3.1 Pro 等顶尖模型。 刚测完 Qwen3.7-Max，说几点真实感受。 昨晚 API 上线第一时间就充了值，选了三个题目（见视频）来测试 Qwen3.7-Max 的前端能力、算力能力和 Agent 能力，确实可以叫做国产第一了。 之前用 DeepSeek-v4 Pro 和 Kimi 2.6 做测试的时候，一次执行的完成度均不如 Qwen3.7-Max，体感上大概是 Qwen3.7-Max > Kimi 2.6 > DeepSeek-v4 Pro，这次千问在 Terminal-Bench 排行榜也确实反超了Claude Opus 4.6，体感是一致的。 推理能力我是用奥数题和几道 HMMT 的题压了一下，准确率不是第一，但明显感觉比上个月测的 3.6 又高了一档。有个细节：遇到不会的题它会老实说自己不确定，而不是硬编一个看起来合理的错误答案——这点跟 Claude 很像。 还有一点，现在 Qwen 的迭代速度也太猛了，在推上虽然声量没有 Kimi 和 DeepSeek 大，但是 Qwen 在 3 月发 3.5，4 月发 3.6，5 月直接上 3.7，已经变成月更节奏了，而且每次迭代都有不小进步，现在已经是名副其实的第一梯队。 在海外 OpenRouter 上 Qwen3.6-Plus 的调用量刚破了平台纪录，日调用 1.4 万亿 Token，开发者们是在拿真金白银在投票。 千问这一代明显是往 Agent 方向走的，极限压测下长程任务能跑 35 小时不崩，跨 Agent 框架兼容性也比上一代好很多。 具体测试视频见
查看原文
查看缓存全文

缓存时间: 2026/05/25 16:55

国产模型再次突破，比肩 Claude 4.6，Gemini 3.1 Pro 等顶尖模型。

刚测完 Qwen3.7-Max，说几点真实感受。

昨晚 API 上线第一时间就充了值，选了三个题目（见视频）来测试 Qwen3.7-Max 的前端能力、算力能力和 Agent 能力，确实可以叫做国产第一了。

之前用 DeepSeek-v4 Pro 和 Kimi 2.6 做测试的时候，一次执行的完成度均不如 Qwen3.7-Max，体感上大概是 Qwen3.7-Max > Kimi 2.6 > DeepSeek-v4 Pro，这次千问在 Terminal-Bench 排行榜也确实反超了Claude Opus 4.6，体感是一致的。

推理能力我是用奥数题和几道 HMMT 的题压了一下，准确率不是第一，但明显感觉比上个月测的 3.6 又高了一档。有个细节：遇到不会的题它会老实说自己不确定，而不是硬编一个看起来合理的错误答案——这点跟 Claude 很像。

还有一点，现在 Qwen 的迭代速度也太猛了，在推上虽然声量没有 Kimi 和 DeepSeek 大，但是 Qwen 在 3 月发 3.5，4 月发 3.6，5 月直接上 3.7，已经变成月更节奏了，而且每次迭代都有不小进步，现在已经是名副其实的第一梯队。

在海外 OpenRouter 上 Qwen3.6-Plus 的调用量刚破了平台纪录，日调用 1.4 万亿 Token，开发者们是在拿真金白银在投票。

千问这一代明显是往 Agent 方向走的，极限压测下长程任务能跑 35 小时不崩，跨 Agent 框架兼容性也比上一代好很多。

具体测试视频见

相似文章

@zhixianio: 这两天新机器到了之后，我开始了「苦行僧」式的强迫自己使用本地模型来完成常见任务的修行 本以为会非常痛苦，没想到无论是速度还是质量都大大超出我的预期： 模型： Qwen3.6-35B-A3B-oQ6-fp16-mtp 运行：oMLX，开 N…

X AI KOLs Timeline

作者在本地新机器上使用Qwen3.6-35B-A3B模型和oMLX工具进行日常任务，发现速度和效果远超预期，甚至在PA和Coding场景下优于远程LLM，体现了端侧AI能力的显著提升。

@sitinme: 26M 参数的模型能做 Function Call，还比 Qwen-0.6B 强？这个团队反其道而行的思路太野了！ 现在大模型的参数量越来越大，但有一个问题一直没有被认真对待过：调用一个工具真的需要几百亿参数吗？ 想想看，当你说“查一下今…

X AI KOLs Timeline

Cactus 团队将 Gemini 3.1 蒸馏为仅 26M 参数的专用模型 Needle，专门用于 Function Call，性能超过 Qwen-0.6B，展示了小模型在工具调用场景下的潜力。