@intheworldofai: Qwen 3.7-Max is genuinely one of the most impressive agentic coding models I’ve tested in a while. I had it generate a …

Qwen 3.7-Max is genuinely one of the most impressive agentic coding models I’ve tested in a while.

I had it generate a full macOS-style web OS clone and the UI replication was honestly kinda insane — multiple working apps, polished window management, accurate macOS-style layouts, and even the app icons were individually SVG-coded instead of being static images.

Alibaba is getting VERY close to the frontier labs now. Full Breakdown: https://youtu.be/UXar6lNCNcc

TL;DR: 阿里巴巴发布通义千问 3.7 Max，一款专为智能体时代设计的高性能编码模型，在长周期自主执行、前端生成和 3D 场景构建上表现突出，多项基准测试中与顶尖闭源模型持平甚至超越。

模型概览：通义千问 3.7 Max

通义千问 3.7 Max 是阿里巴巴最新的旗舰模型，定位为“为智能体时代打造的通用基础模型”。它具备高级编码和调试能力，在前端原型制作、复杂多文件重构、办公工作流自动化、多智能体编排以及长周期自主执行方面均有出色表现。

在性能上，该模型在 Terminal Bench 2.0、SWE-bench（得分 60.6）等多个基准测试中表现强劲，与 Opus 4.6 Max、Kimik K 2.6 等模型持平，并在部分项目中超越它们。个人认为这是目前市面上最好的中国模型。

模型在困难推理评估上展现了非凡实力，同时具备强大的多语言能力。人工分析智能指数得分为 56.6，相比通义千问 3.6 Max 预览版提升了 4.8 分，主要提升集中在科学推理、编码和智能体能力。

基准测试表现

智能体编码任务：超越 Claude Opus 4.7 和 GPT 5.5

在长周期智能体编码任务中（要求模型在 10 个自主循环中迭代改进一个自训练的俄罗斯方块游戏），通义千问 3.7 Max 实现了最大改进——以 1.30 美元的成本获得 56% 的提升，大幅超越 Claude Opus 4.7（提升 28%，成本约 12.15 美元）和 GPT 5.5（提升 7%，成本约 2.85 美元）。这展示了阿里巴巴模型的高效与执行力。

世界 AI 基准套件

在自建的排行榜上，通义千问 3.7 Max 目前整体排名第八，涵盖前端、游戏、3D 图形、SVG 等多个领域。模型在几乎每个方面都表现出色，与前沿模型相当。

长周期自主执行能力

通义千问 3.7 Max 的关键差异化因素在于长周期规划和执行能力。它能够在长达 35 小时的自主执行工作流中稳定运行，连续使用 1200 次工具调用，能够调试、分析、重写甚至改进代码，且不丢失上下文或偏离方向。

定价与访问方式

• 输入令牌：每百万 2.50 美元
• 输出令牌：每百万 7.50 美元
• 模型为非多模态（无法处理音频、图像、视频）

访问方式：

• 通过免费聊天工具（创建账户即可使用通义千问 3.7 Max，支持思考模式和快速模式切换）
• 通过 API 调用

实际生成示例

Mac OS 克隆

模型生成的 Mac OS 克隆相当出色，底部工具栏为每个应用生成了 SVG 图标，顶部工具栏功能完整可用（亮度调节、Spotlight、Launchpad）。内置的 Finder、Safari（编码不完美）、照片、地图、应用商店、系统偏好设置、终端、计算器、文本编辑器、画图应用（实际可用）、贪吃蛇游戏、天气、时钟、预览等应用均被生成。整体上，模型在生成 Mac OS 几乎所有组件方面做得很好。

前端任务

前端生成表现中等偏上，在大多数提示下输出“还行”，但部分组件不够精细。不过，提供详细说明和参考后，模型能很好地遵循指令，尤其是在滚动触发器、字体样式等方面。在中国模型中表现最佳。当提供截图（如 Airbnb 界面）作为参考时，能很好地克隆设计。另外，模型生成的编辑型 SaaS 界面风格与 Claude 的输出非常相似，引发了是否在训练中使用 Claude 输出的疑问。

3D 场景

• 骑自行车的 Voxel 风格鹈鹕：模型创造性地生成了 Voxel 艺术，具备强大的空间推理能力，3JS 场景渲染质量好。
• 塞尔达低多边形景观：营造氛围和环境能力出色，虽然不完美但掌握了大部分组件。
• 逼真水族馆：模拟了鱼类的物理效果，每一条鱼的鳍都正确移动。UI 包含控制面板，开启投喂模式后点击水面顶部即可投放食物，鱼群会游上来进食。模型在动画逻辑、渲染质量与样式准确性上表现出色。
• 3D 太阳系：各行星拥有独立属性（土星的光环、木星的眼睛），光照准确（背阳面黑暗），甚至生成了小行星带。

SVG 生成

模型在 SVG 方面表现异常出色。例如 SVG 世界地图（多数模型失败），但其他提示如 SVG 鹈鹕插图（带动画）、动画纽约城、动画信息图、蝴蝶等都生成了不错的 SVG 代码。

我的世界克隆

生成的我的世界克隆包含水（但物理效果不完善，可穿过）、破坏与放置方块、不同时间环境，甚至生成了洞穴系统。在该克隆中，玩家可以深挖地形进入洞穴，洞穴内有不同方块。

总结

通义千问 3.7 Max 在架构推理和网页开发任务处理上出奇地扎实。它在维持连贯自主工作流、遵循详细指令方面表现良好，能够成为许多工作流中的有用工具。所有测试链接见视频描述。

Source: https://www.youtube.com/watch?v=UXar6lNCNcc&feature=youtu.be