给大家分享个有意思的事儿。

昨天，也就是5月20日，阿里和谷歌在同一天各自发布了自己的新模型。两家公司发的两款模型，同时出现在了全球同一张评测榜单上。

结果出来，阿里千问3.7 Max得了56.6分，谷歌Gemini 3.5 Flash得了55.3分。

差距虽然不算大，但是赢了。 

1这次公布榜单成绩的机构叫Artificial Analysis，是一个独立的AI评测平台，专门对全球大模型做多维度的基准测试。

业内普遍认为它是含金量最高的第三方榜单之一。

而在这次评测里，Qwen3.7-Max拿到了全球第五、国产第一的位置。

千问3.7 Max的定位，用一句话来说，就是「为Agent而设计」的。

之前的大模型像一个顾问，你问什么它答什么；但Agent模式下的大模型更像一个执行者，你说要什么结果，它自己去搞定。

千问3.7 Max能完成的任务规模有多大？官方给出的数字是：单次任务可以持续运行35小时，工具调用次数超过1000次，最终交付的是生产级别的成果。

35小时、1000次工具调用，这是一个可以独立完成一个完整项目的量级。

2而且，迭代速度也很惊人。

一个月前，千问3.6 Max Preview刚刚创下了国产模型在Artificial Analysis榜单上的最高分纪录。

然后一个月后，这个纪录被千问自己打破了。且在同一天，谷歌Gemini 3.5 Flash发布，同一榜单得分55.3，低于千问3.7 Max。

而且目前全球前五的模型里，只有千问是国产的。

还有一点，千问3.7 Max即将上线阿里云百炼，开发者可以直接调用，和Claude Code、Hermes Agent、Qwen Code等主流Agent框架协同工作，让它可以嵌入各种开发者的工作流。

这个选择背后有一个清晰的判断：大模型最大的商业空间，是通用生产力，而不是封闭的产品矩阵。

3说到这里，可能有人想问：这些跑分数字，和普通用户有什么关系？

大模型的基础能力越强，你日常用到的那些AI工具，跑在上面时表现就越好。你感受不到底层模型在升级，但你会感受到工具越来越好用，任务完成得越来越干净利落。

更重要的是，Agent能力的提升，意味着未来会有越来越多的工具，可以帮你独立处理那些流程复杂、步骤繁多的事情。

当然，同天发布、同台竞技，阿里和谷歌选择的产品方向其实不太一样。

谷歌Gemini 3.5 Flash更强调快速响应和多模态能力，千问3.7 Max主打Agent场景下的编程、工具调用和长程任务。

这背后，是两家公司对大模型未来用途的不同判断。阿里押注的是：AI的核心价值在于能不能替人完成完整的工作，而不只是让对话更聪明一点。

至于这个判断对不对，可能还需要时间来验证。但至少在5月20日这一天，千问3.7 Max赢了谷歌一局。