编程

编程是AI商业化变现最具潜力的细分赛道之一。

不过，海内外不少用户反馈已经“不相信跑分”，今天的编程能力越来越取决于能否用真实世界的用户逻辑来训练模型，靠基准测试难以完整反映真实用户体验。

官方提供的数据显示，在衡量编程能力的基准测试SWE-BenchPro上，MiniMaxM3超过了OpenAI的GPT-5.5和谷歌Gemini3.1Pro，接近Claude的Opus4.7。

与传统的代码基准测试不同，CodeArena并不考核孤立的代码片段生成或传统算法题，而是由开发者出题，要求模型从零生成完整的、可交互的Web应用程序，并交由用户对匿名模型的生成效果进行两两PK，由投票综合生成榜单，因此CodeArena也被认为是目前全球最具公信力的AI编程能力评测之一。

据了解，编程能力是当下模型智能水平的核心指标，而CodeArena是由知名第三方大模型盲测平台LMArena推出的最具影响力的榜单之一。

经全球开发者以真实使用体验盲测投票，千问3.7模型编程能力位居前4，打破由Claude-Opus-4.7和4.6统治已久的前四格局，Qwen3.7-Max也成为目前榜单中唯一突破1540分大关的国产大模型。

MiniMax也认为，下一代AgentCoding（智能体编程）比的不仅是代码生成，更需要比拼长期协作能力、规划能力以及人与智能体的协同效率。

04评价体系的位移至此，国产AI也终于可以昂首挺胸加入这场智能体编程的竞赛。

千问3.7是出色的编程智能体，可自主编写代码创造工具，精准执行任务，完成复杂编程的自我纠错迭代，就像个资深工程师，跑完从需求分析到测试迭代的全流程，自主产出可用的工业级成果。

目前，智谱的编程、智能体及企业级大模型服务覆盖全球218个国家和地区。

GrokBuild的推出，标志着这家初创公司正式进军专业编程市场。

在评估AI解决真实世界的实战编程任务SWE-bench系列测评、面向真实科学问题的编程测评SciCode中，Qwen3.7-Max较Qwen3.6-Plus大幅提升，并超越了ClaudeOpus4.6-Max、Kimi-K2.6、DeepSeek-v4-Pro-Max等模型。

6月1日，MiniMax发文宣布上线新模型M3，重点提升了编程（Coding）与智能体（Agent）能力

6月1日，MiniMax发文宣布上线新模型M3，重点提升了编程（Coding）与智能体（Agent）能力，官方还宣布开启M3 API限时7天5折的活动

快科技5月31日消息，AI编程Vibe Coding已经成为程序员离不开的手段，然而最强的Claude实在太贵，连微软都烧不起，接下来他们要推出自己开发的编程大模型了