通义千问的突围：语音、代码双双杀入全球前五，中美 AI 竞赛进入“近身肉搏”阶段

更值得关注的是其全面性。在构成语音交互的三大核心赛道——

• ASR（自动语音识别，即听写）
• Chat（端到端语音理解与对话）
• TTS（文本转语音，即播报）

——该模型均斩获国内第一，实现了语音交互领域的“大满贯” 。在此之前，其同门模型 Fun-Realtime-ASR 和 Fun-Realtime-AudioChat 也已在同一平台登顶，展现出强大的家族实力 。此外，在 VoiceBench Avg 排行榜上，阿里更早的 Qwen2.5-Omni-7B 也占据榜首 。

在一些评测中，阿里的语音模型在复杂汉语方言和带有地方口音的识别任务上，甚至击败了 OpenAI 和 xAI 等西方公司的模型，显示出极强的本地化优势 。

今年 3 月发布的 Qwen3.5-Omni-Plus 也值得一提。它在 215 项音频与音视频理解子任务上取得当时最优结果，在通用音频理解、推理和翻译任务上超越了谷歌的 Gemini 3.1 Pro 。不过，一份技术测评也冷静指出，虽然音频单项确实领先（例如 Fleurs ASR 词错率 6.55%，优于 Gemini 的 7.32%），但在综合性要求更高的 OmniGAIA 智能体基准测试中，仍落后 Gemini 约 12 个百分点 。

编程尖兵：Qwen3.7-Max 跻身全球代码第一梯队

5 月 19 日发布的 Qwen3.7-Max，在一周内便登上了 Code Arena 的 WebDev（网页开发）排行榜第四名，Elo 评分达到 1541 分，超越了 OpenAI 和谷歌的所有模型，仅落后于 Anthropic 的 Claude Opus 4.6 思考版一分 。在 React 编程赛道，它更是升至第三名 。

在 Code Arena 榜单上，前五名中有四席被 Anthropic 的 Claude Opus 系列占据。这使得阿里巴巴成为除 Anthropic 之外，唯一一家闯入编程领域前五的开发商，也是唯一做到这一点的非美国实验室 。在考验多步骤、工具调用能力的真实世界编程任务中，Qwen3.7-Max 已经能与美国最顶尖的模型并驾齐驱 。

在其他编程与推理榜单上，Qwen 系列同样可圈可点：

• LiveBench：Qwen3 235B 版得分 80.4%，仅次于 OpenAI 和深度求索（DeepSeek）的模型，位居第三 。
• MMLU-Pro / GPQA-AA：Qwen3.5 旗舰版在 MMLU-Pro 中得分 87.8%，并在 GPQA-AA 评测中取得中国模型最高的 Elo 分 。

中美 AI 竞赛：从“仰望”到“近身肉搏”

这些跑分成绩，是中美 AI 竞争进入新阶段的一个缩影。斯坦福 2026 年 AI 指数报告显示，截至 2026 年 3 月，美国在 AI 领域的私人投资额是中国的 23 倍（2859 亿美元 vs 124 亿美元），但这种巨额的资本优势并未转化为等比例的模型性能优势。两国最佳模型的差距已被压缩至 2.7%，在多个榜单上交替领先 。

分析人士将中国 AI 的快速追赶归结为几个驱动力：

• 强大的开源生态：以 Qwen 和 DeepSeek R 系列为代表的开源模型，吸引了庞大的开发者社区在其基础上构建应用，加速了技术落地与迭代 。
• 硬件自主化突破：像 DeepSeek 的模型已能在国产华为芯片上运行，这标志着中国正逐步降低对美系计算硬件的依赖，从而可能削弱美国芯片出口管制政策的长期影响 。
• 细分领域优势：正如阿里的语音模型在方言处理上的绝对优势，以及 Anthropic 在编程领域的强势，未来的竞争正从大一统的通用能力，转向在特定领域的极致化比拼 。

当然，并非所有观察都认为差距已如此之小。布鲁金斯学会和一份美国国会证词均指出，美国前沿模型在长期复杂任务和算力规模上仍保持着“数月至更久”的领先 。

但对于使用这些技术的企业和开发者而言，一个不争的事实是：更多的竞争，意味着更快的技术迭代、更低的使用成本和更丰富的选择。过去只能在几家美国公司中挑选顶级模型的时代已经过去，中国模型已成为商业和研发应用中值得严肃对待的可行选项 。