阿里巴巴Qwen系列強勢崛起 語音編程雙線突破改寫全球AI版圖

阿里巴巴嘅語音模型仲喺方言同口音基準測試入面打低咗包括OpenAI同xAI在內嘅西方對手，特別係處理複雜中文方言嗰陣優勢好明顯 。

另外，2026年3月發布嘅Qwen3.5-Omni-Plus，聲稱喺音頻同音視頻理解任務創下215項最先進成果。喺獨立音頻基準測試入面，佢喺通用音頻理解、推理同翻譯方面都跑贏咗Google嘅Gemini 3.1 Pro，不過喺全面音視頻理解就只係打個平手 。一份審慎嘅技術評論指出，音頻方面嘅勝利係實至名歸——Fleurs ASR基準測試嘅詞錯率得6.55%，對比Gemini嘅7.32%——但喺OmniGAIA智能體基準測試就落後Gemini大約12個百分點 。

編程：Qwen3.7-Max 殺入 Code Arena 前五

阿里巴巴喺2026年5月19號推出Qwen3.7-Max，唔夠一個禮拜就喺Code Arena嘅WebDev排行榜以 1,541 Elo登上 第四位，僅以一分落後Claude Opus 4.6 Thinking，仲爬過晒OpenAI同Google嘅所有模型 。喺React編程賽道，佢更加升到 第三位，攞到1,536 Elo，僅僅畀兩個Claude Opus版本領先 。有啲消息仲話佢曾經短暫升到Code Arena某啲子排行榜嘅第二位 。

Anthropic嘅Claude Opus 4.7/4.6系列霸住WebDev頭三甲，意味住阿里巴巴係Anthropic以外唯一——亦係美國以外唯一——打入編程前五嘅開發者 。Qwen3.7-Max喺評分多步驟編程工作流程真人偏好嘅智能體網頁開發任務入面，排喺GPT-5.5、Gemini 3.5 Flash同GLM-5.1前面 。

除咗Code Arena，Qwen模型喺其他編程同推理基準測試都攞到唔錯嘅成績：

• LiveBench： Qwen3 235B A22B攞到 80.4%，排第三，僅次於OpenAI嘅o4 Mini High（87.3%）同DeepSeek嘅R1 0528（84.4%）。
• MMLU-Pro / GPQA-AA： Qwen3.5 397B A17B喺MMLU-Pro攞到 87.8%，GPQA-AA Elo仲有 1,495，係中國模型之中最高 。

整體 Arena 形勢：頂尖梯隊逼到密密麻麻

史丹福2026 AI指數截至2026年3月嘅Arena Elo快照顯示，頂尖實驗室逼到好貼 ：

阿里巴巴排第五，同榜首差大約50到55分。呢個差距細到報告作者形容競爭壓力已經轉向成本、可靠性同領域特定表現，而唔係純粹嘅原始能力 。

對中美AI競賽嘅意義

呢啲基準測試成績出爐嗰年，最強美國同中國AI模型嘅性能差距幾乎消失晒。史丹福2026 AI指數發現，差距由2023年5月嘅17.5至31.6個百分點，跌到2026年3月得返 2.7%。兩國而家「喺基準測試排行榜頂端反覆交換位置」——同2024年前美國獨大嘅局面好大分別 。

呢個情況仲要發生喺美國私人AI投資多過中國大約 23倍嘅背景下——最近追蹤嘅時期，美國使咗2,859億美元，中國就得124億美元 。

分析師指出幾個推動追趕嘅力量：

• 中國開源生態系統： Qwen同DeepSeek R系列呢類模型吸引咗大批開發者喺佢哋上面起生產工具。有策略師認為，中國因為有更平嘅電力、進取嘅資本開支同蜂擁嘅開源創新，可能會成為AI部署嘅「大贏家」。
• 硬件獨立： DeepSeek能夠喺國產華為晶片上運行，代表住同美國控制嘅計算資源脫鉤，可能削弱華盛頓晶片出口管制嘅影響 。
• 領域專業化： 阿里巴巴喺語音/方言處理嘅優勢，同Anthropic喺編程方面嘅持續主導，顯示前沿能力愈嚟愈講究專業領域嘅卓越表現，而唔係一個通用贏家通吃 。

值得留意嘅係，有其他評估睇到比較大嘅差距。布魯金斯學會一份2026年分析認為，美國前沿模型仍然領先中國模型「幾個月甚至更長時間」，而且美國實驗室喺計算規模同長周期智能體任務方面仲保持優勢 。同期國會證詞都有類似觀點 。

儘管如此，對企業同開發者嚟講，實際意義好清楚：更多競爭、更快迭代、更低價格，同埋來自美國同中國供應商更多可行選擇 。