阿里巴巴Qwen模型如何在一週內顛覆全球AI版圖

阿里的語音模型也在地方口音與方言的基準測試中擊敗了OpenAI與xAI（馬斯克旗下AI公司）等西方對手——特別是碰上複雜的中文方言時，技術優勢更加明顯。

此外，今年3月發布的Qwen3.5-Omni-Plus 則在215項音訊與影音理解子任務中取得「業界最優」成績，在通用音訊理解、推理與翻譯等項目上超越Google的Gemini 3.1 Pro，僅在影音整合理解上與Gemini打成平手。一份審慎的技術評論點出，音訊領域的勝出的確貨真價實——在Fleurs ASR基準測試中，Qwen的單字錯誤率為6.55%，優於Gemini的7.32%——但在評量AI代理人能力的OmniGAIA基準上，則仍落後Gemini約12個百分點。

程式碼：Qwen3.7-Max 殺進 Code Arena 前五

阿里巴巴在5月19日釋出Qwen3.7-Max，不到一週內便登上Code Arena的WebDev網頁開發排行榜第四名，Elo積分1,541，僅落後Anthropic的Claude Opus 4.6 Thinking一分，並超越OpenAI與Google的所有模型。在React程式碼賽道上，它更爬升至第三名，積分1,536，前方只剩兩款Claude Opus變體。部分消息來源甚至指出，它在Code Arena的某些子榜單上曾短暫衝上第二名。

Anthropic的Claude Opus 4.7/4.6系列包辦了WebDev前三名，這意味著阿里巴巴是除了Anthropic之外，唯一打進程式碼前五名的開發者——也是唯一的非美國實驗室。在評測模型處理多步驟、需使用工具的「代理人型」網頁開發任務時，Qwen3.7-Max的排名壓過了GPT-5.5、Gemini 3.5 Flash，以及中國對手智譜的GLM-5.1。

在Code Arena之外，Qwen系列模型也在其他程式碼與推理基準上繳出競爭力十足的成績：

• LiveBench： Qwen3 235B A22B拿下80.4%，位居第三，僅次於OpenAI的o4 Mini High（87.3%）與DeepSeek的R1 0528（84.4%）。
• MMLU-Pro／GPQA-AA： Qwen3.5 397B A17B在MMLU-Pro拿下87.8%，GPQA-AA的Elo積分達到1,495，為中國模型中最高。

整體競技場版圖：群雄擠在頂端

史丹佛2026 AI指數截至2026年3月的競技場Elo積分快照，清楚呈現了頂尖實驗室擠成一團的景況：

阿里巴巴排在全球第五，距離領先者大約僅有50到55分的差距。這個差距之近，讓報告作者認為競爭壓力已經從「跑分能耐」轉向「成本、可靠性與特定領域的效能表現」。

美中AI競賽格局：差距近乎歸零之後

這些跑分成績出爐的這一年，美國與中國最佳AI模型的效能差距幾乎已經消失。史丹佛2026 AI指數發現，這個差距從2023年5月的17.5至31.6個百分點，戲劇性縮小至2026年3月的僅2.7%。兩國如今在跑分榜上「不斷互換領先位置」，徹底顛覆了直到2024年仍由美國主宰的AI競賽格局。

更令人玩味的是，這個結果發生在美國民間AI投資金額大約是中國的23倍的背景之下——在最新統計期間，美國砸下2,859億美元，中國則為124億美元。

分析師們歸納出幾股促成追趕的驅動力：

• 中國的開源生態系： 像Qwen和DeepSeek的R系列這類模型，吸引了大量開發者社群在其基礎上打造生產工具。部分策略師認為，憑藉更便宜的電力、積極的資本支出與蜂擁的開源創新，中國可能成為AI部署的「最大贏家」。
• 硬體獨立性： DeepSeek能在中國本土的華為晶片上運作，標誌著對美國掌控的算力資源出現「脫鉤」跡象，可能弱化華盛頓晶片出口管制的效果。
• 特定領域的專精化： 阿里巴巴在語音與方言處理的強項，以及Anthropic在程式碼領域持續獨霸，都顯示「前沿能力」越來越講究專精優勢，而非單一通用的贏家通吃。

不過，其他機構的評估則認為差距仍然可觀。布魯金斯學會2026年的一份分析主張，美國前沿模型仍領先中國「數個月或更久」，且美國實驗室在算力規模與長時間的代理人任務上保有優勢。同一時期在美國國會的證詞也持類似觀點。

即便如此，對企業與開發者而言，實際意義相當清楚：競爭者變多、迭代更快、價格更低，而且無論來自美國或中國的供應商，手上都有更多可行的選項。