实测最新 Qwen3.7-Max，对比 Claude Opus 4.8，DeepSeek-V4，结果太意外了！
你好，我是郭震！
最近 Qwen3.7-Max，Claude Opus 4.8，两个模型发布，
Claude Opus 4.8，第一，
Qwen3.7-Max，第二，前面只有 Opus 4.8，
到底实际生产表现如何，这两天实测了下，感兴趣的可以看下。
1 新模型介绍
这是** Code Arena WebDev 榜单，Opus 4.8，3.7-Max前两名：**
这个榜单专门评测 AI 模型在页面实现、复杂交互、多步骤编码、工具调用等。
值得一提，智谱，Kimi，小米，DeepSeek，MiniMax都在榜单中，看到了国产大模型的崛起。
这个榜单比较有参考意义，因为接近真实开发场景。
接下来直接开始测评
2 对比实测
测评思路：使用一个典型的中小型Agent任务，测评大家普遍关心的智能体能力。
然后选择Gemini-3.5-Flash和GPT-5.5为裁判，根据两个裁判的打分，给出客观的结果评估。
Agent任务，提示词如下：
开发一个单文件 HTML 网页，实现 Excel 数据分析与可视化工具。 支持上传 .xlsx/.xls，使用 SheetJS 解析 Excel，读取多 Sheet，并展示可搜索、分页、横向滚动的数据表格。 自动识别字段类型、统计行列数、缺失值、唯一值、最大/最小/平均/求和，并生成中文数据分析报告。 使用 ECharts 自动生成柱状图、折线图、饼图、散点图等可视化，并支持用户选择 X/Y 字段和图表类型自定义生成。 只输出完整可运行的单文件 HTML 代码，不要解释，不要 Markdown，不依赖后端。
先发给Qwen3.7-Max:
保存为html文件，并打开：
导入一个Excel文件，自动分页展示：
下面是数据统计预览：
生成的图表：
部分数据报告：
同样任务发给 Opus 4.8，打开html文件：
数据预览：
数据概览：
柱状图：
折线图：
饼图：
同样任务发给：DeepSeek-V4-Pro，如下图所示：
双击打开html，显示如下：
加载Excel后，数据预览，字段类型，统计：
柱状图：
折线图：
饼图：
** 3 裁判打分**
为了更加客观，交给裁判Gemini-3.5-flash模型，评估如下图所示：
这是Gemini-3.5-Flash使用的三个打分维度：
最终打分：
Claude Opus 4.8，竟然得分只有6.8，位于最后一名，
而Qwen3.7-Max排到第一，得分高达9.44分，
让我相当意外，因为按照文章开头的排名，Opus 4.8应该是第一才对， 结果竟然没有Deep-V4-Pro得分高。
这是为什么？再让裁判点评下：
DeepSeek 方案采用了优秀的左右分栏布局，整体交互与视觉体验流畅，但在自动生成的中文数据分析报告深度上显得有些单薄。
Claude 方案：提供了实用的图表数据聚合功能，但遗憾地缺失了表格搜索与分页交互，且未能生成文本形式的分析报告。
** Qwen 方案**：在数据分析深度上表现优秀，能够自动生成结构详尽的中文报告与多维度关联图表，不过在垂直布局的紧凑性上仍有提升空间。
原来Claude缺失了很多项内容，完成度很差。
这太让人意外了，是不是裁判有问题，再请GPT-5.5当裁判：
排名，依然没变，还是Qwen3.7-Max第一，DeepSeek第二，Claude Opus 4.8第三
以下是GPT-5.5给出的具体解释：
至此，可以下结论：就这个Agent任务，Opus 4.8确实表现很拉
总结一下
模型好不好，不能只看排名，更不能只看名气，而是要看它在实际生产中的表现。
本文实测的任务，GPT-5.5也明确这是一个比较典型的中小型Agent任务：
就本次中小型Agent任务，Qwen3.7-Max第一，DeepSeek-V4-Pro第二，Claude Opus 4.8第三。
这还是比较出乎我的意料！虽然只是一个测试，但也有一定代表性，再复杂的Agent任务测试，我后面尝试再验证下。