5月26日，全球权威编程榜单Code Arena发布，阿里最新旗舰模型Qwen3.7-Max以1541分位居全球第二，仅次于Claude系列。这一成绩超越GPT-5.5、Gemini-3.5-Flash等知名模型，标志着千问3.7跻身全球编程模型第一梯队。Code Arena由开发者出题，要求模型生成完整可交互的Web应用，并通过用户盲测投票排名，公信力极高。Qwen3.7-Max在复杂长程任务、编程能力等方面表现突出，可独立完成耗时两周的项目交付，甚至实现芯片内核的自我优化。发布后，其高效推理速度和低成本获开发者高度评价，被誉为‘真正能把事情做完的智能体基座模型’。来源：阿里云。

4月17日，Anthropic发布Claude Opus 4.7，官方称其编程能力大幅提升，视觉能力增强3倍，记忆与指令遵循也有改进。然而，用户反馈却以负面为主，认为其编程能力倒退，甚至不如Opus 4.6，部分人怀疑4.7是4.6改版而来。国内外用户均在社交媒体上批评新版本提升不明显或出现退步。尽管官方数据表明长任务表现有所优化，但这些功能并非日常高频使用，导致用户体验差异明显。结合近期Opus 4.6的性能争议，Anthropic作为AI巨头似乎正面临算力和性能瓶颈，此次更新未能延续以往好评，被指跌落神坛。

2026年3月，智谱AI推出GLM-5.1模型，面向GLM Coding Plan所有用户开放（包括Lite/Pro/Max）。新模型编程能力较上一代GLM-5提升近10分，与全球顶尖模型Claude Opus 4.6仅差2.6分，引发网友热议和抢购热潮，Coding Plan订阅瞬间售罄。实测显示，GLM-5.1在代码生成、空间结构理解及动态补全能力上表现优异，可完成交互式游戏开发、室内设计平面图等复杂任务。模型支持OpenAI Compatible接口，兼容性强，配置简单，适合开发者快速接入工作流。此次更新距GLM-5发布仅一个多月，官方称其为强化版本，优化了稳定性与执行效率。

3月27日，智谱发布改进版AI大模型GLM-5.1，距离GLM-5.0发布仅一个多月。新版本强化了AI代码能力，评测得分从GLM-5.0的35.4提升至45.3，增幅超30%。与全球最强编码大模型Opus 4.6相比，GLM-5.1仅落后不到3分，两者能力接近。此外，GLM-5.1价格远低于Opus 4.6，费用低数倍，更适合程序员使用。不过，其实际编程能力还需结合用户反馈评估，与Claude系列等国际领先模型相比，国产大模型在数据积累和算力规模上仍有提升空间。

2026年2月11日，国产AI大模型GLM-5发布，其编程能力达全球领先水平。智谱推出的GLM-5参数量达7440亿，是上一代的两倍，在代理编程测试中以589分超越Claude Opus的585分，位列第一；非代理编程排名第三，仅次于Opus 4.6和Gemini 3 Pro，但优于Opus 4.5。海外AI博主@AICodeKing评价其兼容性强，适合构建复杂应用，且性价比极高，单次编程任务成本仅0.14美元，远低于Opus 4.6的6.39美元和Gemini 3 Pro的0.85美元。对国内开发者而言，GLM-5规避了国外工具的限制，更具吸引力。

据The Information报道，DeepSeek计划于2月中旬春节前后发布V4模型，主打编码能力。内部测试显示，其性能已超越Anthropic的Claude和OpenAI的GPT系列。V4在超长代码提示词处理与解析上实现突破，且训练全程数据模式理解能力无衰减，较前代显著提升。新模型生成的答案逻辑更清晰、结构更规整，深度推理能力增强，复杂任务可靠性更高。此外，DeepSeek-V3.2论文提到使用大模型竞技场平台进行人类偏好评估，用户可能提前在该平台测试V4。

11月24日，美国AI初创公司Anthropic发布最新模型Claude Opus 4.5，称其编程能力超越人类工程师。该模型在编码、智能代理及日常任务处理上表现卓越，并在测试中超越谷歌Gemini 3 Pro和OpenAI的GPT-5.1。Opus 4.5还通过了一项高难度软件工程测验，得分超过所有历史人类候选者。这是Anthropic两个月内发布的第三个重大版本，此前分别为9月的Sonnet 4.5和10月的Haiku 4.5。新模型将应用于专业开发者及知识型工作者，并成为Anthropic Pro、Max和Enterprise产品的默认模型。此外，公司推出多项更新，包括扩展工具Claude for Chrome、Claude for Excel以及桌面应用的新功能，进一步提升用户体验。

9月16日，OpenAI发布全新GPT-5-Codex模型，现已在Codex编程助手中上线，并向ChatGPT Plus、Pro、Business等用户开放，未来计划通过API提供服务。该模型专为Agent编程优化，具备动态计算能力，可灵活分配任务“思考时间”，从数秒到七小时不等，显著提升复杂编程任务表现。相比以往依赖“路由”机制预判任务复杂度的方式，GPT-5-Codex可在任务中实时调整时间和算力，在SWE-bench Verified测试和大型代码库重构中优于标准GPT-5。此外，经过代码审查训练的GPT-5-Codex错误更少，能提供高质量评论，获得资深工程师认可。产品负责人称其动态思考能力在复杂问题上优势明显。

2025年9月6日，阿里发布其迄今为止最大的万亿参数模型Qwen3-Max-Preview（Instruct），较前一代Qwen3（235B）参数量提升四倍。新模型在中英文理解、复杂指令遵循及工具调用等方面显著增强，并大幅减少知识幻觉，全面上线通义APP、Qwen Chat网页和阿里云API。实测显示，该模型在解答AIME数学竞赛题、编程生成互动动画、扫雷游戏及前端网页设计等任务中表现出色，所有尝试均一次成功，且生成速度达107+ token/秒。API采用阶梯计费，支持长上下文输入。阿里透露正式版即将推出，可能伴随推理版本，进一步扩展模型规模。

2025年8月21日，DeepSeek官方发布V3.1版本，上下文长度扩展至128k，参数达685B，支持多种精度格式。新版本在编程能力上表现突出，Aider测试中得分71.6%，超越Claude 4 Opus，成本低至1美元。新增原生搜索和特殊Token功能，并优化推理速度和上下文支持。尽管未发布模型卡，V3.1已登上Hugging Face趋势榜第四。实测显示其性能显著提升，但在部分复杂任务上仍有改进空间。网友期待未来R2版本的发布。