العقود الآجلة
وصول إلى مئات العقود الدائمة
CFD
الذهب
منصّة واحدة للأصول التقليدية العالمية
الخیارات المتاحة
Hot
تداول خيارات الفانيلا على الطريقة الأوروبية
الحساب الموحد
زيادة كفاءة رأس المال إلى أقصى حد
التداول التجريبي
مقدمة حول تداول العقود الآجلة
استعد لتداول العقود الآجلة
أحداث مستقبلية
"انضم إلى الفعاليات لكسب المكافآت "
التداول التجريبي
استخدم الأموال الافتراضية لتجربة التداول بدون مخاطر
إطلاق
CandyDrop
اجمع الحلوى لتحصل على توزيعات مجانية.
منصة الإطلاق
-التخزين السريع، واربح رموزًا مميزة جديدة محتملة!
HODLer Airdrop
احتفظ بـ GT واحصل على توزيعات مجانية ضخمة مجانًا
Pre-IPOs
افتح الوصول الكامل إلى الاكتتابات العامة للأسهم العالمية
نقاط Alpha
تداول الأصول على السلسلة واكسب التوزيعات المجانية
نقاط العقود الآجلة
اكسب نقاط العقود الآجلة وطالب بمكافآت التوزيع المجاني
عروض ترويجية
AI
Gate AI
شريكك الذكي الشامل في الذكاء الاصطناعي
Gate AI Bot
استخدم Gate AI مباشرة في تطبيقك الاجتماعي
GateClaw
Gate الأزرق، جاهز للاستخدام
Gate for AI Agent
البنية التحتية للذكاء الاصطناعي، Gate MCP، Skills و CLI
Gate Skills Hub
أكثر من 10 آلاف مهارة
من المكتب إلى التداول، مكتبة المهارات الشاملة تجعل الذكاء الاصطناعي أكثر فعالية
GateRouter
ختر بذكاء من أكثر من 40 نموذج ذكاء اصطناعي، بدون أي رسوم إضافية 0%
Qwen3.7-Max رسمي الإصدار: 35 ساعة من كتابة الشفرات بشكل مستقل 1158 مرة، وتطوير مشغل حسابات أسرع بمقدار 10 مرات على الرقائق المحلية
خلال عملية التحسين، مر النموذج بخمس مراحل تطور رئيسية. بدأ بتقسيم ذاكرة التخزين المؤقت للبادئة عبر تقسيم Split-K لملء 36 نواة SM؛ ثم استبدل cudaMalloc بين المضيف والجهاز، الذي كان يتزامن، بمتغيرات PyTorch مسبقة التخصيص، وقام باستخدام بيانات وصف tensor لإزالة تمامًا عملية cudaMemcpy المتزامنة عند استعلام طول البادئة، مما أزال تمامًا تكلفة الاتصال بين المضيف والجهاز؛ وفي المرحلة الأخيرة، أعاد بناء المشغل ليعالج جميع 4 رموز استعلام في كتلة خيط واحدة، مع مشاركة التحميل لتقليل استهلاك الذاكرة، وأكمل إعادة بناء موجهة على مستوى الهيكلية الأساسية.
أظهرت نتائج تحسين المشغل أن Qwen3.7-Max حقق معدل تسريع هندسي متوسط قدره 10.0x، متفوقًا بشكل ملحوظ على GLM 5.1 (7.3x) و Kimi K2.6 (5.0x). بينما كان DeepSeek V4 Pro فقط بمعدل 3.3x، وفي النصف الثاني من الاختبار، أنهى المهمة مبكرًا بسبب عدم إصدار أي استدعاء أداة خلال خمس جولات متتالية.
للفهم والاستفادة من استراتيجيات الحل العامة في بيئات متغيرة، قام Qwen3.7-Max خلال التدريب بفصل المهام، إطار التشغيل، والمحقق، واستخدم التعلم المعزز عبر الأطر لتجنب الإفراط في التخصيص على معايير محددة. على معايير الذكاء الاصطناعي العامة MCP-Mark (60.8 نقطة) و SpreadSheetBench (87.0 نقطة)، أظهر Qwen3.7-Max قدرة عالية على التعميم، وبلغ أداؤه الشامل مستوى قريبًا من Claude-4.6-Opus-Max.