Futures
Accédez à des centaines de contrats perpétuels
CFD
Or
Une plateforme pour les actifs mondiaux
Options
Hot
Tradez des options classiques de style européen
Compte unifié
Maximiser l'efficacité de votre capital
Trading démo
Introduction au trading futures
Préparez-vous à trader des contrats futurs
Événements futures
Participez aux événements et gagnez
Demo Trading
Utiliser des fonds virtuels pour faire l'expérience du trading sans risque
Lancer
CandyDrop
Collecte des candies pour obtenir des airdrops
Launchpool
Staking rapide, Gagnez de potentiels nouveaux jetons
HODLer Airdrop
Conservez des GT et recevez d'énormes airdrops gratuitement
Pre-IPOs
Accédez à l'intégralité des introductions en bourse mondiales
Points Alpha
Tradez on-chain et gagnez des airdrops
Points Futures
Gagnez des points Futures et réclamez vos récompenses d’airdrop.
Investissement
Simple Earn
Gagner des intérêts avec des jetons inutilisés
Investissement automatique
Auto-invest régulier
Double investissement
Profitez de la volatilité du marché
Staking souple
Gagnez des récompenses grâce au staking flexible
Prêt Crypto
0 Fees
Mettre en gage un crypto pour en emprunter une autre
Centre de prêts
Centre de prêts intégré
Promotions
Centre d'activités
Participez et gagnez des récompenses
Parrainage
20 USDT
Invitez des amis et gagnez des récompenses
Programme d'affiliation
Obtenez des commissions exclusives
Gate Booster
Développez votre influence et gagnez des airdrops
Annoncement
Mises à jour en temps réel
Blog Gate
Articles sur le secteur de la crypto
AI
Gate AI
Votre assistant IA polyvalent pour toutes vos conversations
Gate AI Bot
Utilisez Gate AI directement dans votre application sociale
GateClaw
Gate Blue Lobster, prêt à l’emploi
Gate for AI Agent
Infrastructure IA, Gate MCP, Skills et CLI
Gate Skills Hub
+10K compétences
De la bureautique au trading, une bibliothèque de compétences tout-en-un pour exploiter pleinement l’IA
GateRouter
Choisissez intelligemment parmi plus de 40 modèles d’IA, avec 0 % de frais supplémentaires
Qwen3.7-Max officiellement lancé : 35 heures pour écrire du code de manière autonome 1158 fois, et développer un opérateur de calcul 10 fois plus rapide sur une puce nationale.
Les données de performance publiées par le officiel montrent qu'en l'absence totale de documents d'architecture de puce et de données d'analyse de performance, le nouveau modèle a amélioré de 10,0 fois la performance de l'opérateur Triton du processeur domestique Pengcheng Zhenwu M890 lors d'une tâche d'optimisation du noyau entièrement autonome de 35 heures et impliquant 1158 appels d'outils.
Au cours de l'optimisation, le modèle a traversé cinq phases clés d'évolution.
Il a d'abord partitionné le cache KV en utilisant Split-K pour remplir les 36 cœurs SM en divisant le préfixe KV-cache selon la dimension des tokens ;
ensuite, il a remplacé le cudaMalloc synchronisé entre l'hôte et le dispositif par des variables PyTorch préallouées, et a complètement éliminé l'action de cudaMemcpy synchronisé lors de la requête de la longueur du préfixe en utilisant des métadonnées de tenseur, supprimant ainsi totalement les coûts de communication entre l'hôte et le dispositif ;
dans la dernière phase, le modèle a reconstruit l'opérateur pour traiter simultanément les 4 tokens de requête dans un seul bloc de threads, partageant le chargement pour répartir la charge de mémoire, achevant ainsi une reconstruction spécialisée au niveau architectural.
Les tests d'optimisation de l'opérateur ont montré que Qwen3.7-Max obtient un ratio d'accélération géométrique moyen de 10,0x, surpassant nettement GLM 5.1 (7,3x) et Kimi K2.6 (5,0x).
Quant à DeepSeek V4 Pro, il n'atteint que 3,3x et a terminé prématurément la tâche lors de la dernière phase en raison de l'absence de tout appel d'outil pendant cinq tours consécutifs.
Afin de maîtriser des stratégies de résolution universelles dans des environnements variables, Qwen3.7-Max a déconnecté la tâche, le cadre d'exécution et le vérificateur lors de l'entraînement, et a évité le surapprentissage par raccourci spécifique à un benchmark en utilisant un apprentissage par renforcement inter-cadres.
Sur les benchmarks d'intelligence artificielle universels MCP-Mark (60,8 points) et SpreadSheetBench (87,0 points), Qwen3.7-Max a démontré une forte capacité de généralisation, avec des performances globales proches de Claude-4.6-Opus-Max.