📢 Gate 广场 TradFi 交易分享挑战上线！
晒单瓜分 $30,000 奖池，新人首帖 100% 中奖！
📌 参与方式：
带 #TradFi交易分享挑战 发帖，满足以下任一即可：
🔹 带今日指定 TradFi 币种标签发帖交流。
🔹 完成单笔大于 $10U 的 TradFi CFD 交易并挂载交易卡片。
🏷️ 今日指定标签：USDJPY、AUDUSD、US30、TSLA、JPN225
🎁 宠粉福利：
1️⃣ 卡片分享奖： 抽 50 人，每人送 $100 仓位体验券！
2️⃣ 发帖榜单奖： 冲排行榜，赢 WCTC 限定 T 恤！
3️⃣ 新粉见面礼： 新人首次发帖，100% 领 $10 体验券！
详情：https://www.gate.com/announcements/article/51221
Qwen3.7-Max正式发布：35小时自主写代码1158次，在国产芯片上炼出10倍加速算子
在优化过程中，模型历经了五个核心演进阶段。它首先通过 Split-K 分区将前缀 KV-cache 沿 token 维度划分以填满 36 个 SM 核心；随后将主机与设备间同步的 cudaMalloc 替换为预分配的 PyTorch 变量，并通过使用 tensor 元数据完全抹去了查询前缀长度时的同步 cudaMemcpy 动作，彻底移除了主机与设备间的通信开销；在最后阶段，模型重构算子以在单个线程块中同时处理全部 4 个 query token，共享加载以分摊访存开销，完成了关键的架构级特化重构。
算子优化实测显示，Qwen3.7-Max 取得 10.0x 几何平均加速比，显著超越 GLM 5.1（7.3x）与 Kimi K2.6（5.0x）。而 DeepSeek V4 Pro 仅为 3.3x 且在后半程因连续五轮未发出任何工具调用而提前主动结束任务。
为了在多变环境里掌握通用的解题策略，Qwen3.7-Max 在训练中将任务、运行框架与验证器进行了解耦，并通过跨框架强化学习训练避免了针对特定基准的捷径过拟合。在通用的智能体基准 MCP-Mark（60.8 分）与 SpreadSheetBench（87.0 分）上，Qwen3.7-Max 展现了极强的泛化性，综合性能表现已紧逼 Claude-4.6-Opus-Max。