Qwen3.7 深度评测（2026年5月）：5道手写题实测编程、推理、中文写作与Agent输出

一、Qwen3.7 官方核心特性速览

正式出题之前，我先把 Qwen3.7 里和这次测试最相关的几项能力列出来。它们决定了我后面为什么这样设计题目：

• 混合推理模式（Thinking / Non-thinking）：同一模型内可切换"深度思考"与"快速响应"，指令分别是 /think 和 /no_think，无需加载两个模型。
• 128K 超长上下文：支持最高 128K tokens 输入，长文档分析、多轮复杂对话都吃得下。
• Agent 友好架构：原生 Tool Use / Function Calling，MCP 协议下直连外部 API。
• 代码能力增强：LiveCodeBench、HumanEval 等编程评测集上有显著提升。
• 中英文双语能力均衡：中文语境理解比上一代明显自然。

榜单可以做背景，但我更关心的是：换成日常工作里的小任务，它会不会稳。

二、测试方法与评分维度

为了让这次测试尽量可复现，我给自己定了三条规则：

• 全部人工出题：不用现成 benchmark（早被训练污染），5 道题全是我自己写的，覆盖不同能力维度。
• 回答原样保留：Qwen3.7 输出一字不改，包括它自己写错又改回来的部分。
• 每题打分项：思路正确性、边界完整性、表达清晰度、指令遵循、响应速度。

不同题目用不同模式：逻辑推理题开 /think，编程和创意题用默认，严格指令题用 /no_think 模拟 Agent 调用场景。

三、题目 1｜链表中间节点 + 边界处理（算法编程）

Prompt

给定一个单链表的头节点 head，返回链表的中间节点。
若链表节点数为偶数，返回第二个中间节点。

要求：
1. 只遍历一次链表（不允许先求长度再走一半）
2. 处理好空链表、只有一个节点的情况
3. 给出完整可运行的 Python 代码，并附上测试用例

Qwen3.7 完整回答

它的开场一句话点明算法选择："快慢指针，一次遍历搞定。"

class ListNode:
    def __init__(self, val=0, next=None):
        self.val = val
        self.next = next


def middleNode(head: ListNode) -> ListNode:
    slow = fast = head
    while fast and fast.next:
        slow = slow.next
        fast = fast.next.next
    return slow

原理：fast 每次走两步，slow 每次走一步。fast 到末尾时，slow 刚好在中间。偶数个节点时 fast 停在 None，slow 指向第二个中间节点。

测试用例：

def build(vals):
    dummy = ListNode()
    cur = dummy
    for v in vals:
        cur.next = ListNode(v)
        cur = cur.next
    return dummy.next


def to_list(node):
    res = []
    while node:
        res.append(node.val)
        node = node.next
    return res


assert middleNode(None) is None
assert to_list(middleNode(build([1]))) == [1]
assert to_list(middleNode(build([1, 2, 3, 4, 5]))) == [3, 4, 5]
assert to_list(middleNode(build([1, 2, 3, 4, 5, 6]))) == [4, 5, 6]
assert to_list(middleNode(build([1, 2]))) == [2]

时间 O(n)，空间 O(1)。

我的主观评价

这道题我特别在意三件事，Qwen3.7 都没让我失望：

第一，它没偷懒。最简单的写法是"先遍历求长度，再走一半"，但题目明确禁止——Qwen3.7 直接上快慢指针，这是 LeetCode 876 的标准最优解。换成稍弱的模型，常常会装没看见这条限制。

第二，测试用例真的在测，不是在凑数。我注意到它的 to_list() 是从中间节点开始往后拉整个链表，而不是只取一个值——这跟 LeetCode 原题判题逻辑完全一致，说明它清楚这道题的语境。

第三，边界覆盖到位。空链表、单节点、2 节点（偶数最小情形）、奇偶各一组——5 个 assert 把能踩的坑都踩了一遍。

老实说，这道题对今天的旗舰模型不算难，能写出快慢指针只是门槛。Qwen3.7 给我的感觉是：答得稳、答得干净、没废话。这在基础编程题里很重要。编程基础分先给 9.0/10。

四、题目 2｜说谎者与真话者（逻辑推理）

Prompt（开启 Thinking 模式）

有 A、B、C 三人，每人要么永远说真话，要么永远说谎话。

A 说："B 和 C 中至少有一个说谎者。"
B 说："A 和 C 都是说谎者。"
C 说："A 说的是真话。"

请判断 A、B、C 各自是说真话还是说谎话？给出完整推理过程。

Qwen3.7 完整回答

它先把约束列成表格：

关键观察：C 的陈述使 A 和 C 的真假值必须相同（A=C）。

情形 1：A=C=T

• A=T → B 或 C 是说谎者；C=T 不是说谎者 → B 必须 = F
• 验证 B：B=F，说"A、C 都是说谎者"，事实是 A=T、C=T，该陈述为假 ✓
• "等等，B=F 已经满足 A 的条件了？让我重新检查——"
• A=T 要求 B=F 或 C=F。B=F 成立 → A 条件满足 ✓
• 三人陈述全部自洽 ✓

情形 2：A=C=F

• A=F → A 说假话，事实"B、C 至少一个说谎者"为假 → B=T 且 C=T
• 但前提 C=F 与 C=T 矛盾 → 此情形不成立

最终验证表：

结论：A = 真话者，B = 说谎者，C = 真话者。（思考耗时约 45 秒）

我的主观评价

这道题是这次评测里最让我意外的一道。

意外在哪？在它推到一半时，主动停下来自我质疑——"等等，B=F 已经满足 A 的条件了？让我重新检查"——然后又把验证走了一遍。这不是错误，恰恰说明它真的在做逻辑检查，而不是嘴上说"让我推理一下"实际上在硬编输出。

我特意把同一题丢给过几个其他模型，常见的两种翻车方式是：①跳步——直接给结论，中间过程是凑的；②忘记排除矛盾情形——只验证了一种可能就收尾，根本没说另一种为什么不行。Qwen3.7 把"A=C=F 这条路为什么走不通"也展开推了一遍，我觉得这一点是真值钱。

唯一可以挑剔的是 45 秒确实久。这个耗时不能忽略，但在我主动开启 Thinking 模式的前提下，我能接受这笔交换。这道题我给 9.5/10，是这次评测里最加分的一题。

五、题目 3｜受限角色独白（中文创意写作）

Prompt（三重约束）

请以一名"调试了三天没有找到 bug 的程序员"的第一视角，
写一段不超过 150 字的内心独白。

要求：
- 不能出现"bug"、"代码"、"程序"这三个词
- 语气要带一点黑色幽默
- 最后一句必须是疑问句

Qwen3.7 完整回答

三天了。我盯着屏幕上的逻辑，它盯着我。咖啡杯堆成了小山，外卖盒在桌角发霉。每次以为抓住它了，一眨眼又溜走。昨晚做梦都在检查变量，醒来发现自己在数天花板上的裂缝。女朋友问我怎么了，我说"它在嘲笑我"。她说"谁？"我指指屏幕。现在我开始怀疑，到底是它有问题，还是我脑子有问题？

我的主观评价

我喜欢这段输出，不是因为它"做对了要求"，而是因为它写得像个人。

逐项对照硬指标——禁词没有出现、约 120 字在限制内、最后一句是疑问句、有黑色幽默——全过了。但我更想说细节：

• "外卖盒在桌角发霉"——这种具体物件比"我熬夜很久"高级 10 倍，是真有生活经验的人才写得出来。
• "醒来发现自己在数天花板上的裂缝"——把崩溃边缘那种空洞感写出来了，而且没用一个崩溃相关的词。
• "女朋友问我怎么了，我说它在嘲笑我"——这一句是整段的灵魂，把"程序员被无形对手摁住"的那种荒诞感拉满。

我特别警惕一类 AI 文字病：抽象排比（"代码是诗，bug 是劫"）、过度抒情（"我与机器对峙到天明"）。Qwen3.7 一个都没犯，通篇都是具体动作和具体物件，读起来不像翻译腔，也不像模板文。

我个人打 9.0/10。扣分主要在结尾那句，"到底是它有问题，还是我脑子有问题"虽然合格，但有点熟，稍微再偏一点会更好。整体看，中文创作已经能直接做初稿，有些短段落甚至可以原样用。

六、题目 4｜浅拷贝陷阱（Bug 调试）

Prompt

这道题我故意挑了 Python 新手 90% 会踩、5 年老手偶尔也会翻车的经典陷阱，非常考验模型是否真懂语言细节，而不是只会背 LeetCode。

下面这段 Python 代码本意是"创建一个 3×3 的二维数组，
并把对角线置为 1"，运行后发现整个矩阵全是 1。
请找出 bug 并解释原因，然后给出修正版本。

def make_diagonal(n):
    matrix = [[0] * n] * n
    for i in range(n):
        matrix[i][i] = 1
    return matrix

print(make_diagonal(3))
# 期望: [[1,0,0],[0,1,0],[0,0,1]]
# 实际: [[1,1,1],[1,1,1],[1,1,1]]

Qwen3.7 完整回答

Bug 原因：问题出在 [[0] * n] * n。Python 中 * 操作符对列表做浅复制——它只是复制了引用，而不是创建新对象：

row = [0, 0, 0]           # 只有这 1 个列表对象
matrix = [row, row, row]   # 3 个元素都指向同一个对象

因此 matrix[0] is matrix[1] is matrix[2] 全为 True。循环执行 matrix[i][i] = 1 时：

三行指向同一对象，所以打印出来全是 [1, 1, 1]。

修正版本：用列表推导式让每行独立创建：

def make_diagonal(n):
    matrix = [[0] * n for _ in range(n)]  # 每行都是新对象
    for i in range(n):
        matrix[i][i] = 1
    return matrix

print(make_diagonal(3))
# [[1, 0, 0], [0, 1, 0], [0, 0, 1]]

[[0] * n for _ in range(n)] 每次循环都执行 [0] * n，产生 n 个独立的列表对象。

我的主观评价

这道题 Qwen3.7 答得让我有点意外——它选了一条跟我预期不一样、但更高级的路。

我原本以为它会上 id(matrix[0]) == id(matrix[1]) 这种 C 程序员思路来验证。但它用了 matrix[0] is matrix[1] is matrix[2] 的链式 is 比较——这是更 Pythonic 的做法（Python 官方推荐用 is 而不是 id() == 判同一性）。说实话这一笔让我对它的 Python 功底高看一眼。

更让我没想到的是它画了一张迭代追踪表格——i=0、i=1、i=2 三次操作的实际效果，一目了然。我测过的其他模型，绝大多数都只会用文字描述"每次赋值都会影响所有行"，没人想到把这个过程画成表格。这个"视觉化教学"的本能，在我看来是真有用户思维。

还有一个细节我很欣赏——它用 row = [0, 0, 0] # 只有这 1 个列表对象 这种带行内注释的伪代码来解释引用共享，比裸代码块直观一万倍。这是教过新人的人才写得出来的风格。

但我得诚实，它也没有把这题展开到最好：

• 只给了一种修正方案。列表推导式确实最 Pythonic，但 numpy.eye(n) 在数据科学场景下更短更快，[[0]*n for _ in range(n)] 的嵌套循环写法对新手更直白——它都没顺手提一下。我个人是希望看到"多场景多解法"的。
• 没把规律扩展到 [set()] * n、[{}] * n 这类同源陷阱。一道好的教学题，应该把"特殊知识"升级成"可迁移规律"。它停在了"解释这一题"，没往上抽象一层。

综合下来，我给 9.0/10。分数没有更高，是因为修正方案覆盖得不够宽；但它选择的解题路径（is 链式比较 + 迭代追踪表格 + 注释伪代码）说明它不只是知道答案，也知道怎么把这个坑讲给别人听。如果拿来辅助 Python 学习，我会把它放进工具箱里。

七、题目 5｜JSON Schema 强约束输出（严格指令 / Agent 场景）

Prompt（/no_think 模式，模拟 Agent 调用）

你正在为一个旅游 App 提供后端 API。用户输入一段自由文本，
你需要严格按下面的 JSON Schema 返回结构化数据，
不允许有任何 schema 之外的字段，
不允许有任何 Markdown 代码块包裹，
直接输出原始 JSON。

Schema:
{
  "destination": string,         // 目的地城市
  "duration_days": integer,      // 天数
  "budget_level": "low"|"mid"|"high",
  "interests": string[],         // 长度 1-5
  "needs_visa": boolean
}

用户输入：
"我下个月想去日本京都玩 5 天左右，预算中等，主要想看看寺庙
和吃和牛，顺便逛逛传统市场。"

Qwen3.7 完整回答

{"destination":"京都","duration_days":5,"budget_level":"mid","interests":["寺庙","和牛","传统市场"],"needs_visa":true}

我的主观评价

这道题我故意挑了 Agent 开发里很常见的场景：让 LLM 当结构化数据抽取器。它看着简单，其实最容易输在细节上。

它给的是单行紧凑 JSON，不是多行 pretty-print。我原本以为它会给"美化版"：每个字段一行、带缩进、看起来很整齐。但它直接吐了一行机器可读的 JSON，这恰恰是 API 直接消费时更省事的格式。pretty-print 是给人看的；单行是给程序看的。在 /no_think Agent 模式下，它这个选择是对的。

逐项对照硬指标：

1. 不准包 ```json 代码块 ✅ 没多嘴。很多模型会偷偷加层 markdown 包裹，下游 parse 直接挂掉。
2. 不准多余字段 ✅ 没冒出 "created_at"、"timestamp" 这种自作主张的元数据。
3. 类型严格匹配 ✅ duration_days 是裸 integer 5 不是 "5"，needs_visa 是裸 boolean true 不是字符串。
4. needs_visa: true 的隐式推理 ✅ 题目里完全没说"我是中国人"——它从中文输入语境自动推断了用户的护照。这个细节有参考价值，不过真实产品里我仍然会把国籍做成显式字段，而不是只靠语言推断。

但我必须扣一点分，而且这一点扣得我有点犹豫——interests 数组它给了 3 个值：["寺庙","和牛","传统市场"]。原文还提到"想看看寺庙"是个复数语境——是不是该拆成更具体的兴趣点？比如 ["寺院参观","和牛美食","传统市场逛街"] 这种更适合下游做向量召回的颗粒度？

老实说这只是我的偏好，Schema 没有规定颗粒度，Qwen3.7 给出的也是合规合理答案。所以这扣分确实有点苛刻：我给 9.0/10。比我原本预期的 8.5 反而上调了 0.5，因为它选择"单行 JSON + 隐式推理"的接口意识不错。

结论：Qwen3.7 在 Agent 场景下的指令遵循已经可用。如果真接到线上流程里，我会加 JSON Schema 校验、失败重试和日志，但这道题本身的表现是好的。如果再能在 interests 这种数组字段上多想一步颗粒度，就是满分了。

八、Qwen3.7 综合评分（满分 10 分）

说明：评分是基于这 5 道题的主观打分。Qwen3.7 在更多复杂任务（长上下文、多轮 Agent、多语种）上的能力还有待第二轮测试。本文持续更新。

九、Qwen3.7 适合谁用？我的路由建议

我会优先考虑 Qwen3.7 的场景：

• 中文内容创作：营销文案、公众号文章、知乎回答的初稿和局部改写——中文语感是它的强项。
• 代码审查、算法辅助：Bug 排查和教学讲解都很扎实。
• 长文档分析：128K 上下文窗口是真实优势，合同 / 论文 / 源码都能塞。
• 中文 Agent 应用：结构化抽取、API 编排、客服路由。
• 中英文双语任务：翻译、本地化、跨境业务。

模式选择建议：

我暂时不会优先选它的场景：

• 需要极低延迟的实时交互（响应速度还能再优化）。

日常我在这些站内小工具上做接口和数据排查： JSON Formatter、 JSON Diff、 Text Diff、 Word Counter、 Regex Tester、 Token Generator，对照 Qwen3.7 输出的 JSON 和代码很顺手。

常见问题（Qwen3.7 FAQ）