Qwen3.7-Plus SNSE Bench 测评：编译错误率居高不下，代码工程化能力待提升

科技社区 Linux.do 发布了关于 Qwen3.7-Plus 模型在 SNSE Bench 基准测试中的最新评测数据。测试结果显示，该模型在推理行为上表现出与 DeepSeek-V4-Flash 类似的“过度思考”特征，但其症状相对较轻，仅在 T6 和 T7 两个测试题目的解题过程中出现了思维链长度超限的情况。然而，该模型在代码生成质量上暴露出了显著短板。评测报告明确指出，Qwen3.7-Plus 是当前所有受测模型中编译错误最严重的模型，其提交的十份代码样本中竟有四份无法通过编译。具体分析显示，模型在基础代码规范性上存在明显缺陷：在 T1 和 T12 题目中出现了头文件缺失的低级错误，而在 T3 和 T8 题目中，模型“自作聪明”地添加了几行 `#pragma` 指令，结果导致莫名其妙的编译失败。这一数据表明，尽管模型具备一定的推理深度，但在确保代码可编译、可运行的工程实用性方面仍有很大缺陷。

事件分析

💡 核心观点：AI编程模型不应止步于模拟推理的“聪明”，更需严守代码可编译的工程底线，否则过度思考只会沦为错误的叠加。