阿里发布新一代千问旗舰模型Qwen3.7-Max

5月20日，阿里云峰会正式发布全新一代千问旗舰模型Qwen3.7-Max，标志着国产大模型在智能体（Agent）时代的全面进阶。在Arena全球大模型盲测总榜中，该模型超越Kimi-K2.6、DeepSeek-v4-pro及GLM-5.1，性能逼近GPT、Claude、Gemini等国际顶尖模型，稳居国产第一。Qwen3.7-Max专为当下智能体架构全新设计，在编程与推理等核心能力上实现突破，能够胜任长达35小时的超长程复杂任务，为电商及企业级应用提供了更强大的AI底座。

模型迭代速度与性能上限持续被刷新，近3个月内千问旗舰已连续推出3.5、3.6、3.7三个版本。在多项权威评测中，Qwen3.7-Max表现抢眼：编程智能体方面，在SWE-Pro、SWE-Multilingual及Terminal Bench 2.0-Terminus（得分69.7）测评中领先DeepSeek-v4-pro-Max与Claude-Opus4.6；通用智能体方面，在MCP-Atlas、Skillbench等测试中超越GLM5.1与Kimi-K2.6，并在Kernel Bench L3上展示GPU内核优化能力；推理能力上，于GPQA Diamond、HLE等核心测评中超越Claude-Opus4.6及所有国产模型；通用与多语言方面，IFBench得分79.1分，WMT24++评测领先。

编程能力已成为衡量LLM大模型落地实战的关键指标，Qwen3.7-Max较前代有质的飞跃，能驾驭从前端原型到复杂多文件工程的开发任务。在SWE-bench系列及SciCode实战测评中，该模型大幅超越Claude Opus 4.6-Max、Kimi-K2.6及DeepSeek-v4-Pro-Max。作为卓越的编程智能体，Qwen3.7-Max可自主编写代码创造工具，精准执行任务并进行自我纠错迭代，如同资深工程师般跑通“需求分析-测试迭代”全流程，自主产出可用的工业级代码成果。

极强的编程与推理能力，为智能体处理复杂、长周期业务奠定了基础。Qwen3.7-Max展现出跨多种智能体框架的泛化能力，在Claude Code、OpenClaw、Qwen Code等框架下均能稳定运行，成为各类智能体系统的可靠底座。通过MCP集成与多智能体协作，该模型在企业级办公场景实现了工作流自动化，在SpreadSheetBench-v1基准测试中斩获87分，处于行业顶尖水平。以往需专业团队耗时一至两周的复杂项目，现由Qwen3.7-Max驱动的智能体可在数小时内完成端到端交付闭环。

在实战极限测试中，Qwen3.7-Max在全新硬件平台——平头哥真武M890芯片上，挑战了高难度的推理内核优化任务。面对没有任何性能分析数据、硬件文档或新架构示例内核的“空白”环境，模型仅凭任务描述、SGLang Triton参考实现和评测脚本，从零开始持续自主编程35小时。在此期间，模型独立进行了432次内核评估与1158次工具调用，完全自主地完成了编写、编译、性能分析与迭代改进的全流程，展现了惊人的鲁棒性。

测试结果显示，经千问优化后的推理内核比SGLang Triton官方参考实现取得了10倍的加速比。更值得关注的是，模型在独立运行超过30小时后仍能发现有效优化点，并主动发起了一次关键的架构重设计。这不仅验证了千问在复杂任务中长周期自主迭代的能力，更为未来模型与智能体的自我演进打开了全新的想象空间，证明了AI在处理高技术门槛任务时的巨大潜力。

随着Agentic时代的到来，阿里云宣布全面升级“芯-云-模型-推理”技术体系。Qwen3.7-Max模型API即将上线阿里云百炼，同时千问3.7系列将推出Qwen3.7-Plus等不同版本，具备极强的多模态推理与视觉理解能力。这一系列举措将实现从编程智能体到视觉智能体的全覆盖，为下一代AI应用提供全能智能体新基座，助力电商等行业构建更高效的自动化运营体系。