35小時智能體自主進(jìn)化！千問旗艦?zāi)Ｐ蚎wen3.7-Max重磅發(fā)布

5月20日，阿里巴巴發(fā)布全新一代千問旗艦?zāi)Ｐ蚎wen3.7-Max，在三方機(jī)構(gòu)Arena全球大模型盲測總榜中，Qwen3.7-Max超過Kimi-K2.6、DeepSeek-v4-pro、GLM-5.1，與GPT、Claude、Gemini最強(qiáng)模型接近，位列國產(chǎn)模型第一。千問3.7面向當(dāng)下智能體（Agent）全新設(shè)計，實現(xiàn)了編程、推理等核心能力的持續(xù)突破，甚至可全自主完成35小時的超長程智能體復(fù)雜任務(wù)：在一個全新的芯片平臺上，Qwen3.7-Max通過自主編程和超1000次工具調(diào)用，實現(xiàn)了一個關(guān)鍵內(nèi)核的自我進(jìn)化，推理速度較原版本提升10倍。

Qwen3.7-Max發(fā)布，位列國產(chǎn)模型第一

阿里大模型研發(fā)顯著加速，近3個月內(nèi)，千問旗艦大模型已穩(wěn)定迭代了3.5、3.6、3.7三個版本，不斷抬高國產(chǎn)模型的性能上限，Qwen3.7-Max在數(shù)項權(quán)威評測中位居前列：

在編程智能體方面，Qwen3.7-Max 在 SWE-Pro、SWE-Multilingual等測評中均取得領(lǐng)先表現(xiàn)，在Terminal Bench 2.0-Terminus得分69.7，超過了DeepSeek-v4-pro-Max、Claude-Opus4.6等一眾模型；

在通用智能體方面，Qwen3.7-Max提升顯著，在MCP-Atlas、MCP-Mark、Skillbench等現(xiàn)實能力測試中表現(xiàn)優(yōu)異，超越GLM5.1、Kimi-K2.6等，創(chuàng)下國產(chǎn)新高，并在 Kernel Bench L3上展示了強(qiáng)大的 GPU 內(nèi)核優(yōu)化能力；

推理能力上， Qwen3.7-Max 在GPQA Diamond、HLE、HMMT 2026 Feb、IMOAnswerBench等推理核心測評中均超越了Claude-Opus4.6及所有國產(chǎn)模型；

在通用能力與多語言方面，Qwen3.7-Max 在指令遵循 IFBench 評測中得分79.1分突破新高，在多語言理解和翻譯的WMT24++、MAXIFE評測中領(lǐng)先。

當(dāng)下，編程能力已成為衡量LLM大語言模型的核心指標(biāo)，Qwen3.7-Max較上代模型實現(xiàn)了大幅提升，從前端原型開發(fā)到復(fù)雜的多文件工程均能駕馭。在評估AI解決真實世界的實戰(zhàn)編程任務(wù)SWE-bench系列測評、面向真實科學(xué)問題的編程測評SciCode中，Qwen3.7-Max較Qwen3.6-Plus大幅提升，并超越了Claude Opus 4.6-Max、Kimi-K2.6、DeepSeek-v4-Pro-Max等模型。千問3.7是出色的編程智能體，可自主編寫代碼創(chuàng)造工具，精準(zhǔn)執(zhí)行任務(wù)，完成復(fù)雜編程的自我糾錯迭代，就像個資深工程師，跑完從需求分析到測試迭代的全流程，自主產(chǎn)出可用的工業(yè)級成果。

不斷提升的編程能力，也為智能體完成更復(fù)雜、更長周期的任務(wù)打下堅實基礎(chǔ)。千問3.7本身具有極強(qiáng)的Agent能力，并涌現(xiàn)出跨多種智能體框架的泛化能力，在 Claude Code、OpenClaw、Qwen Code 等框架下都能穩(wěn)定發(fā)揮，有望成為各類智能體系統(tǒng)的可靠底座。通過MCP集成和多智能體協(xié)作，Qwen3.7-Max在企業(yè)級辦公場景實現(xiàn)工作流自動化，在辦公自動化基準(zhǔn) SpreadSheetBench-v1上斬獲87分，處于頂尖水平，是可靠的辦公與生產(chǎn)力助手。以往需專業(yè)團(tuán)隊耗時一至兩周的復(fù)雜項目，現(xiàn)由 Qwen3.7-Max 驅(qū)動的智能體可在數(shù)小時內(nèi)完成端到端交付閉環(huán)。

實戰(zhàn)任務(wù)測試中，Qwen3.7-Max還展示了當(dāng)下智能體所能達(dá)到的長程任務(wù)極限。對大模型而言，推理速度與推理框架息息相關(guān)，AI Infra工程師最重要的工作之一就是進(jìn)行推理框架中的算子優(yōu)化，這需要極強(qiáng)的經(jīng)驗、知識、算法能力以及反復(fù)調(diào)試、糾錯迭代。如今，千問3.7也嘗試自主解決這一難題。在一個模型訓(xùn)練時從未接觸過的全新硬件平臺——平頭哥真武M890芯片上，千問3.7自主完成了一個復(fù)雜的推理內(nèi)核優(yōu)化任務(wù)。在沒有任何性能分析數(shù)據(jù)、硬件文檔或新架構(gòu)的示例內(nèi)核情況下，千問3.7僅從一個包含任務(wù)描述、SGLang Triton 參考實現(xiàn)和評測腳本的空白工作空間出發(fā)，從“零”開始持續(xù)編程 35 小時，獨(dú)立進(jìn)行了 432 次內(nèi)核評估、1158 次工具調(diào)用，完全自主地完成了編寫、編譯、性能分析與迭代改進(jìn)的全流程。

Qwen3.7-Max可獨(dú)立執(zhí)行35小時的長程復(fù)雜任務(wù)

最終，在平頭哥新AI芯片上，經(jīng)千問優(yōu)化后的推理內(nèi)核比 SGLang Triton 官方參考實現(xiàn)取得了 10 倍的加速。測試軌跡還顯示，模型在獨(dú)立運(yùn)行超過 30 小時后仍發(fā)現(xiàn)了有效優(yōu)化點，甚至主動發(fā)起了一次關(guān)鍵的架構(gòu)重設(shè)計——這充分體現(xiàn)千問在復(fù)雜任務(wù)中長周期自主迭代的能力，為未來模型與智能體的自我演進(jìn)打開了全新的想象空間。

在2026阿里云峰會現(xiàn)場，阿里云宣布面向Agentic時代全面升級，重磅發(fā)布全新的“芯-云-模型-推理”技術(shù)體系。據(jù)了解，Qwen3.7-Max模型API即將上線阿里云百煉，同時，千問3.7系列還將推出Qwen3.7-Plus等不同版本模型，擁有極強(qiáng)的多模態(tài)推理、視覺理解能力，實現(xiàn)從編程智能體到視覺智能體的全覆蓋，為下一代AI提供全能智能體新基座。