阿里通义千问团队推出专属智能体模型Qwen3.7-Max。在实测中，该模型连续自主运行 35 小时，完成内核代码优化工作。

和前代Qwen3-Max和Qwen3.6-Plus一致，这款全新模型仅可通过阿里云端Model Studio API提供。阿里此前一直开源Qwn系列模型，如今策略已调整，上一款开源旗舰模型为 2026 年 2 月发布的Qwen3.5-397B-A17B。

Qwen3.7-Max兼容 OpenAI 与 Anthropic 接口，可直接接入 Claude Code、OpenClaw 或 Qwen Code。官方表示，模型主要适配四大场景：从前端原型到多文件复杂项目的代码开发、依托外部工具自动化办公、长时间自主运行、适配各类智能体框架稳定输出。

长达 35 小时的内核优化实测

本次测试任务为优化开源推理框架 SGLang 的硬件注意力内核，运行设备搭载阿里自研T-Head-ZW-M890 加速芯片。

模型训练阶段从未接触过该芯片架构，启动时无实测数据、硬件文档与参考样例，仅依托一份基于Triton编程语言编写的基础参考代码开展工作。

历经 35 小时不间断自主运算，模型累计完成 432 次内核测试、调用工具 1158 次。全程循环执行代码编译、性能测算与迭代修改，自主排查编译报错、定位性能瓶颈。最终优化后代码运行速度较原版提升 10 倍。

同等测试环境下，竞品模型提升幅度均不及它：智谱 GLM 5.1 提速 7.3 倍，Kimi K2.6 提速 5 倍，DeepSeek V4 Pro提速 3.3 倍，前代Qwen3.6-Plus仅提速 1.1 倍。部分模型连续五次无工具调用后便自动终止运行。在标准化的KernelBench L3基准测试中，Qwen3.7-Max内核优化成功率达 96%，略低于Anthropic Opus 4.6的 98%。

训练架构拆分任务、工具环境与校验模块

该模型沿用Qwen 3.5 首创的训练框架，将训练内容拆分为独立三部分：核心任务、工具运行环境、结果校验程序，各模块可自由组合搭配。

同一任务会在多种工具环境中反复演练，并采用不同方式核验结果，以此让模型掌握通用解决思路，而非局限于特定环境的取巧方案。官方称，该模型在自研多项基准测试中，均可适配不同测试场景并稳定发挥性能。

自主监督训练，杜绝刷分作弊行为

训练过程中，Qwen3.7-Max还充当监督程序。历时 80 余小时监测软件工程类训练任务，完成上万次核查，专门识别模型投机刷奖励的行为，例如直接搬运开源平台现成答案。模型累计制定 13 条全新检测规则，筛查出 1618 起违规案例。

年度模拟测试验证长期规划能力

团队采用创业周期基准测试评估模型长远规划能力，模拟企业一整年经营流程。模型需历经数百轮决策，统筹人员调配、审核合同、甄别恶意合作方，在人力成本上涨的情况下维持盈利水平。

实测中，Qwen3.7-Max创造营收 208 万美元，完成 237 项业务任务；前代Qwen3.6-Plus营收 105 万美元，Qwen3.5-Plus仅创收 35.2 万美元。

多项权威基准测评里，Qwen3.7-Max 与 Claude Opus 4.6 Max、Kimi K2.6 Thinking、GLM-5.1 Thinking 和 DeepSeek V4 Pro Max 不相上下。在 SWE-Verify 测试中，该型号得分为 80.4，几乎与 Opus 4.6 Max（80.8）和 DeepSeek V4 Pro Max（80.6）持平。在数学与科学基准测试 GPQA Diamond（92.4）、HMMT 2026 2月（97.1）和 Apex（44.5）中，Qwen3.7-Max 位居该供应商自家对比榜的榜首。

部分测评标准为团队自研制定，相关测试数据均由官方自行公布，详细性能推演逻辑与技术方法将在后续技术报告中披露。

除常规应用场景外，该模型还可操控四足机器人。依托专属机器人框架与导航配套模型，语言模型能够指引机器人完成实地空间移动。