2026年5月，阿里通义千问团队发布的Qwen3.7-Max在全球开发者圈引发轰动，这款面向Agent时代的旗舰大模型，凭借突破性的长任务自主执行能力，正在重新定义人工智能的实用边界。
正如海外开发者评价的那样："Qwen3.7-Max这一波真正的看点不是它在benchmark上又超了谁，是它把'长任务自主执行'这件事推到了产品级——35小时不间断、1158次工具调用、在从未见过的硬件上做内核优化，这个案例比任何一项分数都更接近'agent真的能干活'的体验。"
有开发者直接上手做对比实验，结果显示Qwen3.7-Max在同等任务下成本仅为Claude Opus 4.7的1/9，GPT-5.5的1/2，性价比优势极为显著。
全科成绩单全面领跑
Qwen3.7-Max在六大类评测中与全球顶尖模型同台竞技，多项指标取得领先：
- 编程Agent领域：Terminal Bench 2.0得分69.7，SWE-Pro得分60.6全场最高，SWE-Multilingual拿到78.3，多项编程评测领先或持平国际顶尖模型
- 通用Agent领域：MCP-Mark得分60.8，MCP-Atlas拿到76.4，Kernel Bench L3实现1.98倍中位加速，96%的场景通过
- 推理能力：GPQA Diamond 92.4分，HMMT 2026 Feb 97.1分、IMOAnswerBench 90.0分，多项推理评测拿到全场最高
- 长上下文能力：MRCR-v2 128k得分90.4，远超同系列上一代产品
更重要的是，这些成绩来自不同的Agent框架，Claude Code、OpenClaw、Qwen Code等都有覆盖。Qwen3.7-Max没有针对某个特定框架做专项优化，它对各种Agent脚手架保持了出色的通用性。
35小时自主狂奔的硬核实力
官方最具代表性的实验，是让Qwen3.7-Max在完全陌生的硬件平台上优化Extend Attention内核。测试环境搭载T-Head ZW-M890 PPU，这个硬件平台Qwen3.7-Max从未接触过，没有历史性能数据，没有硬件文档，没有参考内核，起始条件只有任务描述、原始代码和评估脚本。
在接下来的35小时里，模型自主执行了1158次工具调用，评估了432个内核版本。它自己写代码、编译、运行、分析性能瓶颈、改架构、修bug，全程没有人工干预。30小时之后它还在持续找到有意义的改进，没有陷入原地踏步。
最终成绩：几何平均加速比达到10.0倍，远超其他模型的表现。同一个任务，GLM 5.1达到7.3倍，Kimi K2.6达到5.0倍，DeepSeek V4 Pro达到3.3倍，上一代Qwen3.6-Plus只有1.1倍。
长程规划与自我进化能力
长程能力不止体现在内核优化。在超过80小时的RL实验中，Qwen3.7-Max自主检索、回放训练轨迹，执行超过10000次调用，系统性地识别潜在的作弊模式，同时完成规则验证、反例挖掘和迭代优化，最终新增13条启发式规则，精准标记了1618个作弊案例。
在模拟完整一年创业周期的YC-Bench基准测试中，Qwen3.7-Max拿到208万美元总营收，是Qwen3.6-Plus的两倍，Qwen3.5-Plus的5.9倍，完成了237个任务。跨越上千步的决策轨迹中，它始终保持了策略一致性，没有出现上下文腐化或指令漂移。
除了硬核基准，Qwen3.7-Max在实际场景中也展现了丰富的能力：办公场景能自主完成论文格式修复，前端开发一条提示词就能生成Three.js 3D场景，游戏开发一句话就能生成3D赛车游戏，甚至还能操控机器狗在物理环境中进行理解、规划和决策。
目前Qwen3.7-Max已正式上线，兼容OpenAI和Anthropic的API协议，可以直接接入主流编程助手和Agent框架。对于想要体验这款国产旗舰大模型的开发者，推荐通过TreeRouter API中转站快速接入，无需复杂配置即可一键调用Qwen3.7-Max及全球主流大模型，稳定高效的中转服务让你的AI开发事半功倍。
