Qwen3.7：专为智能体打造的旗舰大模型

阿里千问发布了新一代旗舰模型 Qwen3.7-Max。这次更新的核心指向很明确——智能体（Agent）场景。它既能写代码、改 Bug，也能自动化办公流程，还能扛住数百乃至数千步的长周期自主任务。

具体到落地场景，Qwen3.7-Max 的能力边界拓宽了不少：

编程方面，它现在能接手从前端原型到复杂多文件工程的全流程开发。
办公场景下，通过集成 MCP 和多智能体协作，工作流自动化成了现实。
更关键的是长周期执行能力。在一场长达 35 小时、涉及超 1000 次工具调用的全自主内核优化实验中，模型全程保持了连贯推理，没有中途崩溃或迷失上下文。

底层框架的兼容性也做了解耦。无论是跑在 Claude Code、OpenClaw 和 Qwen Code，还是其他自定义框架下，性能输出都足够稳定。

模型表现

模型表现

	Opus-4.6 Max	K2.6 Thinking	GLM-5.1 Thinking	DS-V4-Pro Max	Qwen3.6-Plus	Qwen3.7-Max
Coding Agent
Terminal Bench 2.0-Terminus	65.4	66.7	63.5	67.9	61.6	69.7
SWE-Verified	80.8	80.2	—	80.6	78.8	80.4
SWE-Pro	57.3	59.5	58.8	59.0	56.6	60.6
SWE-Multilingual	77.5	76.7	—	76.2	73.8	78.3
NL2repo	47.6	42.8	41.0	35.5	34.4	47.2
SciCode	51.9	52.2	45.1	—	41.4	53.5
QwenWebDev	1617	—	1564	1570	1500	1568
QwenSVG	1541	1325	1605	1506	1432	1608
General Agent
Qwenclaw	65.5	54.7	58.7	59.2	57.2	64.3
CoWorkBench	68.2	58.2	66.0	66.3	64.5	67.2
ClawEval	70.4	61.5	62.7	58.4	57.1	65.2
Skillsbench	—	56.2	53.1	52.3	45.7	59.2
BFCL-V4	76.7	71.3	70.9	70.6	68.9	75.0
MCP-Mark	56.7	55.9	57.5	57.1	48.2	60.8
MCP-Atlas	75.8	66.6	71.8	73.6	74.1	76.4
Vitabench	—	39.1	45.1	51.9	42.8	47.9
SpreadSheetBench-v1	89.3	84.5	85.2	84.9	80.2	87.0
Kernel Bench L3	2.63/98%	1.41/80%	2.00/78%	1.07/54%	1.03/48%	1.98/96%
HLE w/ tools	53.0	54.0	52.3	48.2	50.2	53.5
QwenWorldBench	56.1	50.9	50.2	52.3	47.6	57.3
STEM & Reasoning
GPQA Diamond	91.3	90.5	86.2	90.1	90.4	92.4
HLE	40.0	36.4	34.7	37.7	28.8	41.4
LiveCodeBench	88.8	89.6	—	93.5	87.1	91.6
HMMT 2026 Feb	96.2	92.7	89.4	95.2	87.8	97.1
IMOAnswerBench	75.3	86.0	83.8	89.8	83.8	90.0
CritPT	12.6	8.0	4.6	12.9	2.9	11.4
Apex	34.5	24.0	11.5	38.3	8.8	44.5
General Capability
MMLU-Pro	89.7	87.1	86.3	87.5	88.5	89.6
MMLU-Redux	95.2	95.3	94.3	94.8	94.5	95.0
SuperGPQA	72.5	71.3	68.0	69.9	71.6	73.6
IFEval	91.9	94.5	94.5	91.9	94.3	94.3
IFBench	62.5	76.0	76.0	77.0	74.2	79.1
MRCR-v2 _128k	84.0	63.1	62.0	74.4	85.9	90.4
Multilingualism
WMT24++	82.7	81.6	81.8	82.2	84.3	85.8
MAXIFE	81.3	87.7	87.7	88.9	88.2	89.2
MMMLU	90.6	87.5	87.2	87.9	89.5	90.3
MMLU-ProX	86.1	83.7	83.9	83.9	84.7	87.0
NOVA-63	59.1	56.7	54.6	52.8	57.9	59.0
INCLUDE	87.4	84.2	84.3	86.1	85.1	86.2
Global PIQA	91.2	89.2	89.5	90.5	89.8	91.4
PolyMATH	80.2	82.7	67.6	72.0	77.4	86.5

编程智能体

在编程基准测试中，Qwen3.7-Max 稳居第一梯队。SWE-Pro 拿到 60.6 分，SWE-Multilingual 78.3 分，SciCode 53.5 分，QwenSVG 则达到 1608 分。Terminal Bench 2.0-Terminus 得分 69.7，小幅领先 DS-V4-Pro Max 的 67.9。在 SWE-Verified 测试中，它拿到了 80.4 分，与 Opus-4.6 Max（80.8）和 DS-V4-Pro Max（80.6）咬得很紧。

通用智能体

通用智能体能力的提升幅度更为显著。MCP-Mark 得分 60.8，超越了 GLM-5.1（57.5）；MCP-Atlas 拿到 76.4 分，略高于 Opus-4.6 (75.8)；Skillsbench 得分 59.2，同样领先 K2.6 (56.2)。

在 GPU 内核优化基准 Kernel Bench L3 上，它实现了 1.98 倍的中位数加速，加速覆盖率高达 96%。

其余基准测试中，BFCL-V4（75.0）、Qwenclaw（64.3）和 ClawEval（65.2）的得分也紧追 Opus-4.6 Max。办公自动化基准 SpreadSheetBench-v1 则拿到了 87.0 分，处于行业头部位置。

推理

高难度推理是 Qwen3.7-Max 的另一个强项。GPQA Diamond 得分 92.4，HLE 41.4，HMMT 2026 Feb 97.1，这三项均小幅超越了 Opus-4.6。

在 IMOAnswerBench 和 Apex 测试中，它分别拿到 90.0 和 44.5 分，拉开了与 DS-V4-Pro（89.8/38.3）的差距。

通用能力与多语言

指令遵循能力上，IFBench 得分 79.1，领先 DS-V4-Pro（77.0）。多语言和翻译能力稳居第一梯队，WMT24++ 和 MAXIFE 分别拿到 85.8 和 89.2 分。SuperGPQA（73.6）与 QwenWorldBench（57.3）的表现也保持在高水准。

以上评测成绩均来自不同的智能体框架。Qwen3.7-Max 没有针对单一框架做定向刷榜。无论是在 Claude Code、OpenClaw、Qwen Code 还是各类自定义工具链中，它都能保持稳定输出。

生产力助手

在真实的生产力场景中，Qwen3.7-Max 更像是一个能扛活的深度协作者。

依托智能体架构，它能接手高复杂度的企业级任务。比如批量研读并整合海量信息、对复杂数据进行深度分析建模，或者直接生成出版级文档与可视化成果。
得益于对主流智能体框架的原生适配，它支撑得起数小时级别的自主规划与运行。通过上千次工具调用和数十轮版本迭代，模型可以持续打磨交付物质量。过去需要专业团队耗费 1-2 周推进的复杂项目，现在由 Qwen3.7-Max 驱动的智能体接管，几个小时就能跑通端到端交付。

智能体扩展

在 Qwen3.5 引入的环境扩展方法基础上，Qwen3.7 进一步拉升了训练环境的质量与多样性。这与语言模型通过多样化预训练文本获取泛化能力的逻辑如出一辙——智能体能力同样能借由多样化的训练环境实现泛化。

评测结果已经印证了这条路径的有效性。环境扩展带来的性能提升轨迹清晰且稳定，Qwen3.7-Max 的综合排名已跻身前三，逼近 Claude-4.6-Opus-Max。

所有评测使用的环境均为训练阶段未曾见过的域外全新场景，排除了模型死记硬背的可能。

跨框架泛化能力

千问团队的 Rollout 环境基础设施做了一项关键改动：将每个训练实例解耦为任务（Task）、运行框架（Harness）与验证器（Verifier）三个正交组件。这三者可以自由重组。该架构兼容多种运行框架及其迭代版本，且所有环境均基于真实场景构建，摒弃了合成数据。

解耦设计带来了组合式扩展的红利。同一个任务能以极低的边际成本，匹配不同类型和版本的框架与验证器。更核心的是，它支持跨框架、跨验证器的强化学习训练。模型必须在多变的框架配置下处理同源任务，这迫使它去学习具备泛化能力的解题策略，而不是去走特定框架的捷径。

在 QwenClawBench 和 CoWorkBench 评测中，无论套用哪种运行框架，Qwen3.7-Max 的性能输出都保持了高度一致，明显拉开与 Qwen3.6 系列的差距。这意味着，它确实掌握了任务求解的通用逻辑，而非对特定框架产生了过拟合。

开始使用 Qwen3.7

Qwen3.7-Max 的 API 服务即将在阿里云百炼上线，支持直接接入主流智能体框架与编程助手。
如果你想快速测试效果，也可以到 Qwen Studio 里跑几个真实任务试水 Qwen3.7-Max-Preview 和 Qwen3.7-Plus-Preview。

Qwen3.7：专为智能体打造的旗舰大模型

模型表现