5月阿里巴巴推出新一代千问旗舰模型Qwen3.7-Max，在三方机构Arena全球大模型盲测总榜中，Qwen3.7-Max超过Kimi-K2.6、DeepSeek-v4-pro、GLM-5.1，与GPT、Claude、Gemini最强模型接近，位列国产模型第一。据悉，千问3.7面向当下智能体全新设计，实现了编程、推理等核心能力的持续突破，甚至可全自主完成35小时的超长程智能体复杂任务：该领域上，Qwen3.7-Max借助自主编程和超1000次工具调用，实现了一个关键内核的自我进化，推理速度较原版本提升10倍。当下，编程能力已成为衡量LLM大语言模型的核心指标，Qwen3.7-Max较上代模型实现了大量提高，从前端原型开发到复杂的多文件工程均能驾驭。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工端到端交付闭环。经过MCP集成和多智能体协作，Qwen3.7-Max在企业级办公场景实现工作流自动化，在办公自动化基准 SpreadSheetBench-v1上斩获87分，处于顶尖水平，是可靠的办公与生产力助手。实战任务测试中，Qwen3.7-Max还展示了当下智能体所能达到的长程任务极限。千问3.7具有极强的Agent能力，并涌现出跨多种智能体框架的泛化能力，在 Claude Code、OpenClaw、Qwen Code 等框架下都能稳定发挥，有该领域的可靠底座。千问3.7是出色的编程智能体，可自主编写代码创造工具，精准执行任务，完成复杂编程的自我纠错迭代，就像个资深工程师，跑完从需求分析到测试迭代的全流程，自主产出可用的工业级成就。在一个模型训练时该领域平台——平头哥真武M890芯片上，千问3.7自主结束了一个复杂的推理内核优化任务。持续增强的编程能力，也为智能体完成更复杂、更长周期的任务打下坚实基础。在评估AI解决真实世界的实战编程任务SWE-bench系列测评、面向真实科学问题的编程测评SciCode中，Qwen3.7-Max较Qwen3.6-Plus大量增强，并超越了Claude Opus 4.6-Max、Kimi-K2.6、DeepSeek-v4-Pro-Max等模型。在该领域、硬件文档或新架构的示例内核情况下，千问3.7仅从一个包含任务描述、SGLang Triton 参考实现和评测脚本的空白工作空间出发，从“零”开始连续编程 35 小时，独立进行了 432 次内核评估、1158 次工具调用，完全自主地完工了编写、编译、性能分析与迭代改进的全流程。
<
今日商丘
新浪微博
商丘网