數(shù)據(jù)來(lái)源非線智能Nonelinear 非線智能團(tuán)隊(duì)，維護(hù)著GitHub上的開(kāi)源項(xiàng)目 chinese-llm-benchmark，目前 6,000+ Stars，長(zhǎng)期占據(jù)中文LLM商業(yè)評(píng)測(cè)類項(xiàng)目Star數(shù)第一
正文：
阿里通義千問(wèn)發(fā)布了新一代旗艦?zāi)Ｐ蚎wen3.7-Max，Qwen3.7-Max被官方定位為面向Agent時(shí)代的旗艦商用模型，重點(diǎn)強(qiáng)化代碼智能體、辦公自動(dòng)化、長(zhǎng)程任務(wù)執(zhí)行和跨工具框架泛化能力。我們對(duì)其API版本qwen3.7-max進(jìn)行了全面評(píng)測(cè)，測(cè)試其在準(zhǔn)確率、響應(yīng)時(shí)間、token消耗和調(diào)用花費(fèi)等關(guān)鍵指標(biāo)上的表現(xiàn)。
需要說(shuō)明的是，本次評(píng)測(cè)側(cè)重中文場(chǎng)景下的綜合能力考察，評(píng)測(cè)維度覆蓋教育、醫(yī)療、金融、法律、推理數(shù)學(xué)、語(yǔ)言指令、Agent工具調(diào)用以及coding等板塊。
qwen3.7-max版本表現(xiàn)：
- 測(cè)試題數(shù)：約1.5萬(wàn)
- 總分（準(zhǔn)確率）：76.9%
- 平均耗時(shí)（每次調(diào)用）：51s
- 平均token（每次調(diào)用消耗的token）：2920
- 平均花費(fèi)（每千次調(diào)用的人民幣花費(fèi)）：99
1、新舊對(duì)決
對(duì)比上一代版本qwen3.6-max-preview，qwen3.7-max最值得注意的變化不是單純分?jǐn)?shù)提升，而是在總分登頂?shù)耐瑫r(shí)，平均耗時(shí)和實(shí)際調(diào)用花費(fèi)都明顯下降。數(shù)據(jù)如下：
*數(shù)據(jù)來(lái)源：非線智能ReLE評(píng)測(cè)https://github.com/jeinlee1991/chinese-llm-benchmark
*輸出價(jià)格單位： 元/百萬(wàn)token
- 整體性能提升：新版本準(zhǔn)確率從75.4%提升至76.9%，提升了1.5個(gè)百分點(diǎn)，榜單排名從第2位升至第1位。
- Agent與工具調(diào)用提升最明顯：agent與工具調(diào)用從65.2%提升至68.8%，提升了3.6個(gè)百分點(diǎn)，是本次迭代中提升幅度最大的維度。這與官方強(qiáng)調(diào)Qwen3.7-Max面向Agent工作流、復(fù)雜工具使用和長(zhǎng)程任務(wù)執(zhí)行的定位相吻合。
- 醫(yī)療與推理維度同步改善：醫(yī)療與心理健康從86.1%提升至89.0%（+2.9%），推理與數(shù)學(xué)計(jì)算從81.8%提升至84.7%（+2.9%）。這兩項(xiàng)提升說(shuō)明新版本并不是只針對(duì)Agent任務(wù)做專項(xiàng)強(qiáng)化，傳統(tǒng)中文綜合能力也有穩(wěn)定進(jìn)步。
- 金融和教育表現(xiàn)繼續(xù)抬升：金融從86.5%提升至89.1%（+2.6%），教育從63.2%提升至65.4%（+2.2%）。
法律和語(yǔ)言維度變化較?。?/strong>法律與行政公務(wù)從83.7%提升至85.3%（+1.6%），語(yǔ)言與指令遵從從71.4%微增至71.8%（+0.4%）。這兩項(xiàng)屬于穩(wěn)步改善，其中語(yǔ)言指令維度基本保持上一代水平。
響應(yīng)速度明顯提升：平均耗時(shí)從80s縮短至51s，減少29s，降幅約36%。在總分提升的同時(shí)，響應(yīng)時(shí)間明顯縮短，說(shuō)明Qwen3.7-Max并不是通過(guò)更長(zhǎng)推理時(shí)間簡(jiǎn)單換取準(zhǔn)確率。
- Token略增，但成本明顯下降：平均token從2789增至2920，增加約4.7%；但輸出價(jià)格從54.0元/百萬(wàn)token降至36.0元/百萬(wàn)token，下降約三分之一。最終每千次調(diào)用花費(fèi)從139.2元降至99元，下降約28.9%。
2、橫向?qū)Ρ?/strong>
在當(dāng)前主流大模型競(jìng)爭(zhēng)格局中，qwen3.7-max作為阿里最新商用旗艦表現(xiàn)如何？我們從三個(gè)維度進(jìn)行橫向?qū)Ρ确治觯?/p>
*數(shù)據(jù)來(lái)源：非線智能ReLE評(píng)測(cè)https://github.com/jeinlee1991/chinese-llm-benchmark
同成本檔位對(duì)比
- 90至160元/千次區(qū)間的頭部位置：qwen3.7-max（76.9%，99元）所在區(qū)間的主要參照對(duì)象包括qwen3.6-max-preview（75.4%，139.2元）、gpt-5.5（75.3%，158.5元）、gemini-3.5-flash（73.9%，151.2元）、kimi-k2.6（72.9%，100.4元）、gpt-5.4-high（72.6%，122.3元）和claude-opus-4.6（70.0%，96.5元）。在這個(gè)成本區(qū)間內(nèi)，qwen3.7-max準(zhǔn)確率最高，且花費(fèi)低于qwen3.6-max-preview、gpt-5.5、gemini-3.5-flash和gpt-5.4-high。
- 與前沿閉源模型對(duì)比：相比gpt-5.5（75.3%，158.5元），qwen3.7-max準(zhǔn)確率高1.6個(gè)百分點(diǎn)，花費(fèi)低約38%；相比gemini-3.1-pro-preview（75.2%，250.5元），準(zhǔn)確率高1.7個(gè)百分點(diǎn)，花費(fèi)低約60%。不過(guò)在響應(yīng)速度上，qwen3.7-max的51s仍慢于gpt-5.5（15s）和gemini-3.5-flash（13s），因此它更像是一個(gè)準(zhǔn)確率與成本效率兼顧的旗艦，而不是低延遲優(yōu)先的模型。
- 向下看低成本替代方案：qwen3.5-plus（73.3%，22.9元）、Doubao-Seed-2.0-pro（72.8%，22.5元）、deepseek-v4-pro（71.7%，54.3元）等模型仍以顯著更低成本提供了接近頭部的中文綜合準(zhǔn)確率。對(duì)于預(yù)算敏感、且對(duì)3至5個(gè)百分點(diǎn)準(zhǔn)確率差距不敏感的場(chǎng)景，低成本模型依然有很強(qiáng)吸引力。
新舊模型對(duì)比
- 自身代際進(jìn)步明確：qwen3.7-max（76.9%）相比qwen3.6-max-preview（75.4%）提升1.5個(gè)百分點(diǎn)，排名從第2位升至第1位；相比qwen3.5-plus（73.3%）提升3.6個(gè)百分點(diǎn)；相比早期qwen3-max-2026-01-23（64.8%）和qwen3-max-2025-09-23（63.5%），提升幅度已經(jīng)非常明顯。
- 阿里產(chǎn)品線層次清晰：從榜單看，Qwen系已經(jīng)形成了較完整的梯隊(duì)。商用旗艦qwen3.7-max（76.9%，第1位）和qwen3.6-max-preview（75.4%，第2位）占據(jù)頭部；qwen3.5-plus（73.3%，第6位）以開(kāi)源屬性和低成本形成成本效率比支點(diǎn)；Qwen3.5-122B-A10B（70.9%，第13位）、qwen3.6-plus（70.7%，第15位）、Qwen3.5-27B（70.6%，第17位）構(gòu)成中高端梯隊(duì)；qwen3.5-flash（68.9%，第24位）則提供更低成本選擇。
開(kāi)源VS閉源對(duì)比
- 閉源陣營(yíng)的新榜首：在閉源商用模型中，qwen3.7-max以76.9%的準(zhǔn)確率位列第一，高于qwen3.6-max-preview（75.4%）、gpt-5.5（75.3%）、gemini-3.1-pro-preview（75.2%）、gemini-3.5-flash（73.9%）等模型。它的特點(diǎn)是準(zhǔn)確率和成本結(jié)構(gòu)都比較均衡，但平均耗時(shí)并不是閉源陣營(yíng)最快。
- 開(kāi)源陣營(yíng)的成本效率比壓力仍然存在：qwen3.5-plus（73.3%，22.9元）、kimi-k2.6（72.9%，100.4元）、deepseek-v4-pro（71.7%，54.3元）、Qwen3.5-122B-A10B（70.9%，32.3元）等開(kāi)源模型已經(jīng)在榜單前列形成密集分布。尤其是qwen3.5-plus，以不到qwen3.7-max四分之一的花費(fèi)取得相差3.6個(gè)百分點(diǎn)的準(zhǔn)確率。
3、官方評(píng)測(cè)
根據(jù)Qwen官方博客（https://qwen.ai/blog?id=qwen3.7），Qwen3.7-Max的核心定位是"Agent Frontier"，即面向智能體任務(wù)的前沿模型。官方重點(diǎn)強(qiáng)調(diào)三類能力：更強(qiáng)的代碼智能體與工具調(diào)用能力、更好的跨框架泛化能力，以及可以持續(xù)數(shù)十小時(shí)執(zhí)行的長(zhǎng)程自主任務(wù)能力。
在編程智能體方面，官方表示，Qwen3.7-Max 在 SWE-Pro、SWE-Multilingual、SciCode 和 QwenSVG 上均取得領(lǐng)先表現(xiàn)；在 Terminal Bench 2.0-Terminus 上超過(guò) DS-V4-Pro Max；在 SWE-Verified 上與 Opus-4.6 Max 和 DS-V4-Pro Max 表現(xiàn)接近。
在通用智能體方面，官方稱，Qwen3.7-Max 在 MCP-Mark、MCP-Atlas、Skillbench、BFCL-V4、Qwenclaw、ClawEval 等評(píng)測(cè)中表現(xiàn)突出，并在 Kernel Bench L3 中展現(xiàn)出較強(qiáng)的 GPU 內(nèi)核優(yōu)化能力。辦公自動(dòng)化方面，其在 SpreadSheetBench-v1 上也處于較高水平。
在推理能力方面，官方披露，Qwen3.7-Max 在 GPQA Diamond、HLE、HMMT 2026 Feb、IMOAnswerBench 和 Apex 等高難度推理基準(zhǔn)上取得領(lǐng)先成績(jī)，顯示出較強(qiáng)的復(fù)雜推理能力。
在通用能力與多語(yǔ)言方面，官方表示，Qwen3.7-Max 在 IFBench 上體現(xiàn)了較好的指令遵循能力，在 WMT24++ 和 MAXIFE 上表現(xiàn)領(lǐng)先，同時(shí)在 SuperGPQA 和 QwenWorldBench 上也有較好表現(xiàn)。
智能體框架泛化能力
官方特別強(qiáng)調(diào)，Qwen3.7-Max并不是只針對(duì)某一個(gè)固定框架或固定提示詞環(huán)境進(jìn)行優(yōu)化，而是在Claude Code、OpenClaw、Qwen Code、Codex等多種Agent harness中進(jìn)行了適配和驗(yàn)證。博客中提到，Qwen3.7-Max在OpenClaw完整集成后的SWE-Verified得分達(dá)到80.4%，同時(shí)在Claude Code環(huán)境下也具備接近頭部模型的表現(xiàn)。
長(zhǎng)程自主任務(wù)案例
Qwen官方展示了幾個(gè)長(zhǎng)程任務(wù)案例，用來(lái)說(shuō)明Qwen3.7-Max在持續(xù)規(guī)劃、工具調(diào)用和錯(cuò)誤恢復(fù)方面的能力：
- 內(nèi)核優(yōu)化任務(wù)：模型在約35小時(shí)內(nèi)完成432次kernel評(píng)測(cè)和1158次工具調(diào)用，在特定場(chǎng)景下將性能提升至原始PyTorch實(shí)現(xiàn)的10倍左右。
- Reward Hacking監(jiān)控任務(wù)：模型連續(xù)運(yùn)行約80小時(shí)，發(fā)起超過(guò)1萬(wàn)次工具調(diào)用，監(jiān)控約200萬(wàn)個(gè)訓(xùn)練任務(wù)，形成13條可操作規(guī)則，并篩查出1618個(gè)問(wèn)題案例。
- YC-Bench長(zhǎng)程創(chuàng)業(yè)任務(wù)：官方稱Qwen3.7-Max在該類長(zhǎng)程經(jīng)營(yíng)任務(wù)中取得208萬(wàn)美元收入，并完成237項(xiàng)任務(wù)，主要體現(xiàn)規(guī)劃、執(zhí)行、迭代和資源調(diào)度能力。
這些案例更接近真實(shí)Agent系統(tǒng)的評(píng)測(cè)方式：模型不是回答一道題，而是在一個(gè)持續(xù)變化的環(huán)境里反復(fù)觀察、執(zhí)行、修正和推進(jìn)任務(wù)。
非線智能官網(wǎng)https://nonelinear.com 已上線qwen3.7-max版，歡迎深度體驗(yàn)。 同時(shí)，非線智能API可連接超480+全球模型，支持一鍵Api聚合以及Api中轉(zhuǎn)，提供穩(wěn)定的企業(yè)級(jí)服務(wù)。 登錄github賬號(hào)，領(lǐng)50元體驗(yàn)金。接入qwen3.7-max就用非線智能API。
