0
| 本文作者： 梁丙鑒 | 2026-05-31 16:05 |
雷峰網(wǎng)訊 5 月 20 日，阿里云峰會(huì)上，通義千問團(tuán)隊(duì)正式發(fā)布 Qwen3.7-Max。
這已經(jīng)是三個(gè)月內(nèi)的第三個(gè)旗艦版本了。3 月 20 日 Qwen3.5-Max-Preview 問世，4 月 20 日的 Qwen3.6-Max-Preview，再到這次的 Qwen3.7-Max 正式版，每 30 天一款旗艦?zāi)Ｐ偷牡俣?，放眼全球大模型廠商，幾乎無人能出其右。
榜單數(shù)據(jù)證明了千問最近的火線更新不是灌水之作。在 Artificial Analysis Intelligence Index v4.0 上，Qwen3.7-Max 以 56.6 分位列全球第 5。在它之前的分別是GPT-5.5（60.2）、Claude Opus 4.7（57.3）、Gemini 3.1 Pro Preview（57.2）和 GPT-5.4（56.8）。而值得關(guān)注的是，一個(gè)月前的 Qwen3.6 Max Preview 在這份測試中的表現(xiàn)還只有 51.8 分。30 天漲 4.8 分，在這個(gè)分?jǐn)?shù)段，遠(yuǎn)遠(yuǎn)不是靠微調(diào)就能做到的事情。
此外根據(jù)官方放出的跑分結(jié)果，Qwen3.7-Max 在數(shù)項(xiàng)權(quán)威評測中也位居前列。
? 編程智能體：Qwen3.7-Max 在 Terminal Bench 2.0-Terminus 得分 69.7，超過了 DeepSeek-v4-pro-Max、Claude-Opus4.6 等一眾頂尖模型；
? 通用智能體：在 MCP-Atlas、MCP-Mark、Skillbench 等現(xiàn)實(shí)能力測試中力壓 GLM5.1、Kimi-K2.6 等國產(chǎn)模型，較前代提升顯著，并且在 Kernel Bench L3上展示了強(qiáng)大的 GPU 內(nèi)核優(yōu)化能力；
? 推理能力：在 GPQA Diamond、HLE、HMMT 2026 Feb、IMOAnswerBench 等推理核心測評中均超越了 Claude-Opus4.6 及所有國產(chǎn)模型，拿下國產(chǎn)模型新 SOTA 的寶座；
? 通用能力與多語言：在指令遵循 IFBench 評測中得分 79.1 分，突破新高，在多語言理解和翻譯的WMT24++、MAXIFE評測中領(lǐng)先；
在這份長長的成績單中，有兩個(gè)能力維度上的表現(xiàn)格外亮眼。
一是推理。Qwen3.7-Max 在 GPQA Diamond 上拿下了 92.4 的分?jǐn)?shù)，作為對比的是 Claude Opus 4.6 的 91.3。對這兩款頂尖模型而言，三分之差已經(jīng)不是擠牙膏式的性能提升。更亮眼的是，Qwen3.7-Max 在數(shù)學(xué)推理（Apex Math Reasoning）上領(lǐng)先 Opus 近三成，這是國產(chǎn)模型首次在“硬推理”上躋身全球第一梯隊(duì)。
二是編程 Agent 能力。在 SWE-bench 系列測試中，Qwen3.7-Max 超過 Claude Opus 4.6-Max 和 Kimi-K2.6，Terminal Bench 2.0 較前代提升 6.9pp，這背后是從寫代碼，到理解 issue、定位 bug、編寫修復(fù) patch，從編程助手到編程智能體的關(guān)鍵跨越。
看懂了這份成績單，就會(huì)明白這屆阿里云峰會(huì)描繪了如何宏大的一副愿景。還記得峰會(huì)上那個(gè) 35 小時(shí)的 Demo 嗎？Qwen3.7-Max 在平頭哥真武 M890 芯片，一個(gè)訓(xùn)練時(shí)從未見過的國產(chǎn)硬件平臺上，自主完成了推理內(nèi)核優(yōu)化，速度提升 10 倍。
這個(gè) Demo 的戰(zhàn)略意義遠(yuǎn)超技術(shù)本身，它指向一個(gè)更大的命題。遷移成本為模型公司帶來的工程停滯和精度風(fēng)險(xiǎn)，是 CUDA 生態(tài)最深的護(hù)城河之一。但如果 Qwen3.7-Max 已經(jīng)摸到了自主針對國產(chǎn)芯片編寫優(yōu)化軟件棧的性能閾值，那么前者的生態(tài)壁壘便幾乎不復(fù)存在。
01
“全球第五、國產(chǎn)第一”的成績已經(jīng)足夠醒目，這一躍升背后是 Qwen3.7-Max 在推理、數(shù)學(xué)、代碼、Agent 執(zhí)行幾條關(guān)鍵能力線上的同時(shí)抬升。換言之，Qwen3.7-Max 今天的排名不是靠著在某個(gè)單項(xiàng)上把分?jǐn)?shù)刷高，而是在大模型從 Chatbot 走向 Agent 的核心賽道上，補(bǔ)齊了最難的幾塊拼圖。
之前已經(jīng)提到，Qwen3.7-Max 是國產(chǎn)模型第一次躋身“硬推理”的前列。
GPQA Diamond 是當(dāng)前衡量大模型高難科學(xué)推理能力的重要基準(zhǔn)之一，涵蓋物理、化學(xué)、生物等研究生級別問題。相比普通知識問答，它更考驗(yàn)?zāi)Ｐ偷亩嗖竭壿嬐蒲菽芰Α⒖鐚W(xué)科知識整合能力、對干擾項(xiàng)的識別能力、在不確定條件下保持推理一致性的能力。
能在這一項(xiàng)目上拿到 92.4 分，意味著 Qwen3.7-Max 不只是依靠中文能力、應(yīng)用場景或工程調(diào)優(yōu)獲得優(yōu)勢，而是在全球最難的一類推理測試中，開始和最強(qiáng)閉源模型正面競爭。
在更難的 Humanity’s Last Exam 上，Qwen3.7-Max 同樣沒有掉隊(duì)。
這個(gè)榜單考察的是“推理 + 知識”的綜合硬度，題目覆蓋范圍更廣、知識顆粒度更細(xì)，也更難通過單一能力刷分。圖中，Qwen3.7-Max 拿到 38%，位列全球頭部陣營，排在它前面的選手包括 Gemini 3.1 Pro、GPT-5.5、GPT-5.4、Gemini 3.5 Flash、Claude Opus 4.7 等少數(shù)幾款旗艦?zāi)Ｐ汀?/span>
這同樣可以視為 Qwen3.7-Max 綜合能力全面走向成熟的例證。表面的測試單項(xiàng)之下，仍然能劃分出諸多原子能力，對于 HLE 而言它們可能是長鏈推理、跨學(xué)科知識、多步分析、隱含條件理解和高噪聲問題。HLE 高分成績的含金量也在于此，諸多原子能力的結(jié)合考察，徹底堵死了 RL 刷題、專項(xiàng)優(yōu)化和模板化 COT 的“刷分三板斧”。
全球旗艦的競爭，在這種維度的測試上才有說服力。
推理能力決定模型能不能“想明白”，編程 Agent 能力則決定模型能不能“把活干完”。在這一點(diǎn)上，Qwen3.7-Max 也沒有讓人失望。
編程 Agent 的差距，首先體現(xiàn)在 Terminal Bench 2.0-Terminus。這項(xiàng)測試考察的不是“寫一個(gè)函數(shù)”類型的單項(xiàng)任務(wù)，而是在終端里完成包括查文件、跑命令、讀報(bào)錯(cuò)、改代碼、再驗(yàn)證的連續(xù)操作。Qwen3.7-Max 拿到 69.7 分，已經(jīng)能夠說明它和真實(shí)開發(fā)者工作方式之間更近一步的距離。
而即使在競爭最激烈的 SWE-Verified 上，Qwen3.7-Max 也拿到了 80.4，與 Opus-4.6 Max 的 80.8、DS-V4-Pro Max 的 80.6 幾乎持平。前者在 Claude Code 和 Codex 用戶圈中有著出名的穩(wěn)定口碑，后者更是公認(rèn)的性價(jià)比之王。BenchMark 上這樣的名次格局，意味著 Qwen3.7-Max 已經(jīng)在 軟件工程 Agent 第一梯隊(duì)中站住了腳跟。
更細(xì)分的代碼任務(wù)里，Qwen3.7-Max 在 SciCode 上拿到 53.5，超過 K2.6 Thinking 和 Opus-4.6 Max。這說明它在科學(xué)計(jì)算代碼、復(fù)雜邏輯實(shí)現(xiàn)上也具備較強(qiáng)穩(wěn)定性。
前端和可視化任務(wù)同樣值得注意。QwenSVG 達(dá)到 1608，為該組最高；QwenWebDev 為 1568，處于第一梯隊(duì)。
這些指標(biāo)共同拼出了一副完整的 Qwen3.7-Max 能力圖景。比起僅僅補(bǔ)全代碼，它更加傲人的是開始具備了完整的工程執(zhí)行能力，這意味著理解需求、定位 bug、修改代碼、運(yùn)行測試、提交 patch，這些過去屬于工程師的連續(xù)動(dòng)作，正在被模型逐步接管。
這也解釋了，它為什么適合被放進(jìn) Claude Code 這樣的 Agent CLI 中實(shí)測。真正的編程智能體，看的不是單次生成有多漂亮，而是能否在一個(gè)真實(shí)項(xiàng)目里，把問題一路解決到最后。那么Qwen3.7-Max 水平到底如何，我們?yōu)樗O(shè)計(jì)了一些任務(wù)。
02
我們在 Claude Code 環(huán)境下接入 Qwen3.7-Max，實(shí)測也圍繞著推理和 Coding 能力展開。
首先是一個(gè)很經(jīng)典的玻璃過門問題。
題目：
代碼塊
6米長4.5寬的玻璃能否通過高4米寬3米的門？請給出推理過程
Qwen3.7-Max 的回答如下：
面對這道經(jīng)典空間推理題， 這個(gè)問題的陷阱在于，不能簡單比較玻璃邊長和門的寬高。Qwen3.7-Max 給出的結(jié)論是“可以”，并很快抓住關(guān)鍵：門洞對角線為 5 米，玻璃的 4.5 米寬度可以沿門洞對角線方向放置，而 6 米長度則沿門的縱深方向逐步穿過。
更重要的是，它沒有停留在“4.5 米小于 5 米”的粗略判斷，而是繼續(xù)做了投影驗(yàn)證。模型將 4.5 米線段居中放在門洞對角線方向上，計(jì)算出其水平方向半投影為 1.35 米，小于門寬一半的 1.5 米；豎直方向半投影為 1.8 米，小于門高一半的 2 米。也就是說，這塊玻璃在門平面上的截面能夠完整落入門框內(nèi)，且上下左右都有余量。
Qwen3.7-Max 沒有被“6 米和 4.5 米都大于門寬高”的直覺誤導(dǎo)，把問題轉(zhuǎn)化成三維穿過路徑和二維截面約束。它先找到關(guān)鍵幾何關(guān)系，再做邊界驗(yàn)證，最后解釋 6 米長度為何不構(gòu)成限制。對一款推理模型來說，這遠(yuǎn)比單純答對更重要。它說明模型具備把現(xiàn)實(shí)問題結(jié)構(gòu)化、拆解約束并完成可驗(yàn)證推理的能力。
另外一項(xiàng)測試是數(shù)學(xué)公式完形，這類題目也被廣泛用于考驗(yàn)?zāi)Ｐ偷耐评砟芰Α?/span>
題目：
代碼塊
在數(shù)字3、7、5之間添加適當(dāng)?shù)臄?shù)學(xué)符號（不改變數(shù)字順序），使得等式 `3 7 5 = 8` 成立。
Qwen3.7-Max 給出的答案是 3! + 7 - 5 = 8。這個(gè)解法的關(guān)鍵在于引入階乘符號，將 3 轉(zhuǎn)換為 6，再通過簡單加減得到結(jié)果：6 + 7 - 5 = 8。
重要的是過程，Qwen3.7-Max 并不是直接猜出答案，而是先嘗試排除只使用加減乘除的情況。它枚舉了 3、7、5 之間兩處符號的基礎(chǔ)組合，并進(jìn)一步考慮括號變體，判斷純四則運(yùn)算無法得到 8。隨后，模型才轉(zhuǎn)向更高階的數(shù)學(xué)符號，找到階乘這個(gè)突破口。
Qwen3.7-Max 的回答顯示，它能夠先在常規(guī)解空間中驗(yàn)證不可行，再擴(kuò)展到非常規(guī)符號空間。這種思考方式，非常接近人類。而事實(shí)上，這類能力對于 Agent 同樣重要。當(dāng)常規(guī)路徑走不通時(shí)，模型能否主動(dòng)擴(kuò)大搜索范圍，往往決定任務(wù)能不能繼續(xù)推進(jìn)。
03
Coding 能力測試的部分，我們選擇讓 Qwen3.7-Max 完成一項(xiàng)數(shù)據(jù)分析可視化開發(fā)。
題目：
代碼塊
1 請從零開發(fā)一個(gè)本地?cái)?shù)據(jù)可視化網(wǎng)頁工具，用戶上傳 Excel 文件后，自動(dòng)讀取數(shù)據(jù)并展示表格預(yù)覽。
2 工具需要自動(dòng)識別數(shù)值列，生成柱狀圖、折線圖和餅圖，并支持選擇不同字段進(jìn)行可視化。
3 頁面要簡潔美觀，普通用戶打開瀏覽器即可使用，不依賴后端。
4 請給出完整文件結(jié)構(gòu)、全部代碼和運(yùn)行方法。
5 最后說明這個(gè)工具測試了 Agent 的哪些能力。
在這道題中，我們給 Qwen3.7-Max 的任務(wù)是從零開發(fā)一個(gè)本地?cái)?shù)據(jù)可視化網(wǎng)頁工具。要求并不只是寫一個(gè)頁面，而是要完成 Excel 上傳、數(shù)據(jù)解析、表格預(yù)覽、數(shù)值列識別、圖表生成、字段切換、無后端運(yùn)行等一整套功能。Qwen3.7-Max 最終生成了一個(gè)四文件項(xiàng)目：index.html、style.css、app.js 和 README.md，并明確給出運(yùn)行方式，既可以直接雙擊 index.html，也可以通過 python3 -m http.server 8080 在本地啟動(dòng)。
從生成結(jié)果看，它選擇了比較合理的前端技術(shù)路線，用 SheetJS 解析 Excel，用 Chart.js 渲染圖表，通過 CDN 引入第三方庫，避免后端依賴。代碼結(jié)構(gòu)也比較完整，index.html 負(fù)責(zé)頁面骨架，style.css 負(fù)責(zé)響應(yīng)式布局和視覺樣式，app.js 承擔(dān)文件讀取、數(shù)據(jù)轉(zhuǎn)換、狀態(tài)管理和圖表配置。
很像是專業(yè)開發(fā)者的一處表現(xiàn)是，模型還補(bǔ)充了 README，以說明功能清單和使用方法，這讓整體結(jié)果更像一個(gè)可交付的小型前端項(xiàng)目，而不是一段孤立的 demo 代碼。
打開網(wǎng)頁，上傳區(qū)設(shè)計(jì)簡潔，支持拖拽或點(diǎn)擊選擇 .xlsx、.xls、.csv 文件。上傳 Excel 后，工具可以讀取數(shù)據(jù)并生成預(yù)覽表格，識別出行數(shù)、列數(shù)和數(shù)值字段；在測試文件中，它展示了 13196 行、11 列數(shù)據(jù)，并識別出 9 個(gè)數(shù)值列。頁面下方還能根據(jù)選擇的 X 軸和 Y 軸字段生成可視化圖表，支持柱狀圖、折線圖和餅圖切換。
這個(gè)測試真正考察的是 Agent 的工程閉環(huán)能力。Qwen3.7-Max 需要先拆解需求，再完成庫選型、文件組織、前端交互、數(shù)據(jù)處理、圖表渲染和運(yùn)行說明。這些需求讓任務(wù)更接近真實(shí)開發(fā)流程，寫對代碼是最基本的要求，模型還要保證多個(gè)文件之間能協(xié)同工作，最終讓普通用戶在瀏覽器中直接使用。因此 Qwen3.7-Max 在這個(gè)任務(wù)中，實(shí)質(zhì)上已經(jīng)表現(xiàn)出了一定的端到端產(chǎn)品開發(fā)能力。
同樣是可視化，下面的 Coding 任務(wù)從數(shù)據(jù)工具變成了 3D 戶型圖。
題目：
代碼塊
以北京為背景，為我創(chuàng)建一個(gè)120平方的3D戶型圖，要求有3個(gè)臥室、1個(gè)廚房、2個(gè)衛(wèi)生間、不少于1個(gè)陽臺，并標(biāo)注每個(gè)房間的面積。
使用HTML、CSS、JS以及Three.JS。只給我一個(gè)可以運(yùn)行并查看這個(gè)戶型圖的HTML文件。
我們要求 Qwen3.7-Max 生成一個(gè)北京背景下的 120 平方三居室戶型圖，并且只能交付一個(gè)可運(yùn)行的 HTML 文件。模型最終生成了 floorplan.html，共 691 行代碼，內(nèi)置 HTML、CSS、JS 和 Three.js 邏輯，雙擊即可在瀏覽器中打開，不需要額外工程配置。
從交付結(jié)果可以看到，頁面呈現(xiàn)了一個(gè)完整的 3D 戶型模型。房間布局包含 3 個(gè)臥室、1 個(gè)廚房、2 個(gè)衛(wèi)生間、南北陽臺、客廳/餐廳、走廊、儲(chǔ)物間和玄關(guān)，基本元素滿足題目要求。此外每個(gè)區(qū)域都有獨(dú)立顏色區(qū)分，并在左側(cè)圖例中對應(yīng)展示房間名稱和面積，模型中懸浮標(biāo)簽也同步標(biāo)注了面積，沒有出現(xiàn)房間名稱、面積與圖例不一致的問題。
令人驚喜的是，Qwen3.7-Max 沒有止步于生成一個(gè)靜態(tài)模型，而是加入了 OrbitControls，支持鼠標(biāo)拖拽旋轉(zhuǎn)和滾輪縮放。用戶可以從俯視圖切換到透視視圖，也可以圍繞戶型 360 度查看墻體、房間分布和家具擺放，基本不存在單一視角遮擋信息的問題。
更細(xì)節(jié)的是，模型還提供了“顯示/隱藏屋頂”和“顯示/隱藏標(biāo)注”按鈕。隱藏屋頂后，可以直接觀察室內(nèi)空間；打開標(biāo)注后，房間面積信息會(huì)以浮動(dòng)標(biāo)簽形式固定在對應(yīng)房間上方。即使在旋轉(zhuǎn)視角后，標(biāo)簽仍能跟隨場景顯示，避免了 3D 模型常見的“看得見房間、對不上信息”的問題。
從 Agent 能力看，這道題的復(fù)雜程度已經(jīng)遠(yuǎn)遠(yuǎn)超過普通的前端頁面。它要求模型同時(shí)完成空間布局、三維建模、交互控制、中文標(biāo)注、視覺風(fēng)格和單文件封裝。而 Qwen3.7-Max 的表現(xiàn)說明，把抽象需求轉(zhuǎn)換成可交互、可驗(yàn)證的 3D 產(chǎn)品原型，也已經(jīng)進(jìn)入了它的能力范圍。
縱觀四組測試，會(huì)發(fā)現(xiàn) Qwen3.7-Max 的一個(gè)突出特點(diǎn)在于，它并沒有把推理和編程當(dāng)成兩件事來做。推理題中，它展示了對約束條件的識別和路徑搜索能力；編程題中，這種能力進(jìn)一步轉(zhuǎn)化成了需求拆解和工程實(shí)現(xiàn)。也就是說，推理能力為編程能力提供了“方向感”，編程能力則讓推理結(jié)果變成了可體驗(yàn)、可運(yùn)行、可驗(yàn)證的產(chǎn)品形態(tài)。
這正是當(dāng)前大模型競爭中越來越被看重的能力組合。下一階段的模型不會(huì)只拼參數(shù)規(guī)?；?benchmark 分?jǐn)?shù)，而是復(fù)雜任務(wù)中穩(wěn)定性和閉環(huán)能力的競爭。尤其在企業(yè)場景中，用戶并不關(guān)心模型是否能講出漂亮的推理過程，而是關(guān)心它能不能把需求做成結(jié)果，能不能減少人工反復(fù)溝通，能不能在出現(xiàn)邊界條件時(shí)繼續(xù)推進(jìn)。
這也是當(dāng)前大模型從 Chatbot 走向 Agent 時(shí)，最關(guān)鍵的一道分水嶺。
04
當(dāng)然，這目前仍然只是對未來技術(shù)脈絡(luò)的展望。四道測試題只能說明 Qwen3.7-Max 在典型推理和原型開發(fā)任務(wù)中表現(xiàn)出了較強(qiáng)能力，并不等于它已經(jīng)完全具備生產(chǎn)級 Agent 的所有條件。真實(shí)業(yè)務(wù)環(huán)境會(huì)更加復(fù)雜，包括長上下文中的狀態(tài)保持、多輪修改中的一致性、代碼安全、性能優(yōu)化、依賴沖突、團(tuán)隊(duì)工程規(guī)范等，都需要更長時(shí)間和更嚴(yán)苛場景來驗(yàn)證。
但是同樣把 Qwen3.7-Max 放進(jìn)更宏觀的技術(shù)脈絡(luò)，無法忽視的事實(shí)在于，這已經(jīng)是阿里在三個(gè)月內(nèi)發(fā)布的第三款旗艦?zāi)Ｐ汀?/span>或許比起 Qwen3.7-Max 此刻做到了什么，更值得關(guān)注的問題是，阿里憑什么能以如此頻率更新旗艦?zāi)Ｐ?，以及這種迭代節(jié)奏對于整個(gè)大模型行業(yè)又意味著什么。
代際突破長期以來都是大模型行業(yè)的主流敘事，特別是從 GPT-3 到 GPT-4 的躍遷之后，頂尖模型的每一次更新，都承載了開啟下一代模型范式革命的期待。也因此，模型發(fā)布呈現(xiàn)出周期長、訓(xùn)練成本高的特征?？梢哉f，這一時(shí)期的模型是更接近科研成果的實(shí)驗(yàn)室產(chǎn)物。
在這一背景下，千問的月更節(jié)奏就顯得耐人尋味。三個(gè)月內(nèi)接連問世的 Qwen3.5、3.6、3.7，是否意味著阿里正在將大模型研發(fā)從十年磨一劍的科研項(xiàng)目，變成以月為單位迭代的流水線工程？
如果這一轉(zhuǎn)向是真實(shí)發(fā)生的，其意義就遠(yuǎn)不止于 BenchMark 上的幾分提升。高頻迭代靠的不僅是算力，如果沒有成熟的基礎(chǔ)設(shè)施支撐，不可能做到在 30 天更新一個(gè)旗艦版本的情況下，仍然保持模型性能的持續(xù)提升，并且有大規(guī)模的可用 API。這背后必然有一個(gè)覆蓋數(shù)據(jù)清洗、訓(xùn)練調(diào)度、自動(dòng)評測、后訓(xùn)練、推理部署等全套工程能力，能夠持續(xù)訓(xùn)練、微調(diào)、上線旗艦?zāi)Ｐ偷墓I(yè)化生產(chǎn)體系。
這比 Qwen3.7-Max 本身更值得關(guān)注。
隨著數(shù)據(jù)處理、強(qiáng)化學(xué)習(xí)、合成數(shù)據(jù)和 MoE 架構(gòu)逐漸成熟，模型能力的提升開始從實(shí)驗(yàn)室里的偶發(fā)突破，轉(zhuǎn)向連續(xù)優(yōu)化的結(jié)果。而當(dāng)大模型行業(yè)進(jìn)入這一工程時(shí)代，更穩(wěn)定的訓(xùn)練、更快的迭代和更低的成本成為新的競爭焦點(diǎn)，此時(shí)高頻的版本更新就是最有力的市場信號。
從 Qwen3.5 到 3.7，千問呈現(xiàn)的一種可能是，未來阿里在模型層的競爭力或許并不來自于某一代全球最強(qiáng)模型，而是能以最低的成本、最快的速度，穩(wěn)定產(chǎn)出一流模型。留給千問的問題是，這種能力是可持續(xù)的嗎？
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
