Qwen3.7 Max 详解：智能体能力、1M 上下文、基准测试与 API 访问
Qwen3.7 Max 是 Alibaba Qwen 面向智能体时代的旗舰模型。如果你正在评估用于长期运行的编码智能体、办公自动化、电子表格推理或复杂工具调用工作流的模型，它应当进入候选名单。
快速回答
Qwen3.7 Max 是 Qwen3.7 系列中的顶级模型，于 2026 年 5 月发布，定位围绕智能体中心的工作。当前平台列表将其描述为一种文本输入、文本输出的模型，具有 1M-token 上下文窗口, 强大的编码和生产力基准，以及对长期自主执行的支持。它最适合测试严肃编码智能体、办公自动化和多步骤工具工作流的团队，而非简单的纯聊天任务。
关键要点
- Qwen3.7 Max 围绕智能体设计，尤其是在编码、工具使用、办公效率和长时间执行方面。
- 该模型配备 1M 上下文，这使其适用于仓库规模、文档密集和多步骤工作流。
- Together AI 将 Qwen3.7 Max 描述为一款专有旗舰模型，其报告分数很高，包括
69.7在 Terminal-Bench 2.0-Terminus 和80.4%在 SWE-Bench Verified 上。 - OpenRouter 目前列出的定价为 输入 $1.25 / 输出 $3.75 每 1M tokens, 而 Artificial Analysis 报告的评估价格概况更高, 因此买家应核验他们计划使用的提供商路线.
- 对于 API 访问, 团队可以通过 Together AI, OpenRouter, 阿里云路由等提供商, 或 TokenHub 等模型路由层进行测试.
什么是 Qwen3.7 Max?
Qwen3.7 Max 是阿里巴巴 Qwen3.7 系列中的旗舰模型. 官方 Qwen 结果将其列为”Qwen3.7: The Agent Frontier,” 这为模型的定位提供了有用的线索: 它主要不是轻量级聊天机器人模型. 它面向需要规划, 调用工具, 编写代码, 跨长上下文操作, 以及在长时间会话中持续工作的智能体工作流.
Together AI 的模型页面清晰地总结了这一定位: Qwen3.7 Max 是为”the agent era,”构建的, 在编码, 办公自动化, 和长周期任务执行方面具有优势. 这也与当前的 SERP 行为一致. 排名靠前的结果不仅仅是新闻页面. 它们还包括 API 定价页面, 模型列表, 平台集成, 社区讨论, 和实操视频.
从实际的 SEO 角度来看, 该关键词具有 混合的信息型和商业型意图. 搜索者想了解 Qwen3.7 Max 是什么, 但他们也想知道是否可以通过 API 实际使用它.
为什么 Qwen3.7 Max 很重要
核心故事不仅仅是“新的 Qwen 模型”。更有用的角度是，Qwen3.7 Max 被作为智能体骨干进行营销和评估。
这意味着当工作负载包括以下内容时，它具有重要意义：
- 需要仓库级推理的编码智能体
- 需要多次工具调用的软件工程任务
- 办公自动化，包括电子表格和文档工作流
- 长上下文研究、规划和综合
- 自主执行，其中模型必须在多个步骤中保持连贯性
这就是为什么当前的报道提到外部智能体框架，如 Claude Code、OpenClaw、Qwen Code 和自定义工具使用系统。一个团队是否应该采用它，更多取决于它在真实智能体循环中的表现，而不是单轮聊天质量。
核心规格和已报告的基准
最常被引用的平台页面强调同一组能力：1M上下文、编码、推理、生产力和长周期自主性。
| 领域 | 当前公开信号 | 为何重要 |
|---|---|---|
| 模型角色 | 旗舰Qwen3.7模型 | 将其用作高级评估目标，而不是低成本的默认选项。 |
| 上下文窗口 | 1M 词元 | 支持长代码仓库、大型文档和更深入的智能体记忆。 |
| 终端编码 | 在 Together AI 列表中，Terminal-Bench 2.0-Terminus 得分为 69.7 | 表明具有强大的终端风格编码和执行能力。 |
| 代码库任务 | 在 Together AI 列表中，SWE-Bench Verified 得分为 80.4% | 与编码代理和缺陷修复工作流相关。 |
| 推理 | 在 Together AI 列表中，GPQA Diamond 得分为 92.4% | 表明具有强大的疑难问题推理能力。 |
| 办公生产力 | 87.0% SpreadSheetBench-v1（来自 Together AI 榜单） | 适用于文档、电子表格和业务流程自动化。 |
| 自主性声明 | Qwen 报告的约 35 小时自主会话 | 这表明其长时程智能体定位，不过团队应使用自己的任务进行验证。 |
这些数字很有用，但不应取代你自己的评估。智能体工作负载对提示词、脚手架、工具架构、重试逻辑和令牌预算异常敏感。一个模型可能在公共基准上得分很高，但在你的产品内却表现不同。
Qwen3.7 Max 对比 Qwen3.7 Plus
搜索结果还显示了 Qwen3.7 Plus, 因此值得将两者区分开来。
Qwen3.7 Max 是旗舰级,专注文本的模型专为最艰巨的智能体与推理工作负载而设计. Qwen3.7 Plus, 根据 OpenRouter 的列表,它被定位为 Qwen3.7 家族中具有多模态图像输入支持的高性价比成员.这意味着正确的选择取决于具体任务.
何时使用 Qwen3.7 Max:
- 任务以文本和智能体为主
- 代码质量比图像输入更重要
- 长上下文规划和执行很重要
- 你正在评估一条高级推理路线
何时使用 Qwen3.7 Plus:
- 你需要图像输入或GUI感知
- 该任务更多是多模态而非重代码
- 成本比顶级推理更重要
- 你在构建更广泛的视觉工作流
定价和成本注意事项
定价是Qwen3.7 Max最混乱的部分之一，因为不同平台显示不同的商业条款。
OpenRouter目前将Qwen3.7 Max标价为 $1.25 每 1M 输入标记 和 $3.75 每 1M 输出标记. 然而，Artificial Analysis 报告称 $2.50 输入 / $7.50 输出 每 1M 令牌 在其模型分析中。这些数字可能反映了不同的提供商路线、折扣、测量窗口或有效的定价假设。
有用的要点很简单：不要仅凭模型名称评估 Qwen3.7 Max。请评估你计划使用的确切路径。
成本在很大程度上还取决于输出的详细程度。Artificial Analysis 指出，Qwen3.7 Max 在其 Intelligence Index 评估中生成的令牌远多于平均水平。对于智能体任务来说，这一点很重要，因为每个计划、重试、工具调用说明和中间响应都可能导致更大的账单。
Qwen3.7 Max 的最佳使用场景
智能体编程
Qwen3.7 Max 是编码智能体的有力候选，因为许多公开信号都指向同一方向：Terminal-Bench、SWE-Bench、长上下文支持和智能体框架兼容性。如果你的用例涉及代码库导航、重构、错误修复或多文件推理，这是首先需要测试的路径。
办公与生产力自动化
SpreadSheetBench-v1 和办公自动化的相关声称使 Qwen3.7 Max 对结合结构化数据、文档、公式和工具调用的业务工作流颇具吸引力。与通用的聊天机器人写作相比，这是一个更具差异化的角度。
长期研究与规划
1M 上下文窗口为团队提供了保留更多原始材料的空间。这对于法律审查、研究综合、技术文档、战略规划和企业知识工作流都很有价值。
Agent 框架实验
由于 Qwen3.7 Max 被描述为能够跨多种代理框架进行泛化，因此值得在您现有的框架中进行测试，而不是假设您需要特定于 Qwen 的封装器。真正的问题是它在您的工具、护栏和重试逻辑下的表现如何。
如何获取 Qwen3.7 Max API 访问权限
有几种实用的途径，具体取决于您的团队目前如何管理模型。
Together AI
Together AI 将模型列为 Qwen/Qwen3.7-Max 并为常见 SDK 模式提供示例。这是一种通过托管 API 测试该模型的直接方式。
OpenRouter
OpenRouter 将该模型列为 qwen/qwen3.7-max 并提供了一个与 OpenAI 兼容的路由层。当您想在不重写整个模型客户端的情况下，将 Qwen3.7 Max 与其他模型进行比较时，这非常有用。
TokenHub
如果您的技术栈已经使用了统一的模型访问层， TokenHub 是另一个将 Qwen3.7 Max 添加到评估集中的实用位置。当您希望在同一个工作流中比较模型质量、延迟和成本，而不是为每个提供商创建单独的集成时，这尤其有用。
阿里云或 Qwen 生态系统路线
如果您的团队已经在阿里生态内工作，阿里云和 Qwen 相关路线是自然的选择。对于希望实现原生供应商对齐的团队来说，这些可能尤其相关。
生产前应测试什么
在将真实生产流量发送到 Qwen3.7 Max 之前，请在与您的实际工作负载相似的任务上测试它。
使用一个小型评估包，包括：
- 一个仓库级编码任务
- 一个电子表格或办公自动化任务
- 一个长文档推理任务
- 一个带工具调用的智能体任务
- 一次延迟和成本测量
跟踪质量、总输出令牌数、工具调用可靠性、延迟和故障恢复。对于智能体模型，最好的模型很少是那个给出一个令人印象深刻答案的模型。而是在混乱的多步骤工作中仍然有用的模型。
风险与注意事项
它是专有的。
与一些开放权重的Qwen版本不同，Qwen3.7 Max被多个来源描述为专有模型。这并不意味着它不好，但确实改变了部署和治理方面的预期。
基准测试声称需要工作流验证
基准测试分数在方向上有帮助。它们不能替代你的提示词、工具、安全规则和成本约束。
Token使用量会影响实际成本
如果模型输出冗长，账单金额会迅速上升。对于长期运行型的代理来说尤其重要。
API路由细节各有不同
OpenRouter、Together AI、TokenHub、Alibaba Cloud路由等平台可能提供不同的定价、可用性、请求格式或速率限制。务必验证你实际要使用的路由。
最终建议
如果你的团队认真对待智能体工作流，Qwen3.7 Max值得一试。它最擅长的不是日常聊天，而是编码智能体、办公自动化、长上下文推理以及需要模型持续执行的工具密集型工作流。
如果你只需要简单、低成本的聊天，Qwen3.7 Max 可能超出你的需求。但如果你正在构建或评估严肃的智能体，尤其是在代码、文档和生产力工具方面，它值得进行一次结构化的基准测试。
常见问题
什么是 Qwen3.7 Max？
Qwen3.7 Max 是阿里巴巴 Qwen3.7 系列中的旗舰模型。它定位于智能体编程、生产力自动化、长上下文推理和长时程任务执行。
Qwen3.7 Max 支持 1M 上下文吗？
当前平台列表，包括 Together AI 和 OpenRouter，将 Qwen3.7 Max 描述为具有 1M token 的上下文窗口。
Qwen3.7 Max 是开源的吗？
当前的公开报道将 Qwen3.7 Max 描述为专有模型。除非阿里巴巴发布官方开放权重，否则请将其视为托管或提供商访问模型。
Qwen3.7 Max 的费用是多少？
OpenRouter 目前将其列为每 1M token 输入 $1.25、输出 $3.75。Artificial Analysis 报告了更高的价格区间，因此请通过你计划使用的确切提供商渠道核实价格。
我如何访问Qwen3.7 Max API？
您可以通过托管API平台（如Together AI和OpenRouter）、通过可用的阿里/千问生态路线，或通过模型访问层（如TokenHub）进行测试，如果您想要一个统一的工作流来比较多个模型。