Alibaba
Qwen3.8 Omni Flash
最大上下文
1M
最大输出
131.1K
发布日期
暂无
qwen3.7-maxQwen3.7 Max 被定位为 Qwen3.7 一代的旗舰模型,官方叙事重点是面向 Agent 时代。相关模型卡强调 Agent 工作流、代码、办公/生产力任务,以及长周期自主执行能力。它不应该只被写成“更大的聊天模型”,而应该描述为面向复杂工作的高能力通用模型。
上下文窗口
1M Token
最大输出
65.5K Token
发布日期
2026年5月21日
模态
| 输入价格 | 输出价格 | 缓存读取 | 缓存创建 5m | 缓存读取 5m |
|---|---|---|---|---|
| $1.7143/M | $5.1429/M | $0.3429/M | $2.1429/M | $0.1714/M |
推理
工具调用
Temperature 参数
附件
知识库
Endpoint 协议
Qwen3.7 Max 结合面向 Agent 的推理、编程与生产力能力以及百万 Token 上下文,适合复杂文本任务。
模型能够规划并持续推进多步骤工作,适合需要连续决策和长程执行的任务。
模型擅长编程、办公和生产力任务,可完成结构化分析与协调一致的文本生成。
百万 Token 上下文窗口可容纳大型代码库、长篇文档和持续时间较长的文本交互。
Qwen3.7 Max 适合仓库级软件开发、长程文本 Agent 以及大规模商业或技术文档分析。
分析大型代码库中的依赖关系,实施跨文件改动,并检查修改对相关组件的影响。
在多步骤研究、编程或运营工作流中持续保留目标和中间结果,并推进后续任务。
审阅大规模文本集合,关联不同章节的依据,并生成结构化摘要、对比结果或行动方案。
import OpenAI from "openai"
const client = new OpenAI({
apiKey: process.env.TOKENHUB_API_KEY,
baseURL: "https://us-api.tokenhub.com/v1",
})
const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)Qwen3.7 Max
| 指数分数 | ||
|---|---|---|
| Artificial Analysis 综合能力指数 | Artificial Analysis 综合能力评分 | 46 |
| Artificial Analysis 代码能力指数 | Artificial Analysis 软件任务评分 | 50.1 |
| 知识与推理 | ||
| GPQA | 高阶科学问题求解 | 92.3% |
| HLE | 广泛专家级考试集合 | 38.1% |
| 代码与工程 | ||
| SciCode | 科学计算代码挑战 | 48.8% |
| Terminal-Bench Hard | 高难度终端任务执行 | 50.8% |
| 指令遵循与 Agent 任务 | ||
| IFBench | 指令约束遵循 | 80.5% |
| AA-LCR | 长上下文推理 | 69% |
| τ²-Bench | Agent 工作流任务 | 94.7% |
指标来源 Artificial Analysis
Qwen 3.7 Max 的能力、适用场景、限制和 TokenHub 使用指南。
Qwen 3.7 Max 是 Alibaba Qwen 面向旗舰级编程、推理和智能体流程的模型。
适合复杂编程、智能体流程、大量工具调用的自动化,尤其适合重视最高回答质量的场景。
核心优势是覆盖编程和工具任务的广泛智能体能力,并具备可在深度思考和直接回答之间切换的混合思考。
它会使用更多计算,因此延迟和成本可能更高。 更看重多模态输入时,可考虑 Qwen 3.7 Plus。
使用 TokenHub 显示的精确标识符,并按账户文档确认当前功能。
通过一个 API Key 接入 Qwen3.7 Max 与更多 AI 模型。
媒体与讨论
精选与此模型相关的公开视频和帖子。
X (Twitter)
Reddit
YouTube