5 月 20 日，阿里发布 Qwen3.7-Max。比起名次分数，一个 35 小时的实验更值多礼贴。 阿里让 Qwen3.7-Max 在一块教师时从未见过的芯片（平头哥真武 M890）上优化推理内核。莫得东说念主类搅扰。模子联贯责任 35 小时，最终将速率擢升到原本的 10 倍。

35 小时联贯自主责任不退化。现存评测表格莫得这项方针，但它引出一个 Agent 时间的要道问题：当模子如故富裕机灵，下一步该比什么？

先回到 Qwen3.7-Max 本人。

名次、数据和发布节律

证据第三方评测机构 Artificial Analysis 最新榜单，Qwen3.7-Max 得分 56.6，寰球第 5，国产模子第 1，较上代旗舰杰出 4.8 分。排在前边的是 GPT-5.4（xhigh）、Gemini 3.1 Pro Preview 和 Claude-Opus4.7（max）等少数模子。

总分差距越来越小，但分项结构才是要道。千问官方技艺博客公布的评测数据泄漏，Qwen3.7-Max 的上风团结在 Agent 关系维度：编程智能体评测 Terminal Bench 2.0-Terminus 得分 69.7，杰出 DeepSeek-v4-Pro Max 的 67.9 和 Claude Opus 4.7 Max 的 65.4；多言语编程 SWE-Multilingual 以 78.3 分刷新记载；通用智能体评测 MCP-Atlas 得分 76.4 杰出 Opus-4.6 的 75.8。

还有一组数据体现发布节律。3 月 20 日 Qwen3.5-Max-Preview，4 月 20 日 Qwen3.6-Max-Preview，5 月 20 日 Qwen3.7-Max——每月迭代一代旗舰，每次发布刷新国产模子性能上限。千问官方的技艺博客为这三代模子阔别起了标题：「迈向原生多模态智能体」「走向现实宇宙智能体」「智能体新前沿」。主义长久如一。

以上是名次和数据部分。这次发布和往常每一次大模子发布比拟，真恰恰得计议的，是 Qwen3.7-Max 在 Agent 执久践诺材干上的发达。

从单次智能到执久践诺

大模子的竞争焦点每隔几个月就会移动。最早比参数限制，千亿向万亿攀升；然后比基准跑分，MMLU、GPQA 成为硬通货；再到编程材干成为焦点，SWE-bench 系列成为中枢方针。每一轮竞争都把上一轮的最初上风变成入场门槛。

但 Agent 场景对模子建议了一个实践不同的要求。传统评测忖度的是单次任务完成质料——写一段代码、解一王人题、回复一个问题。Agent 需要的是另一趟事：接收一个复杂主义，自主拆解、反复调用器用、执续迭代，几个小时致使几十个小时执续领路启动。

35 小时的内核优化实验正好提供了一个不雅察窗口。优化轨迹泄漏了一个要道特征：模子在前 4.5 小时快速将性能从 0.33 倍擢升到 5.37 倍。到这个节点，大部分模子会采纳住手。但 Qwen3.7-Max 在第 25 到 35 小时仍然产出优化，临了 3 小时通过架构重联想孝敬了约 1.2 倍的擢升。

横向对比更阐发问题。在疏导要求下，GLM 5.1 达到 7.3 倍加快，Kimi K2.6 达到 5.0 倍，DeepSeek V4 Pro 为 3.3 倍，2026美加墨世界杯中国认证平台Qwen3.6-Plus 仅 1.1 倍。这些模子不是因为超时住手。它们在某个节点之后不再尝试调用任何器用——模子我方以为如故莫得创新空间了。

另一个佐证来自 YC-Bench。这个测试将 AI 置于臆造创业公司 CEO 变装，模子需要在长达一年的模拟周期内贬责招聘、条约、客户筛选等数百轮联贯有蓄意。Qwen3.7-Max 累计完成 237 项任务，模拟营收达到 208 万好意思元，是上一代 Qwen3.6-Plus（105 万好意思元）的 2 倍，Qwen3.5-Plus（35.2 万好意思元）的 5.9 倍。

在传统跑分上，头部模子之间的差距常常惟有几个百分点。但在执续践诺场景中，差距被放大到了数倍致使数目级。 这意味着 Agent 基座模子的竞争，正在从「谁更机灵」转向「谁能更执久地保执机灵」。

如若说耐力是纵向的深度问题，那么千问的另一个联想采纳指向的是横向的宽度。

不绑定框架，作念通用底座

证据千问官方团队的博客，Qwen3.7-Max 的评测分数来自多种不同的智能体框架，模子并非针对某一特定框架优化。教师活动上，千问团队把「作念什么任务」「在哪个框架里作念」和「若何判定作念对了」拆成三个落寞变量，Z6尊龙凯时世界杯推荐官网让模子在教师中不绝濒临不同组合，学习的是若何解题本人，而不是某个框架的操作民俗。在产品层面，千问径直提供了 Claude Code、OpenClaw、Qwen Code 三种框架的接入确立。

这个采纳的策略含义是：千问不作念某一 Agent 产品的专属引擎。它要作念不同 Agent 系统都能接入的通用底座。此前，千问如故发布杰出 400 个模子，建立者基于千问构建的生息模子更是破损 20 万个，寰球下载量破损 10 亿次。跨框架泛化叠加这么的建立者生态，意味着一个平台化的定位。这和 Anthropic 围绕 Claude Code 构建自有器用链的旅途酿成对比——一个作念闭塞生态的最优引擎，一个作念洞开生态的通用底座。

但不论是纵向的耐力照旧横向的兼容，背后都依赖合并个更底层的东西：让旗舰模子能以月为单元执续迭代的工程体系。

月更背后的体系材干

每月发布一个旗舰模子，在寰球 AI 行业中并未几见。防守这种节律，单靠模子团队的研发速率不够，背后需要从芯片到云平台到推理引擎的整条链路同步跟上。

这次阿里云峰会上，这条链路的各个要领同期亮相。

芯片层，搭载真武 M890 的磐久 AL128 超节点劳动器发布，128 张 AI 芯片通过自研互联芯片构成一台诡计机，P2P 时延低于 150 纳秒。M890 的规格：144GB 显存、800GB/s 片间互联带宽、性能是上一代 810E 的 3 倍——大显存和高带宽径直劳动于 Agent 场景下的长坎坷文和密集调用需求。云平台层，阿里云对产品进行了 Skill 化和 MCP 化校阅，让 Agent 不错像调用函数雷同使用云劳动；新推出的「千问云」官网致使取消了传统扫尾台进口，首页惟有一溜 Agent 可读的代码请示。推理平台层，百真金不怕火提供坎坷文缓存以摒弃 Agent 多轮任务中的重叠诡计，并引入 Agentic RL——基于 Agent 实践践诺反应的强化学习机制，让模子在真确场景中执续迭代。

35 小时实验恰好启动在真武 M890 上。模子从未斗殴过这个硬件，但依然产出了 10 倍加快。这个扫尾不仅仅模子材干的评释，亦然芯片、云平台和推理引擎协同责任的产物。 月更节律的可执续性，最终取决于这套体系的输出遵守。

差距仍在，但战场变了

Artificial Analysis 榜单上，Qwen3.7-Max（56.6）诚然与寰球顶尖模子Claude、GPT仍有差距。但在 Agent 的具体维度上，这种差距分散并不均匀：比如具体到Claude Oups 4.6 上， Qwen3.7-Max 和其在SWE-Verified 编程评测中只过时0.4 分（80.4 vs 80.8），而在MCP-Atlas 测试中，千问反而最初（76.4 vs 75.8）。

说到底，真确诈骗场景里，单次跑分的豪厘之差从来不是决定性变量。Agent 基座的竞争，比的是谁能在更低老本、更高频率下保执执久的践诺力。在这个维度上，阿里从芯片到云到模子的垂直整合，是寰球少数玩产品备的要道筹码。

从 3.5 到 3.7，千问联贯三个月用产品回复合并个问题：Agent 时间的基座模子应该长什么样。35 小时实验给出了一个阶段性谜底——不仅仅更机灵尊龙凯时官网进入网页，还要更执久、更通用、更低老本。后续的要道变量仍然存在：建立者生态的移动速率、企业端产品的落地遵守、Qwen3.7-Plus 能否将材干从编程膨胀到视觉识别。但月更旗舰的节律本人阐发一件事：阿里不等谜底纯真，它用执续录用来不绝重写问题。