智能體編程新突破！千問(wèn)3.7旗艦?zāi)Ｐ腿铝料?
來(lái)源： 紫牛新聞
2026-05-20 12:40:00
5月20日，阿里巴巴發(fā)布全新一代千問(wèn)旗艦?zāi)Ｐ蚎wen3.7-Max，在三方機(jī)構(gòu)Arena全球大模型盲測(cè)總榜中，Qwen3.7-Max超過(guò)Kimi-K2.6、DeepSeek-v4-pro、GLM-5.1，與GPT、Claude、Gemini最強(qiáng)模型接近，位列國(guó)產(chǎn)模型第一。千問(wèn)3.7面向當(dāng)下智能體（Agent）全新設(shè)計(jì)，實(shí)現(xiàn)了編程、推理等核心能力的持續(xù)突破，甚至可全自主完成35小時(shí)的超長(zhǎng)程智能體復(fù)雜任務(wù)：在一個(gè)全新的芯片平臺(tái)上，Qwen3.7-Max通過(guò)自主編程和超1000次工具調(diào)用，實(shí)現(xiàn)了一個(gè)關(guān)鍵內(nèi)核的自我進(jìn)化，推理速度較原版本提升10倍。
Qwen3.7-Max發(fā)布，位列國(guó)產(chǎn)模型第一
阿里大模型研發(fā)顯著加速，近3個(gè)月內(nèi)，千問(wèn)旗艦大模型已穩(wěn)定迭代了3.5、3.6、3.7三個(gè)版本，不斷抬高國(guó)產(chǎn)模型的性能上限，Qwen3.7-Max在數(shù)項(xiàng)權(quán)威評(píng)測(cè)中位居前列：在編程智能體方面，Qwen3.7-Max 在 SWE-Pro、SWE-Multilingual等測(cè)評(píng)中均取得領(lǐng)先表現(xiàn)，在Terminal Bench 2.0-Terminus得分69.7，超過(guò)了DeepSeek-v4-pro-Max、Claude-Opus4.6等一眾模型；在通用智能體方面，Qwen3.7-Max提升顯著，在MCP-Atlas、MCP-Mark、Skillbench等現(xiàn)實(shí)能力測(cè)試中表現(xiàn)優(yōu)異，超越GLM5.1、Kimi-K2.6等，創(chuàng)下國(guó)產(chǎn)新高，并在 Kernel Bench L3上展示了強(qiáng)大的 GPU 內(nèi)核優(yōu)化能力；推理能力上， Qwen3.7-Max 在GPQA Diamond、HLE、HMMT 2026 Feb、IMOAnswerBench等推理核心測(cè)評(píng)中均超越了Claude-Opus4.6及所有國(guó)產(chǎn)模型；在通用能力與多語(yǔ)言方面，Qwen3.7-Max 在指令遵循 IFBench 評(píng)測(cè)中得分79.1分突破新高，在多語(yǔ)言理解和翻譯的WMT24++、MAXIFE評(píng)測(cè)中領(lǐng)先。
當(dāng)下，編程能力已成為衡量LLM大語(yǔ)言模型的核心指標(biāo)，Qwen3.7-Max較上代模型實(shí)現(xiàn)了大幅提升，從前端原型開(kāi)發(fā)到復(fù)雜的多文件工程均能駕馭。在評(píng)估AI解決真實(shí)世界的實(shí)戰(zhàn)編程任務(wù)SWE-bench系列測(cè)評(píng)、面向真實(shí)科學(xué)問(wèn)題的編程測(cè)評(píng)SciCode中，Qwen3.7-Max較Qwen3.6-Plus大幅提升，并超越了Claude Opus 4.6-Max、Kimi-K2.6、DeepSeek-v4-Pro-Max等模型。千問(wèn)3.7是出色的編程智能體，可自主編寫代碼創(chuàng)造工具，精準(zhǔn)執(zhí)行任務(wù)，完成復(fù)雜編程的自我糾錯(cuò)迭代，就像個(gè)資深工程師，跑完從需求分析到測(cè)試迭代的全流程，自主產(chǎn)出可用的工業(yè)級(jí)成果。
不斷提升的編程能力，也為智能體完成更復(fù)雜、更長(zhǎng)周期的任務(wù)打下堅(jiān)實(shí)基礎(chǔ)。千問(wèn)3.7本身具有極強(qiáng)的Agent能力，并涌現(xiàn)出跨多種智能體框架的泛化能力，在 Claude Code、OpenClaw、Qwen Code 等框架下都能穩(wěn)定發(fā)揮，有望成為各類智能體系統(tǒng)的可靠底座。通過(guò)MCP集成和多智能體協(xié)作，Qwen3.7-Max在企業(yè)級(jí)辦公場(chǎng)景實(shí)現(xiàn)工作流自動(dòng)化，在辦公自動(dòng)化基準(zhǔn) SpreadSheetBench-v1上斬獲87分，處于頂尖水平，是可靠的辦公與生產(chǎn)力助手。以往需專業(yè)團(tuán)隊(duì)耗時(shí)一至兩周的復(fù)雜項(xiàng)目，現(xiàn)由 Qwen3.7-Max 驅(qū)動(dòng)的智能體可在數(shù)小時(shí)內(nèi)完成端到端交付閉環(huán)。
實(shí)戰(zhàn)任務(wù)測(cè)試中，Qwen3.7-Max還展示了當(dāng)下智能體所能達(dá)到的長(zhǎng)程任務(wù)極限。對(duì)大模型而言，推理速度與推理框架息息相關(guān)，AI Infra工程師最重要的工作之一就是進(jìn)行推理框架中的算子優(yōu)化，這需要極強(qiáng)的經(jīng)驗(yàn)、知識(shí)、算法能力以及反復(fù)調(diào)試、糾錯(cuò)迭代。如今，千問(wèn)3.7也嘗試自主解決這一難題。在一個(gè)模型訓(xùn)練時(shí)從未接觸過(guò)的全新硬件平臺(tái)——平頭哥真武M890芯片上，千問(wèn)3.7自主完成了一個(gè)復(fù)雜的推理內(nèi)核優(yōu)化任務(wù)。在沒(méi)有任何性能分析數(shù)據(jù)、硬件文檔或新架構(gòu)的示例內(nèi)核情況下，千問(wèn)3.7僅從一個(gè)包含任務(wù)描述、SGLang Triton 參考實(shí)現(xiàn)和評(píng)測(cè)腳本的空白工作空間出發(fā)，從“零”開(kāi)始持續(xù)編程 35 小時(shí)，獨(dú)立進(jìn)行了 432 次內(nèi)核評(píng)估、1158 次工具調(diào)用，完全自主地完成了編寫、編譯、性能分析與迭代改進(jìn)的全流程。
Qwen3.7-Max可獨(dú)立執(zhí)行35小時(shí)的長(zhǎng)程復(fù)雜任務(wù)
最終，在平頭哥新AI芯片上，經(jīng)千問(wèn)優(yōu)化后的推理內(nèi)核比 SGLang Triton 官方參考實(shí)現(xiàn)取得了 10 倍的加速。測(cè)試軌跡還顯示，模型在獨(dú)立運(yùn)行超過(guò) 30 小時(shí)后仍發(fā)現(xiàn)了有效優(yōu)化點(diǎn)，甚至主動(dòng)發(fā)起了一次關(guān)鍵的架構(gòu)重設(shè)計(jì)——這充分體現(xiàn)千問(wèn)在復(fù)雜任務(wù)中長(zhǎng)周期自主迭代的能力，為未來(lái)模型與智能體的自我演進(jìn)打開(kāi)了全新的想象空間。
在2026阿里云峰會(huì)上，阿里云宣布面向Agentic時(shí)代全面升級(jí)，重磅發(fā)布全新的“芯-云-模型-推理”技術(shù)體系。據(jù)了解，Qwen3.7-Max模型API即將上線阿里云百煉，同時(shí)，千問(wèn)3.7系列還將推出Qwen3.7-Plus等不同版本模型，擁有極強(qiáng)的多模態(tài)推理、視覺(jué)理解能力，實(shí)現(xiàn)從編程智能體到視覺(jué)智能體的全覆蓋，為下一代AI提供全能智能體新基座。
曉風(fēng)
校對(duì) 吉啟雷