千问发布Qwen3.7-Max 致力成为全能的智能体基座

5月20日，通义千问正式发布了新一代旗舰模型Qwen3.7-Max。这款被定位为“面向智能体时代”的模型，即将通过API提供服务，其核心目标是成为一个全能的智能体基座。无论是编写调试代码、自动化办公流程，还是执行跨越数百甚至数千步的长周期复杂任务，它都旨在提供持续、自主且稳定的支持。

核心优势：广度与深度兼备的智能体能力

Qwen3.7-Max的竞争力，在于其智能体能力的广泛覆盖与深度执行。在编程领域，从前端原型快速搭建到复杂的多文件软件工程，它都能驾驭。在办公与生产力场景，通过支持MCP集成和多智能体协作，可以实现工作流的深度自动化。更值得关注的是其长周期任务执行能力：在一项长达35小时、涉及超过1000次工具调用的全自主内核优化实验中，模型展现了出色的连贯推理与持久稳定性。此外，无论部署在Claude Code、OpenClaw、Qwen Code还是其他自定义框架下，它都表现出了优秀的跨框架泛化能力，确保了其作为基座的可靠性。

Qwen3.7-Max即将通过阿里云百炼平台提供API服务，主要聚焦于以下几个前沿方向：

• 前沿编程智能体：覆盖从前端原型到复杂软件工程的全流程。
• 办公生产力与工作流自动化：支持MCP集成和多智能体协作。
• 持续稳定的长周期自主执行能力。
• 跨多种智能体框架的泛化能力。

模型表现

从具体评测数据来看，Qwen3.7-Max在不同维度均展现了领先或顶尖的实力。

编程智能体方面，在SWE-Pro(60.6)、SWE-Multilingual(78.3)、SciCode(53.5)和QwenSVG(1608)上均取得领先。在Terminal Bench 2.0-Terminus(69.7)上超越了DS-V4-Pro Max(67.9)。在SWE-Verified(80.4)上则与Opus-4.6 Max(80.8)和DS-V4-Pro Max(80.6)表现相当。

通用智能体方面，提升更为显著。在MCP-Mark(60.8 vs. GLM-5.1的57.5)、MCP-Atlas(76.4 vs. Opus-4.6的75.8)和Skillbench(59.2 vs. K2.6的56.2)上表现突出，并在Kernel Bench L3(1.98倍中位数加速，96%加速率)上展示了强大的GPU内核优化能力。在BFCL-V4(75.0)、Qwenclaw(64.3)和ClawEval(65.2)上同样表现出色，紧追Opus-4.6 Max。在办公自动化基准SpreadSheetBench-v1上得分87.0，处于顶尖水平。

推理能力方面，在多个高难度基准上取得领先：GPQA Diamond(92.4 vs. Opus-4.6的91.3)、HLE(41.4 vs. Opus-4.6的40.0)、HMMT 2026 Feb(97.1 vs. Opus-4.6的96.2)、IMOAnswerBench(90.0 vs. DS-V4-Pro的89.8)和Apex(44.5 vs. DS-V4-Pro的38.3)。

通用与多语言能力方面，在IFBench(79.1 vs. DS-V4-Pro的77.0)上表现突出，展示了精准的指令遵循能力。在WMT24++(85.8)和MAXIFE(89.2)上领先，表明其多语言理解和翻译质量处于一流水平。在SuperGPQA(73.6)和QwenWorldBench(57.3)上同样表现出色。

需要特别指出的是，上述评测分数是在多种不同的智能体框架下取得的。这意味着Qwen3.7-Max并非针对某一特定框架进行优化，而是在Claude Code、OpenClaw、Qwen Code及各类自定义工具使用框架下都能稳定发挥，这使其成为各类智能体系统更可靠、更通用的底座。

生产力助手：重塑专业工作流

面向真实的生产力场景，Qwen3.7-Max旨在成为深度的协作者。依托其强大的智能体能力，它可以全面重塑专业工作流：从海量信息的研读整合，到复杂数据的深度分析与建模，再到出版级文档与可视化的生成，它能够精准承接高复杂度、高强度的企业级任务。

该模型原生适配主流智能体框架。针对长链路交付任务，它支持长达数小时的自主规划与运行，通过上千次工具调用和数十轮版本迭代，持续提升最终交付物的质量。以往需要专业团队耗时一至两周的复杂项目，现在由Qwen3.7-Max驱动的智能体有望在数小时内完成端到端的交付闭环，从而推动生产力实现实质性的跃升。

智能体扩展：环境多样性驱动能力泛化

在Qwen3.5引入的环境扩展方法基础上，Qwen3.7进一步大幅提升了智能体训练环境的质量与多样性。这背后的逻辑与语言模型类似：正如语言模型从多样化的预训练文本中获得泛化能力，智能体能力同样可以从多样化的训练环境中实现泛化。

如图所示，这种环境扩展带来了清晰且稳定的性能提升轨迹，Qwen3.7-Max在综合排名中已位列前三，接近Claude-4.6-Opus-Max的水平。值得注意的是，评测中所有基准测试所涉及的环境，均为训练中从未出现过的全新领域外环境。

研究还观察到一个显著规律：在任意基准子集上获得的性能增益高度一致，可以可靠地预测其在其余基准或整体平均值上的相对增益。这表明，环境扩展驱动的是真正的、通用的能力泛化，而非针对特定基准的针对性提升。关于扩展动态和方法论的进一步分析，将在后续发布的技术报告中详细介绍。

跨框架泛化能力：掌握解题策略，而非框架捷径

为了实现真正的泛化，其训练基础设施将每个训练实例解耦为三个正交组件——任务(Task)、运行框架(Harness)与验证器(Verifier)，这些组件可以自由重组。该设计兼容多种运行框架及其迭代版本，并将环境立足于真实场景。这种解耦实现了组合式扩展：同一任务能以极低的边际成本，与不同类型、版本的框架及验证器相匹配。

更关键的是，它赋能了跨框架与跨验证器的强化学习训练——迫使模型在多变的框架配置下处理同源任务，从而学习具备泛化能力的解题策略，而非依赖特定框架的“捷径”。在QwenClawBench与CoWorkBench评测中，无论评估时使用何种运行框架，Qwen3.7-Max均展现出强劲且一致的性能，显著超越Qwen3.6系列模型。这证实了该模型已真正掌握了解决任务的核心能力，而非过拟合于某个特定框架。

因此，Qwen3.7-Max可以无缝集成到包括Claude Code、OpenClaw、Qwen Code在内的主流智能体框架和编程助手中，为开发者提供一个强大而灵活的基座选择。