5 月 20 日，阿里发布 Qwen3.7-Max。比起排行分数，一个 35 小时的实验更值得存眷。 阿里让 Qwen3.7-Max 在一块历练时从未见过的芯片（平头哥真武 M890）上优化推理内核。莫得东说念主类干预。模子不绝责任 35 小时，最终将速率进步到蓝本的 10 倍。

35 小时不绝自主责任不退化。现存评测表格莫得这项方针，但它引出一个 Agent 期间的要道问题：当模子照旧有余智谋，下一步该比什么？

先回到 Qwen3.7-Max 自己。

排行、数据和发布节拍

笔据第三方评测机构 Artificial Analysis 最新榜单，Qwen3.7-Max 得分 56.6，人人第 5，国产模子第 1，较上代旗舰朝上 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。千问官方时间博客公布的评测数据闪现，Qwen3.7-Max 的上风纠合在 Agent 干系维度：编程智能体评测 Terminal Bench 2.0-Terminus 得分 69.7，越过 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 分刷新记录；通用智能体评测 MCP-Atlas 得分 76.4 越过 Opus-4.6 的 75.8。

还有一组数据体现发布节拍。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。千问官方的时间博客为这三代模子区别起了标题：「迈向原生多模态智能体」「走向现实天下智能体」「智能体新前沿」。所在历久如一。

以上是排行和数据部分。这次发布和往常每一次大模子发布比拟，真碰巧得议论的，是 Qwen3.7-Max 在 Agent 抓久施行能力上的发达。

从单次智能到抓久施行

大模子的竞争焦点每隔几个月就会挪动。最早比参数规模，千亿向万亿攀升；然后比基准跑分，MMLU、GPQA 成为硬通货；再到编程能力成为焦点，SWE-bench 系列成为中枢方针。每一轮竞争皆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骨子不同的要求。传统评测掂量的是单次任务完成质料——写一段代码、解整个题、回话一个问题。Agent 需要的是另一趟事：剿袭一个复杂想法，自主拆解、反复调用用具、抓续迭代，几个小时致使几十个小时抓续清爽启动。

35 小时的内核优化实验正好提供了一个不雅察窗口。优化轨迹闪现了一个要道特征：模子在前 4.5 小时快速将性能从 0.33 倍进步到 5.37 倍。到这个节点，大部分模子会采选罢手。但 Qwen3.7-Max 在第 25 到 35 小时仍然产出优化，终末 3 小时通过架构重诡计孝顺了约 1.2 倍的进步。

横向对比更诠释问题。在交流条目下，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，Qwen3.6-Plus 仅 1.1 倍。这些模子不是因为超时罢手。它们在某个节点之后不再尝试调用任何用具——模子我方合计照旧莫得转变空间了。

另一个佐证来自 YC-Bench。这个测试将 AI 置于假造创业公司 CEO 脚色，模子需要在长达一年的模拟周期内处罚招聘、协议、客户筛选等数百轮不绝方案。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频频只须几个百分点。但在抓续施行场景中，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「谁更智谋」转向「谁能更抓久地保抓智谋」。

淌若说耐力是纵向的深度问题，那么千问的另一个诡计采选指向的是横向的宽度。

不绑定框架，作念通用底座

笔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。历练范例上，千问团队把「作念什么任务」「在哪个框架里作念」和「怎么判定作念对了」拆成三个孤独变量，天博官网(TBSports)让模子在历练中不休靠近不同组合，学习的是如何解题自己，而不是某个框架的操立场俗。在产品层面，千问平直提供了 Claude Code、OpenClaw、Qwen Code 三种框架的接入建立。

这个采选的策略含义是：千问不作念某一 Agent 产品的专属引擎。它要作念不同 Agent 系统皆能接入的通用底座。此前，千问照旧发布越过 400 个模子，设立者基于千问构建的孳生模子更是苟且 20 万个，人人下载量苟且 10 亿次。跨框架泛化叠加这么的设立者生态，意味着一个平台化的定位。这和 Anthropic 围绕 Claude Code 构建自灵验具链的旅途酿成对比——一个作念禁闭生态的最优引擎，一个作念通达生态的通用底座。

但不管是纵向的耐力如故横向的兼容，背后皆依赖合并个更底层的东西：让旗舰模子能以月为单元抓续迭代的工程体系。

月更背后的体系能力

每月发布一个旗舰模子，在人人 AI 行业中并未几见。保管这种节拍，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，这条链路的各个范例同期亮相。

芯片层，搭载真武 M890 的磐久 AL128 超节点职业器发布，128 张 AI 芯片通过自研互联芯片构成一台策划机，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——大显存和高带宽平直职业于 Agent 场景下的长高下文和密集调用需求。云平台层，阿里云对产品进行了 Skill 化和 MCP 化改良，让 Agent 不错像调用函数相似使用云职业；新推出的「千问云」官网致使取消了传统适度台进口，首页只须一瞥 Agent 可读的代码领导。推理平台层，百真金不怕火提供高下文缓存以放置 Agent 多轮任务中的重迭策划，并引入 Agentic RL——基于 Agent 施行施行响应的强化学习机制，让模子在确切场景中抓续迭代。

35 小时实验恰好启动在真武 M890 上。模子从未战斗过这个硬件，但依然产出了 10 倍加快。这个落幕不仅仅模子能力的讲解，亦然芯片、云平台和推理引擎协同责任的产物。 月更节拍的可抓续性，最终取决于这套体系的输出服从。

差距仍在，但战场变了

Artificial Analysis 榜单上，Qwen3.7-Max（56.6）诚然与人人顶尖模子Claude、GPT仍有差距。但在 Agent 的具体维度上，这种差距散布并不均匀：比如具体到Claude Oups 4.6 上， Qwen3.7-Max 和其在SWE-Verified 编程评测中只过期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，确切愚弄场景里，单次跑分的豪厘之差从来不是决定性变量。Agent 基座的竞争，比的是谁能在更低本钱、更高频率下保抓抓久的施行力。在这个维度上，阿里从芯片到云到模子的垂直整合，是人人少数玩产品备的要道筹码。

从 3.5 到 3.7天博体育(TBSports)官方网站，千问不绝三个月用产品回话合并个问题：Agent 期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——不仅仅更智谋，还要更抓久、更通用、更低本钱。后续的要道变量仍然存在：设立者生态的挪动速率、企业端产品的落地成果、Qwen3.7-Plus 能否将能力从编程膨胀到视觉识别。但月更旗舰的节拍自己诠释一件事：阿里不等谜底豁达，它用抓续拜托来不休重写问题。