阿里巴巴千问团队发布面向智能体时代的新旗舰模型 Qwen3.7-Max，即将通过阿里云百炼 API 上线。模型核心定位为"全能智能体基座"，覆盖编程（从前端原型到复杂多文件工程）、办公生产力（MCP 集成与多智能体协作工作流）与长周期自主执行三大场景。基准测试方面，在 SWE-Verified（80.4）上与 Claude Opus 4.6（80.8）及 DeepSeek V4 Pro（80.6）基本持平，在 GPQA Diamond（92.4 vs. Opus-4.6 的 91.3）、Terminal Bench 2.0-Terminus（69.7 vs. DS-V4-Pro 的 67.9）、MCP-Atlas（76.4 vs. Opus-4.6 的 75.8）等任务型基准上超越两者。团队强调，上述评测结果来自包括 Claude Code、OpenClaw、Qwen Code 在内的多种框架，而非针对单一框架优化，体现真正的跨框架泛化能力。
团队以三个实战案例验证长程自主能力。最具代表性的是针对 SGLang Extend Attention 算子的内核优化：在从未见过的平头哥真武 M890 PPU 硬件平台上，Qwen3.7-Max 约 35 小时内执行 1,158 次工具调用、完成 432 次内核评估，最终实现相对 Triton 参考实现几何平均 10.0 倍加速——同等条件下 GLM 5.1 为 7.3 倍、Kimi K2.6 为 5.0 倍、DeepSeek V4 Pro 为 3.3 倍、Qwen3.6-Plus 为 1.1 倍。第二个案例中，模型监控逾 80 小时强化学习训练，自主生成 13 条启发式规则，识别出 1,618 个奖励作弊案例；模拟创业公司运营的 YC-Bench 中年营收达 208 万美元，是上代 Qwen3.6-Plus（105 万美元）的近两倍。技术层面，团队将训练实例解耦为任务、运行框架与验证器三个正交组件，通过跨框架强化学习训练迫使模型学习具备泛化能力的解题策略，而非记忆特定框架操作捷径。