ИИтак

← Назад

Модель · Qwen

Qwen3.7 Max

Бывшая флагманская модель Qwen для агентов и программирования, в августе 2026-го её сменила Qwen3.8 Max

вышла 21 мая

Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиШкала условная (Claude 3.5 Sonnet = 130, GPT-5 = 150); интервал — 90-процентный диапазон оценки, и модели с перекрывающимися интервалами надёжно не различаются.Подробнее на английском ↗

33 место из 266
индекс 154, вероятный разброс 152–156 · весь рейтинг →

БенчмаркРезультатОбычно — доля заданий теста, которые модель решила. У некоторых тестов свой счёт; как он устроен, сказано в пояснении к названию тестаУсилиеНасколько долго модель рассуждала перед ответом, когда её проверяли: низкое, среднее, высокое, очень высокое, максимальное. Чем выше усилие, тем обычно выше результат — и тем дольше и дороже ответ. Показан лучший результат и усилие, на котором он получен
DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗ 87,1%
LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗ 51,8%
Mystery Game Puzzles100 позиций из головоломочного варианта известной игры, название которой скрыто: нужно найти единственный лучший ходПодробнее на английском ↗ 25,1%
EBR-benchУчится ли модель на опыте: она раз за разом играет в малоизвестную карточную настольную игру Earthborne Rangers и ведёт заметкиБалл — доля из 21 игровой цели в лучшей из двух итоговых партий после тренировочных; сам по себе он не показывает, выросла ли модель.Подробнее на английском ↗ 9,5%
FrontierMath-Tier-4-v2-PrivateЗакрытый набор самых трудных задач FrontierMath: исследовательская математика, на которую у специалистов уходят часы и дниПодробнее на английском ↗ 34,1%
FrontierMath-Tiers-1-3-v2-PrivateСотни новых задач исследовательской математики от профессиональных математиков; эксперту на задачу нужны часы или дниПодробнее на английском ↗ 64,6%
ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗ 26,0%
Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗ 14,8%
SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗ 55,8%
OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗ 95,6%
SimpleBenchВопросы с подвохом на здравый смысл: пространство, время, поведение людей. 213 вопросов, у каждого шесть вариантов ответаЛюди в проверке авторов набрали около 84%, а балл модели — средняя точность по пяти прогонам.Подробнее на английском ↗ 64,5%
SWE-Bench verifiedНастоящие задачи из GitHub по проектам на Python: модель правит код, а тесты проверяют, решена ли проблемаПо оценке Epoch, в 5–10% задач есть ошибки, поэтому 100% недостижимы; Epoch считает результат по 484 задачам из 500.Подробнее на английском ↗ 77,3%
GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗ 87,9%

Характеристики

Вышла
21 мая
КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена
1 млн токенов
Длина ответаСколько токенов модель может выдать за один ответ, вместе со скрытыми рассуждениями, если они есть
до 65 тыс. токенов
Цена входаСколько стоит миллион токенов, отправленных модели: вопрос, документы, вся история переписки
$2,50 за миллион токенов
Вход из кэшаЦена входа для повторяющегося начала запроса, которое лаборатория уже сохранила у себя. В длинной переписке и у агентов это большая часть входа — и в разы дешевле
$0,50 за миллион токенов
Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения
$7,50 за миллион токенов
Понимает
текст
Отвечает
текст
РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах
да
Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты
да
ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории
закрытые
Идентификатор в API
qwen3.7-max

Что это за модель

Qwen3.7 Max — закрытая модель Alibaba, которую команда Qwen назвала моделью для «эпохи агентов». Агент — это модель, которая сама выполняет задачу по шагам: вызывает инструменты, читает результат и решает, что делать дальше. Веса модели не открыты, работать с ней можно только через облачный сервис Alibaba Cloud Model Studio. Сервис понимает запросы в форматах API OpenAI и Anthropic. Поэтому модель можно подключить к Claude Code, Qwen Code и OpenClaw. Архитектуру модели лаборатория не описала. Она рассказала только про способ обучения: модель учили на большом наборе разнообразных агентных сред, в которых задача, среда запуска и проверка результата собираются как независимые части.

По сравнению с прошлыми версиями лаборатория делает упор на долгие задачи. В бенчмарке YC-Bench модель управляет симулированным стартапом. Qwen3.7 Max заработала в нём 2,08 млн долларов, Qwen3.6 Plus — 1,05 млн, Qwen3.5 Plus — 352 тыс. Главный пример в анонсе — оптимизация кода для ускорителей. Модель 35 часов работала без участия человека, сделала 1158 вызовов инструментов и ускорила вычислительное ядро SGLang в 10 раз. Причём работала она на китайских ускорителях, которых не видела при обучении. У GLM 5.1 в том же опыте вышло ускорение в 7,3 раза, у DeepSeek V4 Pro — в 3,3 раза.

Модель выбирают прежде всего для программирования и агентных процессов. По замерам лаборатории, в SWE-bench Verified у неё 80,4 балла, почти как у Claude Opus 4.6 (80,8). В Terminal-Bench 2.0 у неё 69,7 балла, в GPQA Diamond — 92,4. Кроме кода, она работает с офисными документами через консольные инструменты и подключается к сервисам через протокол MCP — стандарт, по которому модель получает доступ к внешним программам. Лаборатория показала и опыт с роботом: модель управляла четвероногим роботом-собакой через вызовы инструментов.

Модель уже не самая новая. В августе 2026-го её сменила Qwen3.8 Max. В рейтинге Epoch она заметно ниже лидеров, а стоит дороже большинства моделей каталога. Закрытые веса значат, что запустить модель на своём оборудовании или дообучить её нельзя. Долгие автономные сессии в анонсе показаны на отдельных примерах, которые подобрала сама лаборатория.

Источники: Анонс Qwen3.7 в блоге Alibaba Cloud

Того же уровня по индексу Epoch

Другие модели семейства

Новости о модели

  1. 01

    Alibaba открыла веса Qwen3.8-Flash-Next — модели, по которой можно судить о будущем Qwen4

    NVIDIA для разработчиков

все 1 новость о Qwen3.7 →

Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).