千问发布 Qwen3.7-Max：35 小时自主优化内核，10 倍加速

5/20/2026AgentAIQwen

Qwen3.7-Max

千问大模型正式发布新一代旗舰模型 Qwen3.7-Max，专为智能体（Agent）场景打造，即将通过阿里云百炼 API 提供服务。这款模型的核心定位是“全能智能体基座”——从编写和调试代码、自动化办公流程，到跨越数千步的长周期任务中持续自主执行。

35 小时自主内核优化：10 倍加速

最能说明 Qwen3.7-Max 长程执行能力的实验是 SGLang Extend Attention 算子优化。实验条件相当苛刻：

  • 硬件：平头哥真武 M890 PPUs（训练中从未见过的架构，无硬件文档、无性能分析数据、无示例 kernel）
  • 起点：仅有一个任务描述、一个 SGLang 的 Triton 参考实现和一个评估脚本
  • 过程：约 35 小时连续自主执行，432 次 kernel 评估，1158 次工具调用

模型自主完成了编写、编译、性能分析、bug 修复、瓶颈定位和架构重设计。最终结果：相对 Triton 参考实现的几何平均加速比为 10.0x。

内核优化实验

基准测试成绩

模型基准成绩

编程智能体

  • SWE-Pro：60.6（领先）
  • Terminal Bench 2.0-Terminus：69.7（超 DS-V4-Pro Max 的 67.9）
  • SWE-Verified：80.4（接近 Opus-4.6 Max 的 80.8）
  • SWE-Multilingual：78.3
  • SciCode：53.5

通用智能体

  • MCP-Mark：60.8（超 GLM-5.1 的 57.5）
  • MCP-Atlas：76.4（超 Opus-4.6 的 75.8）
  • Skillbench：59.2（超 K2.6 的 56.2）
  • SpreadSheetBench-v1（办公自动化）：87.0（顶尖水平）
  • Kernel Bench L3：1.98 倍中位数加速，96% 加速率

推理

  • GPQA Diamond：92.4（超 Opus-4.6 的 91.3）
  • HLE：41.4（超 Opus-4.6 的 40.0）
  • IMOAnswerBench：90.0（超 DS-V4-Pro 的 89.8）
  • Apex：44.5（超 DS-V4-Pro 的 38.3）
  • HMMT 2026 Feb：97.1

跨框架泛化能力

智能体框架兼容性

Qwen3.7-Max 并非针对单一框架优化。它的训练架构将每个训练实例解耦为三个正交组件——任务（Task）、运行框架（Harness）、验证器（Verifier），三者可自由重组。同一任务能以极低的边际成本匹配不同类型、不同版本的框架及验证器，实现组合式扩展。

这意味着模型被迫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 均展现一致的性能表现。

目前已确认兼容的主流框架包括：Claude Code、OpenClaw、Qwen Code。

智能体训练环境扩展

环境扩展策略

千问团队在 Qwen3.5 的基础上大幅扩展了智能体训练环境的质量与多样性。核心发现：任意基准子集上的性能增益高度一致，可以可靠地预测整体平均值的相对增益。这表明环境扩展驱动的是真正的能力泛化，而非针对特定基准的过拟合。

Qwen3.7-Max 在综合排名中位列前三，接近 Claude-4.6-Opus-Max 的水平。所有评测基准涉及的环境均为训练中从未出现过的全新领域外环境。

可用性

Qwen3.7-Max 即将通过阿里云百炼 API 提供服务。对于开发者而言，这款模型的价值在于：它可以作为各类智能体系统的可靠底座，在 Claude Code、OpenClaw 等框架中即插即用，同时具备跨越数千步决策的策略一致性。

来源：千问大模型官方公众号

相关推荐