国内 · 阿里通义 · 代际评测
Qwen3.7-MaxvsQwen3.6-Max
2026-05-20 发布 · 闭源 / API-only 纯文本旗舰，主打长程自主 Agent
📅 看板更新 2026-06-15🟣 3.7-Max 发布 2026-05-20🟢 前代 3.6-Max-Preview（04-20）🔎 来源：AA三方+V2EX/HN/知乎实测
⚠️ 命名陷阱：Qwen3.7 家族 = Max（纯文本旗舰） / Plus（多模态、更便宜）；独立榜上"3.6-Max-Preview 51.8 分"是上一代，勿与 3.7 的 56.6 混淆；HF 上 Qwen3.6-27B/35B-A3B 是开源小模型，非 Max。参数规模官方从未披露。
总览 · 一句话定论
Qwen3.7-Max 是阿里面向 Agent 时代的闭源纯文本旗舰，长程自主编程相对 3.6 有公认"飞跃式"提升、登顶最强国产并进入全球第一梯队尾部（AA #5），但跑分有效性遭多平台质疑、指令遵循/前端/冷门知识/性价比口碑两极。
对标定论（vs 3.6-Max-Preview）
上下文256K → 1M优
智能指数AA 51.8 → 56.6优
长程 AgentYC-Bench 创收翻倍、35h 自主演示、社区公认明显优
知识/事实准确率AA-Omniscience 原始准确率下降，靠"拒答"粉饰幻觉率退步
定价输入价上涨、输出价持平，token 消耗大、实际成本恶化退步
开放性延续闭源 only持平
① 模型基本信息
| 维度 | 🟣 Qwen3.7-Max | 🟢 Qwen3.6-Max-Preview（前代） |
|---|
| 发布日期 | 2026-05-20（阿里云峰会），5/21 上 OpenRouter | 2026-04-20 |
| 参数 / MoE | 未披露（官方+多家媒体均"not disclosed"） | 三方称 ">1T MoE" |
| 上下文 | 1M | 256K |
| 模态 | 纯文本（无图像）；多模态由同代 3.7-Plus 承担 | 纯文本 |
| 开 / 闭源 | 闭源 / API-only，无 HF 权重 | 闭源（延续 3.6-Max 策略） |
| 定价（in/out 每百万） | 列表 $2.50/$7.50；OpenRouter 限时 5 折 $1.25/$3.75 | $1.30/$7.80 |
缺口：参数/MoE 激活数官方从未披露；训练/数据/infra 无技术报告；是否会放开源权重仅传闻未证实。
② 创新技术（多为厂商自报）
- 超长程自主执行：官方演示自主优化 GPU attention kernel 运行 ~35 小时、1,158 次工具调用、几何平均 10× 加速，宣称优于 GLM5.1(7.3×)/Kimi K2.6(5.0×)/DeepSeek V4 Pro(3.3×)。厂商自报
- 扩展思考：推理模式 token 量巨大（AA 评测约 9700 万 tokens，远超中位 2400 万），agent 场景实际成本被推高。三方
- 跨框架泛化：在 Claude Code / OpenClaw / Qwen Code 表现一致（刘聪NLP）。
- 算法/数据/MoE 结构的具体创新点官方未披露 —— 缺口。
③ 实测口碑 核心模块
口碑两极分化：Agent/长程编程场景强（vs 3.6 提升被广泛承认）；但指令遵循、前端、冷门知识、性价比遭实打实吐槽，跑分有效性被多平台质疑。抓取局限：知乎/IT之家 403、视频仅标题；可直读原话以 V2EX/HN 为主。
正面负面中性/混合
正面 / 实测
@cubecubeV2EX·可直读正面
"高强度用了一天，体感上和 glm-5.1 不相上下了。相对于 3.6 自主分析和解决能力飞跃。""中国人不骗中国人……和 glm5.1 不相上下"。槽点：价格与响应速度不如 Claude。
v2ex.com/t/1214878@goldenarmHacker News正面
"The non-hallucination rate in AA-omniscience is SOTA, better than Opus 4.7"。
HN item?id=48205626
负面 / 质疑
刘聪NLP（短板）知乎三大短板
① 上下文逼近 100K 时幻觉上升、后段易忘开头约束；② Debug 能力只够用；③ 知识分布不均，冷门领域可能掉到 D 档。前端是短板。
知乎（摘要转述）@jampekka / @herozzmHN / V2EX跑分质疑
"幻觉率低=拒答多，非真本事"；"x 上一堆吹 Qwen3.7max 的，还附各种测试图……什么超过 claude4.6"（疑营销刷量）。多名用户更愿用 DeepSeek V4 Pro。
HN 讨论
区分：实测翻车 vs 跑分质疑
- 实测认可：长程 Agent 编程、自主分析能力相对 3.6 飞跃。
- 实测翻车：指令遵循、前端、冷门知识、性价比。
- 跑分质疑：AA-Omniscience 低幻觉靠"拒答"粉饰；官方不与最新竞品对比。
④ 商业化
| 模型 | 定价（in/out 每百万） | OpenRouter 排名 |
|---|
| 3.7-Max | 列表 $2.50/$7.50；现 5 折 $1.25/$3.75；支持 prompt caching | 智能 #8/378、编码 #11/315、Agentic #7/289 |
| 3.6-Max-Preview | $1.30/$7.80 | 3.6-Plus 仍在 top3 |
vs 上一代：输入价近翻倍、输出价略降；约为 Claude Opus 4.7 价目表的"一半"。⚠️ 推理 token 量极大（~97M），agent 场景实际账单可能远超单价直觉。C 端订阅价、真实 OpenRouter token 绝对量未找到（缺口）。
⑤ Benchmark
| 基准 | Qwen3.7-Max | 对照 / 来源 |
|---|
| AA Intelligence Index 三方 | 56.6（全球 #5） | 前代 51.8（+4.8）；GPT-5.5 60.2 / Opus 4.7 57.3 |
| GPQA Diamond 自报 | 92.4 | Claude Opus 4.6 Max 91.3 |
| YC-Bench（创收）自报 | $2.08M | 前代 3.6-Plus $1.05M（约 2×） |
| AA-Omniscience 三方·反例 | 原始准确率跌 7.6pt（37.7→30.1%） | 尝试率 67.3%→48.0%（靠拒答降幻觉） |
⚠️ 关键陷阱：AA-Omniscience 分数提升部分来自"更爱说不知道"（拒答率升）而非知识增强——HN/AA 双方均点破。35h/10×/YC-Bench 等为厂商自报、未独立复现。