Qwen3.7-Max 解读：国产登顶、GPQA 超越 Opus 4.6，35 小时无中断 Agent 怎么卷出来的

国产模型和海外旗舰之间那道"还差一点"的天花板，被阿里在 2026 年 5 月用 Qwen3.7-Max 撞了一下。根据中国日报报道与 Qwen 官方发布，这代旗舰在公开盲测总榜上位列国产第一，推理基准 GPQA Diamond 还反超了 Claude Opus 4.6。

但比单点跑分更值得关注的是它的定位转向：官方不再把 Qwen3.7-Max 单纯描述为"对话模型"，而是反复强调一个词——Agent。35 小时不间断自主执行、100 万 token 上下文、SWE-bench 上的代码工程能力，共同指向同一个判断：阿里在赌"长程任务执行力"会是下一代大模型的分水岭。

一、Qwen3.7-Max 在卷什么？官方公布的三件事

1. 推理登顶：GPQA Diamond 反超 Opus 4.6

在被誉为"最难科学推理基准"的 GPQA Diamond 上，Qwen3.7-Max 拿到 92.4，反超 Claude Opus 4.6 的 91.3。在第三方机构 Artificial Analysis 的 Intelligence Index 综合榜上，它以 56.6 的得分位列全球第五、国产第一。

2. 工程执行力：SWE-bench Verified 72.3%

根据公开评测，它在 SWE-bench Verified 上拿到 72.3%，位列国产第一、全球前三。SWE-bench 测的是"能不能像工程师一样修真实仓库里的 issue"——读懂代码库、定位问题、跨文件改动并让测试通过。

3. Agent 持续力：35 小时无中断自主执行

官方展示了 Qwen3.7-Max 连续 35 小时自主执行任务、零中断的能力。配合 100 万 token 的上下文窗口，它能在超长任务流里保持目标对齐、不被中途打断重置。

二、实测案例（公开评测）

案例 1：综合智能（Intelligence Index）

来源：Artificial Analysis、MarkTechpost，公开评测

案例 2：硬核推理（GPQA Diamond）

来源：Qwen 官方博客，公开评测

案例 3：软件工程与 Agent 持续力

来源：Qwen 官方博客、Zeniteq，公开评测

三、价格

四、国内怎么调用？

from openai import OpenAI

client = OpenAI(
  api_key="YOUR_API_KEY",
  base_url="https://api.quickrouter.ai"
)

response = client.chat.completions.create(
  model="qwen3.7-max",
  messages=[{"role": "user", "content": "你好"}]
)

print(response.choices[0].message.content)

能力总览：六维评分与雷达图

把 Qwen 3.7 Max 与上一代 Qwen 3 Max 放在六个维度上横向对比，能力差异一目了然：

能力总览：六维评分与雷达图

把 Qwen 3.7 Max 与上一代 Qwen 3 Max 放在六个维度上横向对比，能力差异一目了然：

五、该不该用它？

信息来源：本文能力描述来自 中国日报报道、Qwen 官方博客及 MarkTechpost 等公开评测，非本站实测。价格数据为发布当日（2026-05-22）QuickRouter 控制台快照，最新价格请以控制台价格页为准。