5月20日阿里云峰会，通义千问团队发了一个让很多人没想到的东西——不是参数更大的模型，而是一段35小时的录像，录像里，AI一个人把活干完了。 这次发布的旗舰模型叫 Qwen3.7-Max，是 Qwen 系列首次以"Max"命名的版本，阿里给它的定位是：Agent 时代的全能基座。听起来挺抽象，但几个数字让这个定位变得具体——推理能力方面，GPQA Diamond 92.4 分，超过了 Claude Opus 4.6 的 91.3；编程方面，SWE-Verified 80.4，与 Opus 4.6 Max 的 80.8 几乎持平；SWE-Pro 60.6，目前同类最高。 GPQA 是行内公认的"照妖镜"，题目来自物理、化学、生物的研究生级难题，92.4 分意味着它在科学推理上真的逼近博士水平了。SWE-Verified 则要求模型在真实开源仓库里定位 bug、写补丁、跑测试，80.4 的成绩意味着它能独立处理八成以上的真实软件工程任务。这两项数据放在一起，就不只是跑分漂亮了。
根据三方机构 Arena 全球大模型盲测总榜，Qwen3.7-Max 位列国产模型第一，综合性能已接近 GPT、Claude 和 Gemini 的最强版本。对比 GLM-5.1、Kimi K2.6、DeepSeek V4 Pro Max 等此前备受开发者追捧的国产模型，通用 Agent 方面，MCP-Mark 上 60.8（GLM-5.1 是 57.5），MCP-Atlas 上 76.4（超过 Opus 4.6 的 75.8），Skillsbench 上 59.2（超过 K2.6 的 56.2）。这些差距不算碾压，但已经实实在在地拉开了。 那段35小时录像
发布会上最震撼的不是那些数字，是一段记录了35小时过程的实测演示。
场景是这样的：在一个全新的芯片平台上，Qwen3.7-Max 通过自主编程和超过1000次工具调用，对一个关键内核进行迭代优化，最终把推理速度做到了原版本的10倍。整个过程没有人工介入，模型自己拆解任务、自己写代码、自己跑测试、自己看结果、自己改方案。
这块芯片是平头哥的真武 M890，是它在训练中从未见过的硬件——也就是说，不存在"刚好训练过这个场景"的可能。它是真的在一个陌生环境里，靠自己摸索出来的。
模型在30小时以上仍在发现实质性改进，没有停滞，没有卡死，中间遇到优化失败就回溯日志、调整策略、换方向继续。这种长程自主执行能力，正是现在绝大多数 AI 工具最缺的东西——很多模型在几步之后就开始绕圈子，或者直接出错卡住。
通义千问团队现场说的那句话："AI 第一次真正干完了活。"说白了就是这个意思。
四个能力点，每个都踩在痛点上
Qwen3.7-Max 的四个核心能力升级，你可以理解为——每一项都是过去用模型做项目时最容易翻车的地方。
推理能力不用多说，GPQA 92.4 的成绩代表它能处理真正复杂的多步推理，而不是靠猜。
编程能力上，SWE-Multilingual 78.3、SWE-Pro 60.6，在 Terminal Bench 2.0-Terminus 上以 69.7 分超越 DeepSeek V4 Pro Max 的 67.9。它能根据报错自主排查、修复 bug，甚至重构代码结构。拿来测试：给一段有问题的爬虫代码，它不只找到了反爬导致的 403 错误，还主动加了请求头和延时处理。这不是"生成代码让你去跑"，是把整个解决过程闭环了。
工具调用方面，Qwen3.7-Max 原生支持 MCP 协议，在 Claude Code、OpenClaw、Qwen Code 和各类自定义框架下均能稳定发挥，训练方法基于任务-框架-验证器解耦的组合式扩展，迫使模型学习泛化策略而非框架捷径。换句话说，它的工具调用能力是真的学会了，不是被某个特定 prompt 模板喂出来的。 上下文窗口支持百万 token 量级，处理整本技术文档、大型代码库、长篇合同这类场景，不用再分段投喂了。
为什么开发者要重新选一次模型
过去几个月，GLM-5.1 是很多国内开发者的首选——能力够用，国内访问稳定，就是要抢额度、经常限流。Qwen3.7-Max 出来之后，这个格局变了。
能力上它在多项 benchmark 已经超过或追平 GLM-5.1，在编程和长程任务执行上优势更明显。API 同时兼容 OpenAI 和 Anthropic 协议，生态适配成本极低。对于手里有 Agent 项目、还在用 Claude 或 GPT 接口的开发者来说，考虑到价格、合规、直连速度这三个国产模型天然的优势，再加上这次 benchmark 摆出来的硬指标，跑一轮 A/B 测试是值得的。
从 Qwen2.5 到 Qwen3，再到现在的 Qwen3.7-Max，通义千问的迭代是月级别的。这次发布，最值得注意的信号不是某项分数超过了谁，而是：阿里这次没有强行去比综合智能，而是挑长程任务、MCP 工具调用这些真实场景指标做突破——在 Agent 这个最热的应用切口上做到顶尖，足够撑起商业化。国产模型在 Agent 这条路上，已经不是在追赶了。
AI 速览
