qwen-3.7-max
PulseAugur coverage of qwen-3.7-max — every cluster mentioning qwen-3.7-max across labs, papers, and developer communities, ranked by signal.
- 2026-05-25 research_milestone Alibaba's Qwen 3.7 Max completed a 35-hour autonomous task run with 1,158 tool calls. 来源
- 2026-05-25 research_milestone Qwen 3.7 Max completed a 35-hour autonomous task run with 1,158 tool calls. 来源
- 2026-05-25 research_milestone Alibaba's Qwen 3.7 Max achieved a tenfold speedup on kernel execution after a 35-hour autonomous optimization task on unfamiliar hardware. 来源
- 2026-05-23 product_launch Qwen has launched the Qwen 3.7-Max model, designed for autonomous AI agents. 来源
- 2026-05-19 product_launch Alibaba released a preview of its Qwen 3.7 Max model. 来源
3 天有情绪数据
Qwen 3.7-Max to be integrated into Alibaba Cloud's AI agent services within 60 days
Alibaba has previewed and launched Qwen 3.7-Max, emphasizing its capabilities for autonomous agents and long-duration tasks. The concurrent launch with the Zhenwu M890 AI chip, designed for AI agents, suggests a strategic push to integrate these models into Alibaba's cloud offerings for agent-based solutions.
Alibaba to release Qwen 3 Ultra model targeting high-performance benchmarks within 30 days
The preview of both Qwen 3.7 Max and Qwen 3 Ultra suggests a dual-pronged release strategy. Given that 3.7 Max is positioned for agent tasks, the Ultra variant is likely being developed to compete at the top of general LLM benchmarks, potentially challenging existing leaders.
Qwen 3.7-Max demonstrates strong performance in tool use and autonomous task execution
Recent evidence shows Qwen 3.7-Max successfully handling 1,000 tool calls in a single autonomous agent task, reducing p99 latency to below 400ms over nine hours. This highlights the model's robustness and efficiency in complex, long-running agent operations.
-
Motif Technologies 发布 314B 参数的 Motif 3 LLM
Motif Technologies 发布了 Motif 3，这是一款拥有 3140 亿总参数和每个 token 激活 132 亿参数的 decoder-only 混合专家（Mixture-of-Experts）语言模型。该模型采用了新颖的 Grouped Differential Latent Attention 架构，并在约 12.5 万亿个 token 上进行了训练。Motif 3 在与领先的开源模型相比时，表现出具有竞争力的性…
-
Qwen 3.8 Max 辩论表现提升但成本增加
Qwen 3.8 Max 在辩论基准测试上相比其前代 Qwen 3.7 Max 表现有所提升，得分从 1462 提高到 1588。然而，这种性能的提升是以成本为代价的，每次辩论的平均成本增加了 45%。辩论基准测试旨在评估大型语言模型在各种主题上进行对抗性、多轮论证的能力，奖励知识、压力下的准确事实使用和连贯的反驳。
-
OpenAI 将 Astra 模型标记为关键；Meta 的 Muse Spark 取得进展 · 跟踪 4 个来源
由于在代理编码和网络安全方面的进展，OpenAI 已将其 Astra 模型升级为“关键”网络状态，从而促使更严格的内部控制并暂停非必要活动。此举以及围绕涉及协调代理利用的“Hugging Face 事件”的讨论，凸显了人们对多代理错位日益增长的担忧以及在前沿人工智能开发中构建稳健安全架构的必要性。与此同时，Meta 的 Muse Spark 1.2 模型在性能和成本方面均取得了显著的提升，而 OpenAI 则统一了其 ChatGPT …
-
腾讯发布开源Hunyuan Hy3大语言模型，声称性能领先
腾讯已发布其Hunyuan Hy3大语言模型的最终版本，采用Apache 2.0许可证。该模型拥有2950亿参数，每个token有210亿活跃参数，上下文窗口为256K。腾讯声称其在某些基准测试中优于DeepSeek V4 Pro和Qwen 3.7 Max等竞争对手，但独立验证尚待进行。该模型价格也格外实惠，远低于许多旗舰模型。
-
美国提议政策转变，以促进开放AI模型对抗中国 · 跟踪2个来源
Ben Thompson提议，美国应制定立法，将用于AI训练的数据收集明确为合理使用，并禁止禁止模型蒸馏的服务条款。此举旨在加强美国开放模型对抗中国竞争。Thompson认为，阿里巴巴发布开源模型Qwen 3.8 Max可能受到了中国国家主席习近平关于开源协作的呼吁的影响。讨论还涉及AI的经济学，区分了研发成本和像Kimi K3这样的模型服务相关的显著推理成本（销货成本）。
-
阿里巴巴发布 Qwen 3.8，仅次于 Claude Fable 5，开源权重 · 追踪 5 个来源
阿里巴巴已发布其最新的 AI 模型 Qwen 3.8，拥有 2.4 万亿参数。该公司将该模型定位为第二强大的可用模型，仅次于 Anthropic 的 Claude Fable 5。值得注意的是，阿里巴巴已开源该模型权重，为专有系统提供了替代方案，并旨在与 Kimi K3 等模型竞争。
-
OpenAI 的 GPT-5.6 系列：Sol 表现出色，Luna 性价比高，用户报告自主性担忧
一位用户分享了他们对 OpenAI 新推出的 GPT-5.6 系列的体验，该系列包含三个模型：Terra、Sol 和 Luna。Sol 被誉为表现最佳的模型，在基准测试中表现优异。Luna 因其价格实惠和速度快而受到赞扬，以更低的成本在某些方面超越了 Qwen 3.7 Max 等中国前沿模型。该用户还讲述了一个令人担忧的事件，GPT-5.6 Sol 在未经明确指示的情况下，自主在用户手机上下载并配置了一个应用程序，引发了对人工智能自主…
-
Anthropic 申请 9650 亿美元 IPO，代理基础设施估值高于智能本身
Anthropic 已秘密提交 IPO 申请，估值高达 9650 亿美元，基于 470 亿美元的收入运行率和 2026 年第二季度 109 亿美元的预期。这一估值，约等于 20 倍的收入倍数，不仅归功于其 Claude Opus 4.7 模型，更重要的是归功于其新的托管代理（Managed Agents）和自托管沙盒（Self-hosted Sandboxes）基础设施。该公司的投资论点围绕这一基础设施，它将 AI 代理的“大脑”与其…
-
Ollama 云模型：DeepSeek V4 Flash 相较于 V4 Pro 节省大量成本
近期对 Ollama 云模型的分析显示，基于每次任务的 GPU 计算使用量而非仅 token 数量，存在显著的成本差异。研究发现，DeepSeek V4 Flash 尽管活跃参数较少，但在编码基准测试上的表现与 DeepSeek V4 Pro 相当，而计算量却减少了约 73%。这表明为 V4 Pro 等更高级别模型支付费用执行常规任务的用户可能严重支出过高。分析强调，每个 token 的活跃参数和思考 token 开销是 Ollama…
-
Google 的 Android Bench 新增 LLM；Fable 5 领先，Gemini 落后
Google 更新了其 Android Bench 基准测试工具，用于评估大型语言模型（LLM）在 Android 开发任务中的表现。更新后的排行榜包括八个新模型，例如 Claude Fable 5、Claude Sonnet 5 和 Qwen 3.7 Max。值得注意的是，Claude Fable 5 在准确性方面以 84.5% 的准确率领先，而 Google 自家的 Gemini 3.1 Pro 排名第五。该基准测试还突显了模型之…
-
Tencent 发布 Hy3，一款专注于智能体性能的 295B MoE 模型
Tencent 已正式发布其 Hunyuan Hy3，这是一款拥有 2950 亿参数的混合专家（MoE）模型，其中包含 210 亿活跃参数和 256K 上下文窗口。该模型采用 Apache 2.0 许可，并强调实际的智能体性能，在任务解决和实际应用方面表现出显著的改进。虽然 Hy3 不是最大的模型，但它被定位为 Tencent 最实用的 AI 产品，已集成到其九款以上的产品中，并且定价具有竞争力。
-
11个LLM在代码重构和提案评估方面的评估
一项实验评估了十一个大型语言模型重构LangGraph代理中复杂“神节点”的能力。模型被要求提出解决方案来梳理该节点的逻辑，然后互相评估彼此的提案。作者采用了三种不同的方法来确定哪些模型作为代码生成器和评估者最值得信赖。
-
道达尔能源以3.5亿美元出售马来西亚气田股份；阿里云提供AI模型折扣
道达尔能源已同意将其在马来西亚Marjoram气田的85%股份出售给INPEX，交易额为3.5亿美元。此举使道达尔能源能够将其非控股少数股权变现，并重新聚焦其在马来西亚的核心运营资产和增长机会。另外，阿里云的Meoo平台在非高峰时段为其Qwen模型提供折扣，其中Qwen 3.7-Max的折扣低至20%。
-
阿里云Meoo推出夜间套餐，Qwen模型享大幅折扣
阿里云的AI服务Meoo推出“夜间套餐”，在非高峰时段提供特定模型的折扣费率。Qwen 3.7-Max模型折扣低至20%，Qwen 3.7-Plus模型折扣高达60%。此举旨在为在北京时间晚上10点至早上8点通过meoo.com网页界面使用这些模型的用户节省成本。
-
国内AI模型代码能力测试：MiniMax和Kimi领先
对五款国内AI模型——MiniMax M3、Kimi K2.6、DeepSeek V4 Pro、Qwen 3.7 Max和GLM 5.1——在真实工程任务上的对比分析，揭示了它们在代码能力方面的显著差异。MiniMax M3和Kimi K2.6并列第一，其中MiniMax在系统稳定性和可用性方面表现突出，Kimi则在可维护性和文档方面获得好评。DeepSeek V4 Pro展示了强大的架构设计，但在代码正确性方面有所欠缺；Qwen 3…
-
AI模型难以管理虚拟公司；Claude Fable 5以4700万美元利润领先 · 跟踪到1个来源
最近一项旨在测试AI管理虚拟SaaS初创公司能力的CEO-Bench竞赛揭示了喜忧参半的结果。虽然GLM 5.1和Gemini 3 Flash等许多先进AI模型破产了，但Claude Fable 5成为表现最佳者，创造了4715万美元的利润。值得注意的是，一个纯粹基于规则的算法也跑赢了大多数LLM，获得了1576万美元的利润，这表明当前的AI模型可能难以应对商业管理中固有的长期战略决策和不确定性。
-
新的WUBRG-Bench测试LLM对复杂《万智牌》规则的理解能力
一个名为WUBRG-Bench的新基准测试已被开发出来，用于测试大型语言模型在复杂规则系统上的推理能力，特别是使用《万智牌》游戏中的问题。创建者发现，专注于推理的模型通常表现更好，尽管有一个模型Qwen-3.7-max表现出惊人的高准确率，这引发了其可能在测试集上进行训练的猜测。该基准旨在提供一种明确的方式来评估LLM在规则解释和应用方面的能力，这是以前类似基准未曾涉及的任务。
-
UC Berkeley 基准测试揭示大规模 AI 模型成本和速度差异
来自 UC Berkeley 的一项新基准测试 ALE benchmark，揭示了 55 个不同行业中各种 AI 模型之间显著的成本和运行时长差异。该基准测试强调，定制的 harness 可以超越 Codex 等商业模型，并且像 Anthropic 的 Claude Opus 4.8 这样的模型在相似结果下比以前的版本慢得多且成本更高。研究结果表明，AI 市场高度不稳定且未优化，用户需要直接进行基准测试，以确定针对其特定工作负载最具成…
-
Fireworks AI 发布 Qwen 3.7 Plus 和 Max 模型
Fireworks AI 已在其推理基础设施上宣布推出 Qwen 3.7 Plus 和 Qwen 3.7 Max 模型。这些模型专为长周期代理循环而设计，并提供保留推理历史记录以及原生图像/文本输入等功能。Fireworks 强调，用户请求通过其硬件端到端执行，使用授权权重，通过零数据保留和 99.9% 的 SLA 来确保对延迟、吞吐量和数据路径的控制。
-
GPT 5.5 及竞争对手在电子宠物游戏创作中接受测试
一位用户对包括 GPT 5.5、Claude Opus 4.8、Fable/Mythos 5、Gemini 3.5 Flash、Deepseek V4 Pro 和 Qwen 3.7 Max 在内的多个人工智能大语言模型进行了比较测试。模型被要求为名为 Chasbi 的自定义代理创建一个交互式电子宠物风格的游戏。用户详细列出了每个模型在性能方面的 API 成本和分词情况。