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
11 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.
-
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。
-
AI模型在离线YouTube播放器开发方面的比较
一位用户对包括Fable、glm-5.1、gpt-5.5、qwen-3.7-max和gemini-3.5-flash在内的多个AI模型进行了比较测试，以构建一个离线YouTube播放器。模型被要求创建一个TypeScript应用程序，该应用程序能够索引下载的YouTube视频、提供一个用于播放的网站，并同步观看进度。虽然glm-5.1和qwen-3.7-max在添加搜索功能后产生了功能性结果，但gpt-5.5尝试了更复杂的功能但引入了…
-
中国LLM为高性能管道提供80%的成本节省
一份指南详细介绍了如何通过利用中国AI模型来构建具有成本效益的LLM管道，这些模型以远低于西方替代品的价格提供具有竞争力的性能。该设置包括一个统一的API密钥，一个OpenAI兼容的SDK以便于集成，以及通过USDT支付，无需中国金融账户。DeepSeek V4、Qwen 3.7 Max和GLM-5.1等模型因其性能和成本节省而受到关注，与GPT-4o等模型相比，潜在节省高达80%。
-
Anthropic的Claude Opus 4.8快速模式便宜3倍；Qwen 3.7 Max击败Claude
Anthropic发布了Claude Opus 4.8，其快速模式的成本效益提高了三倍。另外，Qwen 3.7 Max在性能上优于Claude模型，而价格仅为其一半。此外，ChatGPT正在集成到Microsoft Excel中，增强其电子表格功能。
-
Qwen 3.7 Max 在 35 小时任务中展现出令人印象深刻的结果
文章探讨了 Qwen 3.7 Max 模型的能力，重点介绍了其在 35 小时连续任务上的表现。文章提出，为 AI 模型提供更长的运行时间、探索自由以及自我改进的能力，可以带来显著的进步和令人印象深刻的结果。
-
Ollama 默认使用量化模型；Qwen 3.7 Max 展示多模态能力
Ollama 已开始默认分发量化大语言模型，引发了用户关于模型尺寸减小与潜在质量下降之间权衡的讨论。同时，Light-Agent v0.2.1 已发布，提供了一个本地优先的命令行界面，用于在小型消费级 LLM 上运行的编码代理，其超过 1.2k 的 npm 下载量表明了社区的浓厚兴趣。此外，Qwen 3.7 Max 模型通过一次交互生成包含 AI 生成图像和视频的五页演示文稿，展示了其先进的多模态生成能力。
-
新基准评估人工智能创意写作能力
一项新的、专注于短篇故事的创意写作基准已发布。该基准通过对模型响应特定创意提示所生成的故事进行头对头比较来评估模型。早期结果显示，Baidu的Ernie 5.1在测试模型中表现最佳，而Qwen 3.7 Max、Mistral Medium 3.5和Grok 4.3的得分则显著较低。
-
Qwen 3.7 Max 未能给用户留下深刻印象，性能与 MiMo v2.5 Pro 相当
一位用户发现 Qwen 3.7 Max 未能达到他们的期望，其表现与 MiMo v2.5 Pro 相似，但成本更高。他们指出，他们特定的 AI 应用程序和上下文工具在不太冗长的模型上运行效果最佳。可能需要对 Qwen 进行进一步调整，以更好地适应这些用例。
-
Gemini-3.5-flash 在俄语文本上媲美 GPT-5.5；中国模型以更低价格击败竞争对手
新的基准测试显示，谷歌的 Gemini-3.5-flash 在长篇俄语内容上与 OpenAI 的 GPT-5.5 相当，成本降低了 2.5 倍。中国模型也展示了显著的价格性能优势，DeepSeek V4 Pro 在降价后更具成本效益。腾讯的 Hy3-preview 为 A 级性能提供了特别低成本的选择。多个来源指出 DeepSeek V4 Flash 比 GPT-4.1-mini 便宜多达 28 倍，可通过 Token China 提…