alibaba

Qwen 3.7 Max

Qwen 3.7 Max ist das flagship AI model von Alibaba für tiefgreifendes reasoning und Agentic AI-Aufgaben, ausgestattet mit einem 256k context window und...

Thinking ModelCoding AssistantAgentic AIAlibaba CloudMoE Architecture
alibaba logoalibabaQwen320. Mai 2026
Kontext
256KToken
Max. Ausgabe
66KToken
Eingabepreis
$1.20/ 1M
Ausgabepreis
$6.00/ 1M
Modalität:Text
Fähigkeiten:ToolsStreamingLogik
Benchmarks
GPQA
92.4%
GPQA: Wissenschafts-Q&A auf Hochschulniveau. Ein anspruchsvoller Benchmark mit 448 Multiple-Choice-Fragen in Biologie, Physik und Chemie, erstellt von Fachexperten. Doktoranden erreichen nur 65-74% Genauigkeit, während Laien selbst mit unbegrenztem Webzugang nur 34% schaffen (daher 'Google-sicher'). Qwen 3.7 Max erreichte 92.4% bei diesem Benchmark.
HLE
38.2%
HLE: Expertenwissen-Reasoning. Testet die Fähigkeit eines Modells, Expertenwissen in spezialisierten Bereichen zu demonstrieren. Bewertet tiefes Verständnis komplexer Themen, die professionelles Wissen erfordern. Qwen 3.7 Max erreichte 38.2% bei diesem Benchmark.
MMLU
92.8%
MMLU: Massives Multitask-Sprachverständnis. Ein umfassender Benchmark mit 16.000 Multiple-Choice-Fragen zu 57 akademischen Fächern wie Mathematik, Philosophie, Jura und Medizin. Testet breites Wissen und Reasoning-Fähigkeiten. Qwen 3.7 Max erreichte 92.8% bei diesem Benchmark.
MMLU Pro
82%
MMLU Pro: MMLU Professional Edition. Eine erweiterte Version von MMLU mit 12.032 Fragen im schwereren 10-Optionen-Format. Umfasst Mathematik, Physik, Chemie, Jura, Ingenieurwesen, Wirtschaft, Gesundheit, Psychologie, Business, Biologie, Philosophie und Informatik. Qwen 3.7 Max erreichte 82% bei diesem Benchmark.
SimpleQA
45%
SimpleQA: Faktische Genauigkeits-Benchmark. Testet die Fähigkeit eines Modells, akkurate, faktische Antworten auf einfache Fragen zu geben. Misst Zuverlässigkeit und reduziert Halluzinationen bei Wissensabruf. Qwen 3.7 Max erreichte 45% bei diesem Benchmark.
IFEval
95%
IFEval: Anweisungsbefolgungs-Evaluation. Misst, wie gut ein Modell spezifische Anweisungen und Einschränkungen befolgt. Testet die Fähigkeit, Formatierungsregeln, Längenbegrenzungen und andere explizite Anforderungen einzuhalten. Qwen 3.7 Max erreichte 95% bei diesem Benchmark.
AIME 2025
99.7%
AIME 2025: Amerikanische Mathematik-Olympiade. Wettbewerbsmathematik-Aufgaben aus der renommierten AIME-Prüfung für talentierte Oberstufenschüler. Testet fortgeschrittenes mathematisches Problemlösen, das abstraktes Denken erfordert. Qwen 3.7 Max erreichte 99.7% bei diesem Benchmark.
MATH
94.8%
MATH: Mathematisches Problemlösen. Ein umfassender Mathematik-Benchmark für Problemlösung in Algebra, Geometrie, Analysis und anderen mathematischen Bereichen. Erfordert mehrstufiges Reasoning und formales mathematisches Wissen. Qwen 3.7 Max erreichte 94.8% bei diesem Benchmark.
GSM8k
99.2%
GSM8k: Grundschul-Mathematik 8K. 8.500 Mathematik-Textaufgaben auf Grundschulniveau, die mehrstufiges Reasoning erfordern. Testet grundlegende Arithmetik und logisches Denken durch Alltagsszenarien. Qwen 3.7 Max erreichte 99.2% bei diesem Benchmark.
MGSM
98%
MGSM: Mehrsprachige Grundschul-Mathematik. Der GSM8k-Benchmark übersetzt in 10 Sprachen inkl. Spanisch, Französisch, Deutsch, Russisch, Chinesisch und Japanisch. Testet mathematisches Reasoning in verschiedenen Sprachen. Qwen 3.7 Max erreichte 98% bei diesem Benchmark.
SWE-Bench
60.6%
SWE-Bench: Software-Engineering-Benchmark. KI-Modelle versuchen, echte GitHub-Issues in Open-Source-Python-Projekten zu lösen, mit menschlicher Verifizierung. Testet praktische Software-Engineering-Fähigkeiten. Top-Modelle stiegen von 4,4% (2023) auf über 70% (2024). Qwen 3.7 Max erreichte 60.6% bei diesem Benchmark.
HumanEval
94.5%
HumanEval: Python-Programmieraufgaben. 164 handgeschriebene Programmieraufgaben, bei denen Modelle korrekte Python-Funktionsimplementierungen generieren müssen. Jede Lösung wird durch Unit-Tests verifiziert. Top-Modelle erreichen heute 90%+. Qwen 3.7 Max erreichte 94.5% bei diesem Benchmark.
LiveCodeBench
78.2%
LiveCodeBench: Live-Coding-Benchmark. Testet Programmierfähigkeiten mit kontinuierlich aktualisierten, realen Programmieraufgaben. Anders als statische Benchmarks verwendet er frische Aufgaben, um Datenkontamination zu verhindern. Qwen 3.7 Max erreichte 78.2% bei diesem Benchmark.
Terminal-Bench
69.7%
Terminal-Bench: Terminal/CLI-Aufgaben. Testet die Fähigkeit, Kommandozeilen-Operationen auszuführen, Shell-Skripte zu schreiben und in Terminal-Umgebungen zu navigieren. Misst praktische Systemadministrations- und Entwickler-Workflow-Fähigkeiten. Qwen 3.7 Max erreichte 69.7% bei diesem Benchmark.
ARC-AGI
12.4%
ARC-AGI: Abstraktion & Reasoning. Abstraction and Reasoning Corpus für AGI - testet fluide Intelligenz durch neuartige Mustererkennungs-Puzzles. Jede Aufgabe erfordert das Entdecken der zugrundeliegenden Regel aus Beispielen und misst allgemeine Reasoning-Fähigkeit statt Auswendiglernen. Qwen 3.7 Max erreichte 12.4% bei diesem Benchmark.

Über Qwen 3.7 Max

Erfahren Sie mehr über die Fähigkeiten, Funktionen und Einsatzmöglichkeiten von Qwen 3.7 Max.

High-Order Reasoning Engine

Qwen 3.7 Max ist ein massives Mixture-of-Experts-System mit rund 1,6 Billionen Parametern. Es wurde als logikorientierte Engine für hochkomplexe Entwicklungs- und Forschungsaufgaben konzipiert. Das model integriert einen nativen Always-On Thinking-Modus, der das model dazu zwingt, Logik zu verifizieren und Schritte zu planen, bevor eine Antwort generiert wird. Diese architektonische Entscheidung reduziert logische Drift in langen Ausgaben erheblich und bietet eine verlässliche Grundlage für Softwarearchitektur und mathematische Beweisführungen.

Architektur für autonome Agenten

Dieses model dient als spezialisierte Basis für die nächste Generation autonomer Agenten. Der Fokus liegt auf der Verwaltung langfristiger Aufgaben und komplexer Tool-Nutzung. In internen Evaluierungen hielt das model die logische Kohärenz über Sitzungen von mehr als 30 Stunden aufrecht und verwaltete Tausende sequenzieller tool calls, um hardwarenahe Engineering-Probleme zu lösen. Während das model auf Text und Code optimiert ist, um eine hohe Reasoning-Dichte beizubehalten, lässt es sich über Multi-Agent-Orchestrierung problemlos mit externen Vision- oder Audio-Modulen integrieren.

Effizienz bei großen Kontexten

Mit einem 256.000-token context window unterstützt das model die Analyse umfangreicher Repositories und komplexe Dokumentenabrufe. Es behält eine hohe Abrufgenauigkeit bei, selbst wenn sich das Fenster füllt, was es ideal für die juristische Recherche (Legal Discovery) und RAG-Workflows auf Unternehmensebene macht. Die wettbewerbsfähige Preisstruktur ermöglicht es Entwicklern, frontier-level Logik zu einem Bruchteil der Kosten vergleichbarer models westlicher Labore einzusetzen.

Qwen 3.7 Max

Anwendungsfälle für Qwen 3.7 Max

Entdecken Sie die verschiedenen Möglichkeiten, Qwen 3.7 Max für großartige Ergebnisse zu nutzen.

Autonome Kernel-Entwicklung

Das model generiert und optimiert hardware-spezifische Code-Kernel für neue Chips ohne vorhandene Dokumentation durch rekursive tool calls.

Refactoring von Unternehmens-Repos

Qwen 3.7 Max analysiert gesamte Legacy-Software-Repositories, um Frameworks zu aktualisieren und technische Schulden abzubauen, während die logische Konsistenz gewahrt bleibt.

Langfristige Agent-Planung

Es verwaltet mehrstufige Workflows, die autonome Entscheidungsfindung und Planung über kontinuierliche Sitzungen von mehr als 30 Stunden erfordern.

Überprüfung wissenschaftlicher Forschung

Forscher nutzen das model, um komplexe mathematische Beweise zu verifizieren und mehrstufige wissenschaftliche Fragestellungen mit hoher logischer Genauigkeit zu lösen.

Fortgeschrittene Finanzrisikomodellierung

Das model wertet Tausende von Seiten an Finanzdaten aus, um Anomalien zu identifizieren und den ROI mit strukturierter Logik zu prognostizieren.

Framework-übergreifendes UI-Engineering

Es erstellt funktionale Frontend-Prototypen mit integriertem State-Management und komplexer Logik direkt aus übergeordneten Anweisungen in natürlicher Sprache.

Stärken

Einschränkungen

Erstklassige Reasoning-Effizienz: Das model erreicht 92,4 % auf dem GPQA-benchmark und kommt an die leistungsfähigsten reasoning-models heran oder übertrifft diese bei einem Bruchteil der Kosten.
Flagship nur für Text: Der Max-Variante fehlt eine native Vision- und Audio-Unterstützung, was bei multimodalen Workflows einen Modellwechsel erfordert.
Kompetenz für autonome Agenten: Mit einem Wert von 69,7 im Terminal-Bench zeichnet es sich durch die Navigation in realen Terminal-Umgebungen und das Management autonomer tool calls aus.
Lücke im ästhetischen Design: Obwohl logisch fundiert, fehlt es generierten UI-Elementen und kreativen Inhalten oft an der visuellen Finesse, die man bei Wettbewerbern wie Claude findet.
Massive MoE-Skalierung: Die 1.6T parameter Mixture-of-Experts-Architektur gewährleistet eine hohe Spezialisierung für vielfältige Aufgaben, ohne die allgemeine Logik zu verlieren.
Instabilität in der Vorschau: Frühe Preview-Versionen zeigten gelegentlich logische Schleifen bei extrem langen Dokumentenextrakten im Vergleich zu den stabilen 3.6-Builds.
Präzision bei der Befolgung von Anweisungen: Ein Score von 95,0 % beim IFEval-benchmark demonstriert eine überragende Fähigkeit, komplexe, mehrschichtige Formatierungs- und Logikanweisungen einzuhalten.
Regionaler Kontext-Bias: Dokumentationen und standardmäßige kulturelle Referenzen können gelegentlich östliche Märkte bevorzugen, was sich auf einige westliche Nischen-Kreativaufgaben auswirken kann.

API-Schnellstart

alibaba/qwen-3.7-max

Dokumentation anzeigen
alibaba SDK
import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.QWEN_API_KEY,
  baseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1",
});

async function runReasoningTask() {
  const completion = await client.chat.completions.create({
    model: "qwen-3.7-max",
    messages: [
      { role: "system", content: "You are a senior software architect." },
      { role: "user", content: "Analyze this legacy kernel for potential race conditions." }
    ],
    temperature: 0.1,
  });
  console.log(completion.choices[0].message.content);
}

runReasoningTask();

Installieren Sie das SDK und beginnen Sie in wenigen Minuten mit API-Aufrufen.

Was die Leute über Qwen 3.7 Max sagen

Sehen Sie, was die Community über Qwen 3.7 Max denkt

Chinas neues Qwen 3.7 ist Wahnsinn. Es hat in unter 5 Minuten einen SEO-ROI-Rechner mit vier komplexen Inputs gebaut. Das Silicon Valley wird nervös.
Julian Goldie
youtube
Qwen3.7-Max ist ein 1.6T parameter model. Der Qualitätssprung in nur einem Monat seit 3.6 ist die schnellste Iteration, die ich je gesehen habe.
AJ
twitter
Der Fortschritt bei NL2Repo ist die eigentliche Nachricht. Sie behaupten, mit Claude Opus beim Coding auf Repository-Ebene gleichgezogen zu haben.
TeortaxesTex
twitter
Qwen bewegt sich endlich weg von den Overthinking-Schleifen von 3.5. Die 3.7 Max-Preview ist viel entscheidungsfreudiger und behält dabei die logische Tiefe bei.
LocalLLaMA
reddit
Qwen 3.7 Max ist gerade das erste model geworden, das Claude Opus 4.6 bei technischen Aufgaben ernsthaft herausfordert und in einigen Fällen schlägt.
TechInsights
twitter
Habe QWEN 3.6 27B lokal zum Laufen gebracht, aber die Cloud-Performance von 3.7 Max ist bei komplexem Reasoning auf einem ganz anderen Level.
DevArchitect
hackernews

Videos über Qwen 3.7 Max

Schauen Sie Tutorials, Rezensionen und Diskussionen über Qwen 3.7 Max

Der Chain-of-Thought-Prozess ist im Vergleich zu früheren Iterationen außergewöhnlich schnell.

Dies ist erst das zweite Mal, dass ich sehe, wie ein model Einschusslöcher korrekt in die Umgebung einfügt.

Die logische Konsistenz beim Debuggen von Code über mehrere Turns hinweg ist deutlich stabiler als in der 3.6-Preview.

Es verarbeitet das 256k context window mit nahezu null Verlusten bei der 'Needle-in-a-Haystack'-Suche.

Dieses model ist das Bindeglied zwischen statischer Completion und echter autonomer Planung.

Das context window beträgt 256K tokens für Max und ist, wichtig, nur für Text ausgelegt.

Wir beobachten im Vergleich zu 3.5 deutlich weniger 'Thinking' oder 'Overthinking'.

Die Leistung in terminal-basierten Umgebungen legt nahe, dass es tatsächlich einen Server verwalten kann.

Qwen 3.7 Max ist deutlich günstiger für Unternehmens-Workloads, die High-End-Logik erfordern.

Es kämpft nicht mit denselben Problemen bei der kulturellen Ausrichtung wie einige frühere models.

Die Qwen 3.7 Max Preview landete insgesamt auf Platz 13 in der Text Arena.

Der Thinking-Modus bedeutet, dass das model Probleme in kleinere Schritte zerlegt, bevor es antwortet.

Es baut komplexe Taschenrechner in unter fünf Minuten mit perfektem State-Management.

Es ist speziell auf Agentic AI optimiert, das heißt, es handelt, anstatt nur zu reden.

Die Preisgestaltung ist ein direkter Angriff auf die Dominanz von OpenAI im Entwicklermarkt.

Mehr als nur Prompts

Optimieren Sie Ihren Workflow mit KI-Automatisierung

Automatio kombiniert die Kraft von KI-Agenten, Web-Automatisierung und intelligenten Integrationen, um Ihnen zu helfen, mehr in weniger Zeit zu erreichen.

KI-Agenten
Web-Automatisierung
Intelligente Workflows

Pro-Tipps für Qwen 3.7 Max

Expertentipps, um das Beste aus Qwen 3.7 Max herauszuholen.

Logikprüfung erzwingen

Fügen Sie den Hinweis „Überprüfe deine Gedankenschritte, bevor du den finalen Code bereitstellst“ hinzu, um den nativen deliberativen reasoning-Modus des models auszulösen.

Context Caching nutzen

Bei Aufgaben, die dieselbe umfangreiche Codebasis betreffen, sollten Sie Context Caching verwenden, um die latency zu verringern und den Input-token-Verbrauch zu senken.

Phasen-Checklisten definieren

Geben Sie für komplexe Aufgaben eine nummerierte Checkliste vor, um sicherzustellen, dass das model bei langwierigen Generierungen keine Zwischenschritte auslässt.

Design-Parameter einschränken

Geben Sie beim Generieren von UI spezifische CSS-Variablen für das Styling an, um den Fokus des models auf Logik statt auf Ästhetik auszugleichen.

Erfahrungsberichte

Was Unsere Nutzer Sagen

Schliessen Sie sich Tausenden zufriedener Nutzer an, die ihren Workflow transformiert haben

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Verwandte AI Models

google

Gemini 3 Pro

Google

Google's Gemini 3 Pro is a multimodal powerhouse featuring a 1M token context window, native video processing, and industry-leading reasoning performance.

1M context
$2.00/$12.00/1M
openai

GPT-5.2 Pro

OpenAI

GPT-5.2 Pro is OpenAI's 2025 flagship reasoning model featuring Extended Thinking for SOTA performance in mathematics, coding, and expert knowledge work.

400K context
$21.00/$168.00/1M
anthropic

Claude Opus 4.6

Anthropic

Claude Opus 4.6 is Anthropic's flagship model featuring a 1M token context window, Adaptive Thinking, and world-class coding and reasoning performance.

1M context
$5.00/$25.00/1M
openai

GPT-5.5

OpenAI

GPT-5.5 is OpenAI's flagship frontier model with a 1M context window and five reasoning effort levels, optimized for autonomous agentic workflows and coding.

1M context
$5.00/$30.00/1M
xai

Grok-3

xAI

Grok-3 is xAI's flagship reasoning model, featuring deep logic deduction, a 128k context window, and real-time integration with X for live research and coding.

1M context
$3.00/$15.00/1M
google

Gemini 3.1 Flash Live Preview

Google

Gemini 3.1 Flash Live Preview is Google's ultra-low-latency, audio-to-audio model featuring a 131K context window, high-fidelity multimodal reasoning, and...

131K context
$0.75/$4.50/1M
anthropic

Claude Opus 4.7

Anthropic

Claude Opus 4.7 is Anthropic's flagship model with a 1-million-token context, adaptive reasoning, and 3.3x vision resolution for enterprise-scale agents.

1M context
$5.00/$25.00/1M
moonshot

Kimi k2.6

Moonshot

Kimi k2.6 is Moonshot AI's 1T-parameter MoE model featuring a 256K context window, native video input, and elite performance in autonomous agentic coding.

256K context
$0.95/$4.00/1M

Häufig gestellte Fragen zu Qwen 3.7 Max

Finden Sie Antworten auf häufige Fragen zu Qwen 3.7 Max