Qwen3.7‑Max: Model AI Alibaba yang Dibuat untuk Agen Otonom dan Tugas Berjangka Panjang

Menurut Alibaba, kemampuan utamanya mencakup:

• penalaran tingkat lanjut untuk pemecahan masalah multi‑langkah
• tugas rekayasa perangkat lunak seperti coding dan debugging
• penggunaan alat (tool use) dan integrasi sistem eksternal
• eksekusi workflow jangka panjang dengan ratusan hingga ribuan aksi

Pendekatan ini mencerminkan tren besar di industri AI: pergeseran dari model yang hanya menghasilkan jawaban menuju sistem yang benar‑benar menyelesaikan pekerjaan atas nama pengguna.

Tugas Otonom Berjam‑jam

Salah satu demonstrasi yang paling banyak dibicarakan dari Qwen3.7‑Max adalah kemampuannya menjalankan pekerjaan otonom dalam durasi sangat panjang.

Dalam eksperimen internal yang dilaporkan Alibaba, model ini menjalankan proses optimisasi kernel selama 35 jam secara mandiri. Selama eksperimen tersebut, sistem melakukan lebih dari 1.000 panggilan alat, menulis kode, menjalankan pengujian, menganalisis hasil, dan terus memperbaiki implementasinya.

Eksperimen tersebut menggambarkan mekanisme kerja “agent loop” yang umum pada AI agent:

1. memahami tujuan
2. memecahnya menjadi sub‑tugas
3. menghasilkan kode atau aksi
4. menjalankan alat atau tes
5. mengevaluasi hasil lalu mengulang proses

Menjaga konsistensi tujuan dalam ratusan atau ribuan langkah seperti ini merupakan tantangan teknis besar bagi model bahasa. Karena itu, demonstrasi tersebut menarik perhatian—meski tetap perlu diverifikasi secara independen karena berasal dari laporan vendor.

Benchmark dan Peringkat Kinerja

Data benchmark awal menunjukkan Qwen3.7‑Max berada di kelas atas model AI global, meskipun belum menjadi pemimpin absolut.

Artificial Analysis Intelligence Index

Dalam indeks gabungan Artificial Analysis Intelligence Index, model ini memperoleh skor sekitar 57, yang menempatkannya di antara sistem AI paling kuat saat ini.

Skor tersebut berada di level yang sama dengan beberapa model frontier dari laboratorium AI besar, meskipun model teratas dari perusahaan seperti OpenAI masih sedikit lebih tinggi dalam indeks yang sama.

Peringkat LM Arena

Pada leaderboard LM Arena—benchmark crowdsourced berbasis preferensi pengguna—versi Qwen3.7‑Max‑Preview mencapai skor sekitar 1.475 Elo dan berada di sekitar peringkat ke‑13 global untuk kemampuan teks.

Beberapa sub‑kategori yang dilaporkan meliputi:

• sekitar peringkat #7 untuk matematika
• sekitar peringkat #9 untuk prompt tingkat ahli
• sekitar peringkat #10 untuk tugas coding

Pada saat peluncuran, hasil ini juga menjadikan Qwen3.7‑Max sebagai model AI dari China dengan peringkat tertinggi di leaderboard Arena.

Fokus pada Coding dan Workflow Agen

Qwen3.7‑Max sangat diposisikan sebagai model AI untuk coding agent.

Laporan benchmark dan pengujian awal menunjukkan performa kuat pada workflow developer, seperti:

• pengembangan perangkat lunak multi‑file
• debugging dan optimisasi kode
• optimisasi GPU atau kernel tingkat rendah
• loop pengujian otomatis

Arsitektur model ini dirancang untuk bekerja bersama berbagai alat—kompiler, interpreter, API, atau lingkungan pengembangan—sehingga AI dapat berulang kali memodifikasi dan menguji kode sampai mencapai hasil yang diinginkan.

Pendekatan ini membuatnya lebih cocok sebagai agen pengembang otomatis daripada sekadar asisten prompt tunggal.

Context Window yang Sangat Panjang

Keluarga model Qwen dalam beberapa generasi terakhir juga menekankan kemampuan long context, yaitu kemampuan membaca dan memproses dokumen atau dataset sangat besar dalam satu prompt.

Dokumentasi resmi Alibaba Cloud menunjukkan beberapa model Qwen memiliki batas konteks hingga ratusan ribu hingga sekitar satu juta token, tergantung variannya.

Namun untuk Qwen3.7‑Max, spesifikasi maksimum konteks belum sepenuhnya dikonfirmasi secara resmi. Karena itu, klaim kemampuan 1 juta token masih perlu diverifikasi melalui model card atau dokumentasi API resmi.

Potensi Aplikasi di Dunia Nyata

Alibaba memposisikan Qwen3.7‑Max sebagai model infrastruktur untuk AI agent tingkat perusahaan.

Beberapa contoh penggunaan yang sering disebutkan meliputi:

Pengembangan perangkat lunak

• pembuatan kode otomatis
• debugging dan refactoring
• analisis codebase besar
• optimisasi hardware atau kernel

Otomatisasi kantor

• pengeditan dan ringkasan dokumen
• workflow multi‑langkah di aplikasi produktivitas
• otomatisasi proses bisnis

Operasi perusahaan

• analisis data
• otomatisasi layanan pelanggan
• workflow manajemen operasional

Dalam skenario ini, AI tidak hanya menghasilkan teks. Sistem merencanakan pekerjaan, memanggil alat, dan mengeksekusi serangkaian tindakan hingga tujuan tercapai.

Posisi dalam Persaingan AI Global

Di dalam ekosistem AI China, Qwen3.7‑Max tampaknya menjadi salah satu model paling kuat saat peluncuran, mengungguli beberapa model domestik lain dalam benchmark tertentu.

Namun secara global, persaingan masih ketat. Model ini berada di antara sistem AI teratas, tetapi beberapa benchmark menunjukkan ia masih sedikit tertinggal dari model frontier terkuat dari laboratorium AI Amerika Serikat.

Kondisi ini mencerminkan kompetisi global yang semakin intens di bidang AI—di mana kemajuan diukur melalui berbagai dimensi seperti penalaran, kemampuan coding, efisiensi biaya, dan kemampuan agen.

Pergeseran Besar: Dari Chatbot ke Agen AI

Hal paling penting dari Qwen3.7‑Max mungkin bukan sekadar skor benchmarknya.

Model ini menunjukkan arah baru dalam perkembangan AI: peralihan dari chatbot ke sistem agen otonom.

Alih‑alih hanya merespons prompt, model seperti ini dirancang untuk:

• merencanakan tugas multi‑langkah
• berinteraksi dengan alat perangkat lunak
• bekerja selama periode waktu yang panjang
• terus mengulang proses hingga tujuan tercapai

Qwen3.7‑Max menjadi contoh jelas dari perubahan tersebut—sebuah model yang tidak hanya berbicara, tetapi dirancang untuk benar‑benar bekerja.