Qwen3.7‑Max โมเดล AI ของ Alibaba ที่ถูกออกแบบมาเพื่อยุคของ Autonomous Agents

Alibaba ระบุว่าความสามารถหลักของโมเดลนี้ ได้แก่

• การให้เหตุผลขั้นสูงสำหรับปัญหาหลายขั้นตอน
• งานวิศวกรรมซอฟต์แวร์ เช่น เขียนและดีบักโค้ด
• การเรียกใช้เครื่องมือและเชื่อมต่อระบบภายนอก
• การทำงานระยะยาวที่อาจมีหลายร้อยหรือหลายพันขั้นตอน

แนวคิดนี้สะท้อนเทรนด์ใหม่ของอุตสาหกรรม AI: จากระบบที่สร้างคำตอบ กลายเป็นระบบที่ ทำงานแทนผู้ใช้ได้จริง

ความสามารถทำงานอัตโนมัติระยะยาว

หนึ่งในเดโมที่ถูกพูดถึงมากที่สุดของ Qwen3.7‑Max คือความสามารถในการทำงานอัตโนมัติเป็นเวลานาน

รายงานจาก Alibaba และสื่อเทคโนโลยีระบุว่า ในการทดลองภายใน โมเดลสามารถทำกระบวนการ ปรับแต่ง kernel ของระบบต่อเนื่อง 35 ชั่วโมง โดยมีการเรียกใช้เครื่องมือมากกว่า 1,000 ครั้ง ระหว่างกระบวนการ

ลักษณะการทำงานของ agent ในตัวอย่างนี้คือ

1. วิเคราะห์เป้าหมาย
2. แยกงานออกเป็นขั้นตอนย่อย
3. เขียนโค้ดหรือสร้างคำสั่ง
4. เรียกใช้เครื่องมือหรือรันทดสอบ
5. วิเคราะห์ผลลัพธ์และปรับปรุงต่อ

สำหรับโมเดลภาษา การรักษาความต่อเนื่องของเหตุผลตลอดหลายร้อยหรือหลายพันขั้นตอนถือว่าเป็นความท้าทายทางเทคนิคอย่างมาก

อย่างไรก็ตาม การทดลอง 35 ชั่วโมงนี้ยังถือเป็น ผลลัพธ์ที่รายงานโดยบริษัทผู้พัฒนา และจำเป็นต้องมีการทดสอบซ้ำโดยอิสระเพื่อยืนยันในวงกว้าง

คะแนน Benchmark และอันดับ

ข้อมูล benchmark ในช่วงแรกแสดงให้เห็นว่า Qwen3.7‑Max อยู่ในกลุ่มโมเดลระดับแนวหน้าของโลก แม้ยังไม่ใช่อันดับหนึ่งทั้งหมด

Artificial Analysis Intelligence Index

บนดัชนี Artificial Analysis Intelligence Index ซึ่งรวมผลทดสอบหลาย benchmark เข้าด้วยกัน โมเดลนี้ได้คะแนนประมาณ 57

ระดับนี้ถือว่าอยู่ในกลุ่มโมเดลชั้นนำของอุตสาหกรรม แม้ว่าระบบจากบริษัทอย่าง OpenAI จะยังมีคะแนนสูงกว่าเล็กน้อยในบางกรณี

อันดับใน LM Arena

ในแพลตฟอร์มทดสอบแบบ crowdsourced อย่าง LM Arena รุ่น preview ของโมเดลได้

• คะแนน Elo ประมาณ 1,475
• อันดับประมาณ ที่ 13 ของโลกในด้านข้อความ

คะแนนย่อยที่รายงาน ได้แก่

• ประมาณ อันดับ 7 ในการแก้โจทย์คณิตศาสตร์
• อันดับ 9 ในคำถามระดับผู้เชี่ยวชาญ
• อันดับ 10 ในงานเขียนโค้ด

ผลลัพธ์เหล่านี้ยังทำให้ Qwen3.7‑Max กลายเป็น โมเดล AI จากจีนที่มีอันดับสูงที่สุดใน Arena ในช่วงเวลาที่เปิดตัว

จุดแข็งด้านการเขียนโค้ดและ AI Agent

Alibaba วางตำแหน่ง Qwen3.7‑Max ให้เป็น coding‑focused agent model หรือโมเดลที่เหมาะกับการเป็นเอเจนต์สำหรับนักพัฒนา

ตัวอย่างงานที่โมเดลถูกออกแบบมาเพื่อรองรับ ได้แก่

• การพัฒนาซอฟต์แวร์หลายไฟล์
• การดีบักและปรับปรุงประสิทธิภาพโค้ด
• การปรับแต่ง GPU หรือ kernel
• การรันชุดทดสอบอัตโนมัติแบบวนลูป

สถาปัตยกรรมของโมเดลสามารถทำงานร่วมกับเครื่องมือ เช่น compiler, interpreter, API หรือ environment สำหรับนักพัฒนา ทำให้ AI สามารถแก้ไขโค้ด ทดสอบ และปรับปรุงได้หลายรอบจนได้ผลลัพธ์ที่ต้องการ

Context Window และการรองรับข้อมูลขนาดใหญ่

ตระกูลโมเดล Qwen มีการพัฒนาเรื่อง context window ขนาดใหญ่ มาอย่างต่อเนื่อง

เอกสารของ Alibaba Cloud สำหรับโมเดลในตระกูลเดียวกันระบุว่าบางรุ่นรองรับ context ได้ตั้งแต่ หลายแสนจนถึงประมาณหนึ่งล้านโทเค็น

อย่างไรก็ตาม เอกสารทางการยังไม่ได้ยืนยันอย่างชัดเจนว่า Qwen3.7‑Max รองรับ 1 ล้านโทเค็นเต็มรูปแบบหรือไม่ ดังนั้นตัวเลขนี้ควรตีความด้วยความระมัดระวังจนกว่าจะมี model card หรือเอกสาร API อย่างเป็นทางการ

การใช้งานจริงในองค์กร

Alibaba มองว่า Qwen3.7‑Max เป็นโครงสร้างพื้นฐานสำหรับ AI agent ในระดับองค์กร

ตัวอย่างการใช้งานที่ถูกกล่าวถึง ได้แก่

การพัฒนาซอฟต์แวร์

• สร้างโค้ดอัตโนมัติ
• วิเคราะห์ codebase ขนาดใหญ่
• ดีบักและ refactor
• ปรับแต่งฮาร์ดแวร์หรือ kernel

งานสำนักงานและเวิร์กโฟลว์

• สรุปหรือแก้ไขเอกสาร
• ทำงานหลายขั้นตอนในเครื่องมือ productivity
• ระบบอัตโนมัติของกระบวนการธุรกิจ

การดำเนินงานองค์กร

• วิเคราะห์ข้อมูล
• ระบบบริการลูกค้า
• การจัดการ workflow ภายในองค์กร

ในสถานการณ์เหล่านี้ AI ไม่ได้เพียงสร้างข้อความ แต่สามารถ วางแผน เรียกใช้เครื่องมือ และทำชุดการกระทำจนบรรลุเป้าหมายได้

บทบาทในการแข่งขัน AI โลก

ในระบบนิเวศ AI ของจีน Qwen3.7‑Max ถูกมองว่าเป็นหนึ่งในโมเดลที่มีศักยภาพสูงที่สุดในช่วงเปิดตัว โดยมีคะแนน benchmark ที่เหนือกว่าระบบจากหลายบริษัทจีน

อย่างไรก็ตาม ในเวทีระดับโลก โมเดลยังคงตามหลังระบบที่ทรงพลังที่สุดจากบริษัทสหรัฐบางรายเล็กน้อยใน benchmark แบบรวม

ภาพรวมนี้สะท้อนการแข่งขันที่รุนแรงในอุตสาหกรรม AI ซึ่งกำลังแข่งขันกันในหลายมิติ เช่น

• ความสามารถด้าน reasoning
• ประสิทธิภาพในการเขียนโค้ด
• ต้นทุนการใช้งาน
• ความสามารถของระบบ agent

การเปลี่ยนผ่านครั้งใหญ่ของ AI

สิ่งสำคัญของ Qwen3.7‑Max ไม่ใช่แค่คะแนน benchmark

แต่มันสะท้อนการเปลี่ยนแปลงของ AI รุ่นใหม่ที่กำลังมุ่งสู่ระบบ autonomous agents ซึ่งสามารถ

• วางแผนงานหลายขั้นตอน
• ใช้เครื่องมือซอฟต์แวร์
• ทำงานต่อเนื่องเป็นเวลานาน
• ปรับปรุงผลลัพธ์จนกว่าจะสำเร็จ

กล่าวได้ว่า Qwen3.7‑Max เป็นหนึ่งในตัวอย่างที่ชัดเจนของทิศทางใหม่ของ AI: จากระบบที่ “ตอบคำถาม” ไปสู่ระบบที่ “ลงมือทำงานจริง”