Qwen3.7‑Max：阿里巴巴為自主 AI Agent 打造的新一代模型

呢類流程通常被稱為 agent loop：

1. 理解任務目標
2. 拆解成多個子任務
3. 產生程式或操作
4. 調用工具或測試
5. 評估結果再迭代

對大型語言模型嚟講，要喺幾十個鐘嘅任務中保持邏輯一致其實非常困難，因為好多模型會逐漸忘記目標或者陷入無限循環。所以呢個示範被視為 AI Agent 能力嘅一個重要指標。不過目前仍然主要來自官方示範，仍需要更多獨立測試驗證。

基準測試：全球前列，但未必第一

Artificial Analysis Intelligence Index

喺 Artificial Analysis 的 Intelligence Index 綜合評測中，Qwen3.7‑Max 得分大約 57 分，屬於全球頂級模型梯隊。

同一排行榜中，一些美國 AI 實驗室模型（例如 GPT 系列或 Claude）仍然略高，但差距已經相對接近。

LM Arena 排名

喺眾包評測平台 LM Arena 上，Qwen3.7‑Max‑Preview：

• Elo 評分約 1,475
• 文本能力 全球第 13 位

細分能力排名包括：

• 數學推理：約 第 7 位
• 專家問題／專業提示：約 第 9 位
• 編程能力：約 第 10 位

同時，呢個版本亦被認為係 當時 Arena 排名最高嘅中國 AI 模型。

強調「寫程式」同 AI Agent 工作流程

Qwen3.7‑Max 特別針對 AI 編程代理（coding agents）。

報導同測試顯示佢喺以下任務表現突出：

• 多檔案軟件開發
• 程式 debug 同優化
• GPU 或 kernel 層級優化
• 自動化測試循環

模型可以與編譯器、開發環境、API 等工具互動，並反覆修改程式直到達到目標。

呢種模式同傳統「打一個 prompt → 得到答案」完全唔同，而係 持續運作嘅 AI 工程代理。

長上下文能力

Qwen 系列模型近年亦強調 長上下文（long context） 能力。

部分 Qwen 模型已經支援 數十萬到接近 100 萬 token 的上下文視窗，可以一次處理：

• 大型程式碼庫
• 長文件
• 大量數據

不過，目前公開資料未完全確認 Qwen3.7‑Max 的最終最大上下文限制，因此常見嘅「100 萬 token」說法仍需以官方文件為準。

實際應用場景

阿里巴巴將 Qwen3.7‑Max 定位為 企業 AI Agent 的基礎模型。

常見應用包括：

軟件開發

• 自動寫程式
• Debug 同重構
• 分析大型 codebase
• GPU／kernel 優化

辦公自動化

• 文件整理與摘要
• 生產力工具流程自動化
• 複雜辦公流程管理

企業運營

• 數據分析
• 客戶服務
• 業務流程自動化

喺呢啲情境中，AI 不只生成文字，而係 規劃任務 → 調用工具 → 執行多步驟行動 去完成目標。

中美 AI 競爭格局

喺中國 AI 生態中，Qwen3.7‑Max 被視為當前最強模型之一，並喺多個測試中超越其他中國模型，例如 Kimi、DeepSeek 或 GLM 系列。

不過放眼全球，形勢更加微妙。

雖然 Qwen3.7‑Max 已經進入全球第一梯隊，但部分綜合基準測試顯示，美國頂級模型（例如 GPT、Claude、Gemini）仍然保持領先。

這反映 AI 競賽已經變成多維度競爭：

• 推理能力
• 編程能力
• 成本效率
• Agent 工作能力

一個更重要嘅趨勢：AI 從聊天走向「做事」

Qwen3.7‑Max 最重要嘅意義，其實唔係排行榜分數。

而係佢代表一個清晰趨勢——AI 正逐漸變成 自主代理（autonomous agents）。

未來嘅 AI 模型會更加強調：

• 規劃多步驟任務
• 使用軟件工具
• 長時間持續運作
• 反覆改進直到完成目標

從呢個角度睇，Qwen3.7‑Max 可以說係目前最典型嘅 Agent 時代 AI 模型之一：唔只係回答問題，而係開始真正幫人做工作。