Qwen3.7‑Max：阿里巴巴瞄準 AI 智能體時代的旗艦模型

人工智慧模型正在發生一個重要轉變：它們不再只是回答問題，而是開始自主完成真正的工作。阿里巴巴最新推出的旗艦模型 Qwen3.7‑Max，正是這一轉變的代表之一。

該模型於 2026 年阿里雲峰會（Alibaba Cloud Summit）亮相，被定位為 AI「智能體（AI agents）」的核心基礎模型。與傳統聊天機器人不同，它被設計用來規劃任務、撰寫與除錯程式、呼叫外部工具並長時間執行複雜工作流程。這意味著 AI 不只是回答問題，而是能夠直接替使用者完成任務，例如軟體開發或企業流程自動化。

什麼是 Qwen3.7‑Max

Qwen3.7‑Max 屬於阿里巴巴「通義千問（Qwen）」大型語言模型家族的最新成員，特別針對 agentic 工作負載設計，也就是 AI 需要自主拆解問題並透過工具完成多個步驟的場景。

阿里巴巴強調模型具備幾個核心能力：

• 多步驟推理與問題分解
• 軟體工程任務（編程與除錯）
• 外部工具調用與系統整合
• 能持續執行數百到數千步的長期任務

這反映整個 AI 產業的一個趨勢：從生成答案的模型，轉向能替使用者直接完成任務的 AI 系統。

長時間自主任務能力

Qwen3.7‑Max 最受關注的展示之一，是其長時間自主運行能力。

根據阿里巴巴與媒體報導，在一次內部實驗中，該模型完成了一個 長達 35 小時的核心優化（kernel optimization）任務。在整個過程中，它透過工具調用超過 1,000 次，不斷生成程式碼、執行測試、分析結果並改進實作。

這類任務通常遵循一個典型的「智能體循環」：

1. 理解目標
2. 將任務拆解為子任務
3. 生成程式或操作
4. 呼叫工具或執行測試
5. 評估結果並持續迭代

讓語言模型在如此長的工作流程中保持一致性其實非常困難。多數系統在長時間運行後容易忘記目標或陷入循環，因此這類展示備受關注——不過目前仍屬於廠商或早期報導的結果，需要更多獨立驗證。

基準測試與性能排名

早期測試結果顯示，Qwen3.7‑Max 已經進入全球 AI 模型的第一梯隊，但仍未全面領先整個產業。

Artificial Analysis Intelligence Index

在 Artificial Analysis Intelligence Index（整合多項困難測試的指標）上，Qwen3.7‑Max 得分約 57。

這一分數與多家頂級 AI 研究機構的模型接近，但目前最高分的模型仍稍微領先，例如部分 OpenAI 系列模型。

LM Arena 排名

在眾包評測平台 LM Arena（原 LMArena） 上，Qwen3.7‑Max‑Preview 的 Elo 評分約為 1,475，在文字能力排行榜上約 全球第 13 名。

預覽版在不同子榜單中的表現包括：

• 數學推理：約 第 7 名
• 專業問題（Expert prompts）：約 第 9 名
• 編程能力：約 第 10 名

同時，該模型在發布時也被認為是 Arena 排名最高的中國 AI 模型。

編程與 AI 智能體工作流程

Qwen3.7‑Max 的設計明顯偏向 AI 編程智能體（coding agents）。

報導與測試顯示，它在多種開發場景中表現突出，例如：

• 跨多檔案的軟體開發
• 程式除錯與重構
• GPU 或核心層級優化
• 自動化測試與持續迭代

模型架構能與編譯器、API、解譯器或開發工具整合，使 AI 可以反覆修改與測試程式碼，直到達到預期結果。

這種能力意味著它更像是能工作的開發代理（AI coding agent），而不是單次回答問題的助手。

長上下文與資料處理能力

Qwen 系列模型近年來的一個重點是 長上下文（long context）能力，讓 AI 可以一次閱讀大量文件、程式碼庫或資料。

官方文件顯示，部分 Qwen 模型的上下文窗口可達 數十萬到約 100 萬 tokens。

不過，目前公開資料尚未明確確認 Qwen3.7‑Max 的最大全文長度，因此外界常提到的「100 萬 tokens」能力仍需要模型卡或 API 文件進一步證實。

可能的實際應用場景

阿里巴巴將 Qwen3.7‑Max 定位為 企業 AI 智能體的基礎模型，可用於多個產業場景。

軟體開發

• 自動生成程式碼
• 程式除錯與重構
• 大型程式碼庫分析
• 硬體或核心層級優化

辦公與生產力工具

• 文件編輯與摘要
• 多步驟辦公流程
• 企業流程自動化

企業營運

• 數據分析
• 客戶服務自動化
• 企業營運流程管理

在這些場景中，AI 不只是輸出文字，而是規劃任務、呼叫工具並完成整個行動流程。

全球 AI 競賽中的位置

在中國 AI 生態中，Qwen3.7‑Max 被視為目前最強的模型之一，在部分基準比較中超越多個本土競爭者，例如 Kimi、DeepSeek 和 GLM 系列。

但放在全球範圍來看，情況更為複雜：

• Qwen3.7‑Max 已進入第一梯隊
• 但部分頂級美國模型仍在綜合榜單上略微領先

這反映了當前 AI 競爭的格局：全球多家研究機構正在從推理能力、編程能力、成本效率與智能體能力等多個維度競逐。

更大的趨勢：從聊天機器人到 AI 智能體

Qwen3.7‑Max 的真正意義，可能不在於排行榜分數，而在於它所代表的方向。

新一代 AI 系統正逐漸從單純回答問題的聊天機器人，轉變為能夠：

• 規劃多步驟任務
• 與軟體工具互動
• 長時間執行工作
• 持續迭代直到完成目標

Qwen3.7‑Max 可以被視為這一趨勢的典型例子：一個不是為對話而設計，而是為「完成工作」而打造的 AI 模型。

未來，像「連續數十小時自主寫程式」這樣的展示能否在更多獨立測試中得到證實仍有待觀察。但可以確定的是，AI 的發展方向正在從「回答」走向「行動」。