阿里巴巴Qwen3.7-Max：35小时自主运行，兼容Anthropic等外部框架
AI行业正迈入“代理时代”新阶段，模型不再局限于文本生成，而是能主动规划、执行并修正复杂任务，时长从秒级跃升至数天。在这一背景下，中国电商巨头阿里巴巴的Qwen AI研究团队推出了一款具备多日级自主代理能力的模型——Qwen3.7-Max。据公司博客披露，该模型实现了“约35小时连续自主运行”，不过与此前Qwen团队发布的开源模型不同，此次为专有格式。
这一举措或许在意料之中。今年早些时候，Qwen团队多位核心成员离职，引发行业分析师担忧，但阿里巴巴的财务考量使其选择暂时搁置开源策略：训练像Qwen3.7-Max这样的强大模型成本高昂，免费开源难以快速收回成本。短期内，阿里巴巴通过付费API和订阅服务提供最新模型，仅将性能稍弱的版本开源，这与OpenAI、谷歌等美国科技巨头的策略一致。
尽管如此，Qwen3.7-Max的推出为企业和个人用户提供了更多选择，也为美国AI实验室带来竞争压力——这对各预算层级的消费者而言通常是好事。不过，该模型仅通过中国境内端点访问，可能限制其在美国和欧洲企业中的应用，这些企业更注重满足政府合同的数据合规与安全要求，或遵守各地数据主权法规。
马拉松AI时代：长时运行的技术突破
要理解Qwen3.7-Max为何与传统模型不同，需关注其训练方式及实际运行机制。语言模型在数千轮对话中维持单一思维时易出现性能下降，如遗忘指令、产生幻觉或陷入逻辑循环。Qwen3.7-Max被设计为“通用代理基础模型”，具备“长时推理”能力，旨在突破这一瓶颈。
最直观的体现是其自主工程任务演示。Qwen团队让模型访问一台配备T-Head ZW-M890 PPU的隔离服务器（该硬件架构在训练中从未接触过），任务是优化注意力内核。在连续35小时内，模型完全自主运行：执行1158次工具调用、432次内核评估，诊断编译失败并迭代改进代码，最终实现10.0倍的几何平均速度提升。
相比之下，中国竞争对手如智谱AI的GLM-5.1和月之暗面Kimi K2.6分别仅达到7.3倍和5.0倍速度提升，且常因进展不顺主动终止会话。不过，这两款均为开源模型。Qwen3.7-Max的耐力得益于“环境扩展”技术——如同早期大语言模型通过摄入更多文本变得 smarter，该模型在大量动态代理环境中训练，能模拟创业公司一年的生命周期，在“YC-Bench”评估中完成数百轮决策（涉及人员管理和合同筛选），生成208万美元虚拟收入，较上一代Qwen3.6-Plus近乎翻倍。
此外，模型内置“奖励破解自监控”机制，可自主检测训练环境中的作弊行为，并添加启发式规则修正自身行为。
跨框架兼容：认知引擎的灵活应用
从产品角度看，Qwen3.7-Max旨在成为现代软件开发与企业自动化的认知引擎。其拥有100万token的上下文窗口和64K最大输出限制，足以处理庞大的代码库或 lengthy 技术文档。
最具吸引力的是“跨框架泛化”能力。模型并非硬编码适配特定专有接口，而是作为通用智能层支持多样化代理框架，原生支持Anthropic API协议，开发者可直接将其接入Claude Code或OpenClaw等现有工具。
阿里巴巴提供的基准数据显示，这一通用策略成效显著。在Apex数学推理基准中，Qwen3.7-Max得分44.5，超越Claude Opus-4.6 Max的34.5和DeepSeek V4-Pro Max的38.3；在“人类终极考试”中得41.4分，现实编码代理基准MCP-Atlas中得76.4分。
这种能力可转化为实际效用。通过开源模型上下文协议（MCP）集成，模型可作为自主办公助手，无需人工干预即可读取大学格式规范，通过命令行工具自动重新格式化杂乱的Word文档。
定价策略：API经济的战略定位
运行如此强大的智能需付出成本。开发者通过阿里云模型工作室API访问时，输入 token 收费2.50美元/百万，输出 token 收费7.50美元/百万，平台还设有缓存创建与读取定价，每千次集成网络搜索收费10美元（代码解释器工具限时免费）。
Qwen3.7-Max在当前API经济中处于战略中间地带：虽比国内竞争对手如DeepSeek V4 Pro（5.22美元）和GLM-5.1（5.80美元）贵近一倍，但远低于其在基准测试中匹敌的西方前沿巨头。例如，运行GPT-5.4或Claude Opus 4.7的代理工作流，开发者需支付17.50美元和30.00美元/百万 token。
关注微信号：智享开源 ，及时了解更新信息。
关注微信
还没有任何评论，你来说两句吧！