Qwen3.7-Max is the flagship model in Alibaba's Qwen3.7 series. It supports text input and output and is designed for agent-centric workloads, with particular strengths in coding, office and productivity tasks, and long-horizon autonomous execution. The model offers notable gains in coding and agentic performance over prior Qwen generations and supports explicit prompt caching for efficient repeated context use.
提供商
不同公司托管同一模型。OpenRouter 根据您选择的路由模式将请求路由到其中一家公司:Balanced(价格 + 速度)、Nitro(速度最快)或 Floor(价格最低)。
| US$1.475 | US$4.425 | US$0.295 | US$1.84375 | US$0.1475 | 1.10s | 67 tok/s | ||
不用于 Standard 路由:未使用这些端点的原因 | ||||||||
| US$2.000 | US$6.000 | US$0.400 | -- | -- | -- | -- | ||
- 输入 US$1.475 / 输出 US$4.42567 tok/s99.55% 正常运行时间
- 不用于 Standard 路由:未使用这些端点的原因
- 输入 US$2.00 / 输出 US$6.00-- tok/s-- 正常运行时间
定价
客户为此模型实际支付的平均价格,与提供商公布的价格并列展示。由于缓存和折扣,实际支付的价格往往远低于标价。
加权平均值
Qwen3.7 Max — 价格历史
| US$0.562 | US$4.42 | 76.7% | 100.0% | ||
不用于 Standard 路由:未使用这些端点的原因 | |||||
| US$2.000 | US$6.00 | 0.0% | 0.0% | ||
- 有效输入价格 US$0.562 / 实际输出 US$4.42token 占比100.0%
- 不用于 Standard 路由:未使用这些端点的原因
- 有效输入价格 US$2.000 / 实际输出 US$6.00token 占比0.0%
性能
吞吐量是模型生成内容的速度(每秒 token 数,越高越好)。延迟是完整的往返时间(越低越好)。TTFT 是首个 token 的响应时间,即您看到内容出现前需要等待的时间(越低越好)。
P50,所有提供商中最佳
P50,最佳提供商
正常运行时间
正常运行时间是指过去 3 天中至少有一家提供商响应请求的时间百分比。可用性是指成功提供推理服务的时间百分比。OpenRouter 会持续监控,并在某家提供商返回错误时使用次优提供商。
过去 3 天的可用性
最近 72 小时过去 24 小时的可用性
当上游提供商发生错误时,如果您的请求筛选条件允许,我们可以通过路由到另一家健康的提供商来恢复服务。您可以通过以下接口以编程方式访问各提供商的正常运行时间数据: 端点 API。了解更多有关我们的 负载均衡和提供商路由选项。
基准测试
标准化评测得分,以及此模型针对共用基准测试提示词的实际输出。百分比越高越好,每项排名显示此模型在该来源所评测的模型中的位置。
| 来源 | 基准测试 | 得分 |
|---|---|---|
| Artificial Analysis | Qwen3.7 Max Coding Index | 66.0 |
| Artificial Analysis | Qwen3.7 Max Agentic Index | 22.5 |
| Artificial Analysis | Qwen3.7 Max GPQA Diamond | 92.3% |
| Artificial Analysis | Qwen3.7 Max HLE | 40.5% |
| Artificial Analysis | Qwen3.7 Max IFBench | 80.5% |
| Artificial Analysis | Qwen3.7 Max τ²-Bench Telecom | 94.7% |
| Artificial Analysis | Qwen3.7 Max AA-LCR | 79.0% |
| Artificial Analysis | Qwen3.7 Max τ-Bench Banking | 11.8% |
| Artificial Analysis | Qwen3.7 Max GDPval-AA | 31.7% |
| Artificial Analysis | Qwen3.7 Max CritPt | 13.4% |
| Artificial Analysis | Qwen3.7 Max SciCode | 49.5% |
| Artificial Analysis | Qwen3.7 Max Terminal-Bench Hard | 50.8% |
| Artificial Analysis | Qwen3.7 Max Terminal-Bench 4.0 | 1.5% |
| Artificial Analysis | Qwen3.7 Max Terminal-Bench 2.1 | 74.5% |
| Design Arena | Qwen3.7 Max Agents Arena Agenticgamedev Elo | 1102 |
| Design Arena | Qwen3.7 Max Agents Arena Androidnative Elo | 1147 |
| Design Arena | Qwen3.7 Max Agents Arena Blender3d Elo | 980 |
| Design Arena | Qwen3.7 Max Agents Arena Full Stack Elo | 1166 |
| Design Arena | Qwen3.7 Max Agents Arena Godotgamedev Elo | 1164 |
| Design Arena | Qwen3.7 Max Agents Arena Htmlslides Elo | 1055 |
| Design Arena | Qwen3.7 Max Agents Arena Mobile Apps Elo | 1150 |
| Design Arena | Qwen3.7 Max Agents Arena Pdf Elo | 1147 |
| Design Arena | Qwen3.7 Max Agents Arena Python-Pptxslides Elo | 1152 |
| Design Arena | Qwen3.7 Max Agents Arena Spreadsheet Elo | 992 |
| Design Arena | Qwen3.7 Max Agents Arena Webapps Elo | 1187 |
| Design Arena | Qwen3.7 Max Models Arena 3D Elo | 1245 |
| Design Arena | Qwen3.7 Max Models Arena Asciiart Elo | 1193 |
| Design Arena | Qwen3.7 Max Models Arena Code Categories Elo | 1265 |
| Design Arena | Qwen3.7 Max Models Arena Data Visualization Elo | 1273 |
| Design Arena | Qwen3.7 Max Models Arena Game Development Elo | 1254 |
| Design Arena | Qwen3.7 Max Models Arena SVG Elo | 1205 |
| Design Arena | Qwen3.7 Max Models Arena UI Component Elo | 1261 |
| Design Arena | Qwen3.7 Max Models Arena Website Elo | 1267 |
| Vals AI | Qwen 3.7 Max Code Migration | 13.1% |
| Vals AI | Qwen 3.7 Max CorpFin v2 | 63.7% |
| Vals AI | Qwen 3.7 Max EMB | 57.0% |
| Vals AI | Qwen 3.7 Max Finance Agent (v2) | 47.8% |
| Vals AI | Qwen 3.7 Max GPQA Diamond | 90.2% |
| Vals AI | Qwen 3.7 Max Harvey's Legal Agent Benchmark v1 | 1.7% |
| Vals AI | Qwen 3.7 Max IOI v1 | 46.8% |
| Vals AI | Qwen 3.7 Max LiveCodeBench | 87.1% |
| Vals AI | Qwen 3.7 Max LegalBench | 84.9% |
| Vals AI | Qwen 3.7 Max Legal Research Bench | 25.5% |
| Vals AI | Qwen 3.7 Max MedCode | 38.8% |
| Vals AI | Qwen 3.7 Max MedScribe | 79.4% |
| Vals AI | Qwen 3.7 Max MMLU Pro | 89.3% |
| Vals AI | Qwen 3.7 Max ProofBench v1 | 26.0% |
| Vals AI | Qwen 3.7 Max SWE-bench | 68.8% |
| Vals AI | Qwen 3.7 Max Tax Agent Bench | 15.8% |
| Vals AI | Qwen 3.7 Max TaxEval v2 | 75.3% |
| Vals AI | Qwen 3.7 Max Terminal-Bench 2.1 | 61.0% |
| Vals AI | Qwen 3.7 Max Vals Index | 44.8% |
| Vals AI | Qwen 3.7 Max Vibe Code Bench v1.1 | 47.7% |
应用
向此模型发送最多流量的公开应用。这能很好地反映实际生产工作负载的情况,也能提示此模型最适合哪些用例。
活动
此模型的 token 用量和请求流量随时间的变化。
API
可直接用于调用此模型的代码。OpenRouter 的 API 与 OpenAI 兼容——大多数 SDK 只需替换基础 URL 即可使用。切换模型时,唯一需要更改的是下方的模型标识符。
目前无法通过 EU 区域内路由使用。 区域内路由文档
常见问题
Qwen3.7-Max is the flagship model in Alibaba's Qwen3.7 series. It supports text input and output and is designed for agent-centric workloads, with particular strengths in coding, office and productivity tasks, and long-horizon autonomous execution.
Qwen3.7 Max 的费用为 US$1.475/百万输入 token 和 US$4.425/百万输出 token,Cache Read,价格为 US$0.295/M tokens、Cache Creation (5min),价格为 US$1.844/M tokens和Cache Read (5min),价格为 US$0.1475/M tokens 单独计费。
Qwen3.7 Max 的上下文窗口为 1,000,000 个 token。它最多支持 131,072 个补全 token。
是的。Qwen3.7 Max 接受 tools 和 tool_choice,以进行函数调用。 它还支持通过 response_format 中的 JSON schema 实现结构化输出。
在 OpenRouter 上,Qwen3.7 Max 由 1 家提供商提供服务:Alibaba Cloud Int.。
Qwen4 Max, Qwen3.8 Max Prime, Qwen3.8 Omni Flash 及另外 36 个 是 Qwen 的其他 文本 模型。
Qwen3.7 Max 于 2026年5月21日 发布。
