今天，通义千问扔出了一个新模型，叫Qwen3.7-Max。

这次Qwen3.7-Max的定位，不是通用大模型，而是Agent专用基础模型：写代码、自动化办公、多步骤执行——这些才是它的主战场。

官方秀了一个特别离谱的肌肉。他们让Qwen3.7-Max去优化SGLang里面的Extend Attention内核，这是什么呢，你可以理解成LLM服务里面一个特别核心的计算模块。模型从零开始，只有一个任务描述和现有代码，没有任何文档，没有任何示例。

然后它自己诊断问题、自己写代码、自己编译、自己跑性能测试、自己迭代优化。

35个小时之后，10倍加速。

什么概念？作为对比，同样的任务：GLM 5.1做到了7.3倍，imi K2.6做到了5倍，DeepSeek V4 Pro做到了3.3倍，而上一代的Qwen3.6-Plus只做到了1.1倍——基本等于没优化。

说实话，这种长时程自主执行的能力，是之前所有模型都没有证明过的。能在1000步以上的任务里面保持上下文连贯性、保持推理质量，这需要的不仅是模型聪明，还需要整个训练体系的支持。

通义千问在这块做了什么？两个关键词。

一个是环境扩展。他们把Agent训练环境的质量和多样性做了大幅提升，实验结果很有意思：随着训练环境增加，模型性能提升的曲线是可预测的，而且在训练时完全没见过的环境下，性能提升同样成立。这说明什么？说明模型学到的不是针对特定框架的适配，而是通用的Agent能力。

另一个是解耦设计。他们把训练框架拆成了三个独立组件：任务、框架、验证器，可以自由组合。这带来了一个关键突破：模型在相同的任务上会遇到不同的框架配置，迫使它学习通用的解题策略，而不是某一种框架的"作弊方法"。

结果就是，Qwen3.7-Max在Claude Code、OpenClaw、Qwen Code和一堆自定义工具框架上的表现基本一致。你用什么框架调用它，它都能给你差不多的结果。

这太重要了。因为，现在市面上很多模型表现好，是针对特定框架做了优化，一旦换到别的环境就原形毕露。

除了内核优化，通义千问还秀了一些其他能力。

在软件工程Agent场景，模型实现了13条新启发式规则的自动添加，准确标记了1618个Reward Hacking案例。在模拟创业公司运营的YC-Bench测试里面，Qwen3.7-Max实现了208万美元总营收，是上一代模型的5.9倍。

甚至，它现在还能控制机器狗做物理世界导航了。感知、规划、记忆、决策，全流程自主完成。

我能感觉到，通义千问这次的核心目标是明确的：不是做一个更强的聊天模型，而是做一个更强的干活模型。

他们的思路很简单：你不是需要一个替你思考的AI，你需要的是一个替你干活的AI。

对了，这个新模型即将通过阿里云Model Studio提供API，支持Claude Code、OpenClaw、Qwen Code等主流Agent框架直接调用。

参考资料：https://qwen.ai/blog?id=qwen3.7