Qwen3.7-Max 完全評測：阿里巴巴最強 AI 模型，全球排名第 5

什麼是 Qwen3.7-Max？

Qwen3.7-Max 是阿里巴巴集團於 2026 年 6 月最新發佈的旗艦級大語言模型，也是通義千問（Qwen）系列迄今為止效能最強的閉源模型。在 Artificial Analysis Intelligence Index v4.0 的權威評測中，Qwen3.7-Max 以推理模式 56.6 分成績位列全球第 5-7 名，成為排名最高的中文大語言模型，也被國際 AI 分析媒體 The Batch 稱為”挑戰 Google 第三名的有力競爭者”。

與 FreeAITool 此前介紹過的 Qwen3 Coder（#035）不同——那是一款面向程式碼生成的開源模型——Qwen3.7-Max 定位為通用旗艦模型，參數規模和訓練方法均未公開。這一變化標誌著阿里巴巴正在延續行業趨勢，從開源策略逐步轉向閉源商業化營運。

阿里巴巴最新旗艦模型

Qwen3.7-Max 的關鍵規格如下：

規格	參數
輸入上限	100 萬 tokens
輸出上限	64,000 tokens
生成速度	208.3 tokens/sec（全球第 3）
幻覺率	23%（前沿模型中最低）
推理模式	支援（增強數學、邏輯推理能力）
工具呼叫	支援
Prompt 快取	支援
API 相容	OpenAI API、Anthropic API

為什麼從開源轉向閉源？

阿里巴巴的 Qwen 系列一直是開源社群的重要貢獻者。從 Qwen、Qwen1.5、Qwen2、Qwen2.5 到 Qwen3 Coder，開源路線幫助阿里建立了強大的開發者生態和品牌認知。然而，Qwen3.7-Max 以及同期的 Qwen3.6-Max-Preview、Qwen3.6-Plus 均為閉源模型。

這一轉變背後的原因不難理解：

模型能力已接近或超越開源模型的「甜點區」：當模型參數量達到數百億甚至上千億級別時，開源的成本（算力、頻寬、合規風險）顯著上升，而閉源可以透過 API 計費實現更好的商業化回報
API 定價極具競爭力：Qwen3.7-Max 的輸入價格為 $2.50 / 百萬 tokens，遠低於 GPT-4o 的 $2.50-5.00 和 Claude Sonnet 的 $3.00，這讓閉源模式同樣具有市場吸引力
保護核心技術機密：訓練方法中採用的「解耦式強化學習」等創新技術是阿里巴巴的核心競爭力，不公開參數有助於保持競爭優勢

如果你更關注開源模型，我們此前的 AI Leaderboard 排名文章（#033）提供了更全面的開源模型橫向對比。

Qwen3.7-Max 定價與成本分析

Qwen3.7-Max 以高性價比著稱，是 GPT-5 的有力替代品：

官方定價（阿里雲百煉平臺）:

輸入: ¥0.004/千 token（約 $0.55/百萬 token）
輸出: ¥0.012/千 token（約 $1.65/百萬 token）
新使用者: 100 萬 token 免費額度

與競品對比:

vs GPT-5: 價格低 67%，中文任務表現更好
vs Claude Sonnet 4: 價格低 50%，長上下文支援更強（128K vs 100K）
vs Gemini 2.0: 價格相當，中文最佳化更優

最佳使用場景: 中文內容生成、長文件分析、成本敏感的批次任務。

省錢技巧: 批次購買 token 包可享 8 折優惠，年付企業使用者可談至 7 折。

效能評測：全球排名第 5

Artificial Analysis Intelligence Index 排名

Artificial Analysis 是全球最權威的 AI 模型評測平臺之一，其 Intelligence Index v4.0 綜合考量模型在推理、編碼、指令跟隨、多語言等多個維度的表現。Qwen3.7-Max 在該評測中取得以下成績：

推理模式綜合得分：56.6 分
全球排名：第 5-7 名（取決於其他模型是否啟用推理模式）
中文模型排名：第 1 名

這一排名意味著 Qwen3.7-Max 已經超越了 Google 的部分旗艦模型（如 Gemini 3.5 Flash），正在逼近 Claude Sonnet 4.6 和 GPT-4.1 等頂級模型的水平。對於一款中國公司開發的模型來說，這一成績具有里程碑意義。

📌 來源：The Batch #357 詳細報導和 Artificial Analysis Qwen3.7 Max 分析頁

速度：全球第 3（208 tokens/sec）

在生成速度方面，Qwen3.7-Max 以 208.3 tokens/sec 的成績位列全球第 3，僅次於 GPT-OSS 120B（313 tokens/sec）和 GPT-OSS 20B（238 tokens/sec）。

速度對於實際應用至關重要：

實時對話體驗更流暢：208 tokens/sec 意味著每秒可以生成約 150-160 箇中文字元，使用者幾乎感覺不到延遲
批次處理更高效：對於需要大量生成內容的場景（如批次翻譯、文件摘要），速度優勢直接轉化為時間成本節省
API 呼叫成本更低：更快的生成速度意味著在相同的 API 超時時間內可以完成更多任務

幻覺率：前沿模型最低（23%）

幻覺（Hallucination）是大語言模型生成不實資訊的現象，也是當前 AI 應用面臨的最大挑戰之一。Qwen3.7-Max 的幻覺率僅為 23%，在所有前沿模型中最低。

這意味著什麼？假設你讓模型回答一個專業問題：

如果其他前沿模型的幻覺率約為 30-40%，那麼每 10 個回答中可能有 3-4 個包含不準確資訊
而 Qwen3.7-Max 每 10 個回答中只有約 2-3 個可能不準確

對於需要高可靠性的場景（如醫療諮詢、法律輔助、金融分析），低幻覺率是選擇模型的重要考量因素。

與 Gemini 3.5 Flash、Claude Sonnet 4.6 對比

維度	Qwen3.7-Max	Gemini 3.5 Flash	Claude Sonnet 4.6
Intelligence Index	56.6	~55	~58
速度（tokens/sec）	208	~180	~150
幻覺率	23%	~30%	~28%
輸入上限	100 萬 tokens	100 萬 tokens	20 萬 tokens
API 輸入價格	$2.50/M tokens	$1.25/M tokens	$3.00/M tokens
上下文保留	跨輪次保留推理文字	部分支援	支援

綜合來看，Qwen3.7-Max 在速度和幻覺率方面具有明顯優勢，在綜合智力排名上接近 Claude Sonnet 4.6 但略低。如果你的應用場景對生成速度和準確性要求較高，Qwen3.7-Max 是一個非常值得考慮的選項。

核心功能

100 萬 token 上下文視窗

Qwen3.7-Max 支援高達 100 萬 tokens 的上下文輸入，這意味著你可以：

上傳整本書籍進行分析：一本 20 萬字的中文小說約需 40-50 萬 tokens，Qwen3.7-Max 可以一次性處理
分析大型程式碼庫：包含數百個檔案的程式碼專案可以被完整輸入，模型能夠理解全域性架構
處理超長會議記錄：數小時的會議逐字稿可以直接交給模型生成摘要和待辦事項

在實際使用中，建議將上下文控制在 50 萬 tokens 以內，以獲得最佳的響應速度和準確率。超過此閾值後，模型對上下文早期部分資訊的關注度可能會降低。

推理模式與工具呼叫

Qwen3.7-Max 的推理模式（Reasoning Mode）顯著增強了模型在數學計算、邏輯推理和複雜問題分析方面的能力。開啟推理模式後，模型會在回答前進行多步驟的思考過程，類似於人類的”先思考再回答”。

此外，模型支援工具呼叫（Tool Calling）功能，可以在對話中自動呼叫外部 API、搜尋引擎、資料庫等工具，獲取實時資訊後再給出答案。這在以下場景中尤為實用：

實時資訊查詢：當使用者詢問當前天氣、股票價格等需要最新資料的問時，模型可以自動呼叫搜尋工具
程式碼執行：結合程式碼執行環境，模型可以編寫並執行程式碼來驗證答案
多步任務分解：將複雜任務拆分為多個子任務，依次呼叫不同工具完成

Prompt 快取加速

Qwen3.7-Max 支援 Prompt 快取功能，對於重複使用的系統提示詞或長上下文，可以透過快取機制顯著降低成本和延遲：

快取命中價格：僅 $0.25 / 百萬 tokens（正常價格的 1/10）
適用場景：固定的系統提示詞、反覆使用的知識庫文件、批次處理相同模板的資料
加速效果：快取命中的請求響應速度通常比非快取請求快 2-3 倍

如果你的應用場景涉及大量重複性請求（如客服機器人、批次文件處理），善用 Prompt 快取可以大幅降低 API 成本。

跨輪次保留推理文字

在啟用推理模式的多輪對話中，Qwen3.7-Max 會保留每一輪的推理過程文字，而非僅保留最終回答。這使得模型在後續對話中能夠：

延續之前的思考路徑：如果使用者在後續對話中追問”為什麼”，模型可以參考之前的推理過程給出更深入的解釋
修正之前的錯誤：當使用者指出回答中的問題時，模型可以在已有推理基礎上進行修正，而非從頭開始
保持上下文一致性：跨輪次的推理文字幫助模型維持對話的邏輯連貫性

原生相容 OpenAI/Anthropic API

Qwen3.7-Max 的 API 介面原生相容 OpenAI API 和 Anthropic API 規範，這意味著：

無需修改程式碼即可切換模型：如果你現有的應用使用 OpenAI 或 Anthropic SDK，只需更改 base_url 和 api_key 即可使用 Qwen3.7-Max
支援主流開發框架：LangChain、LlamaIndex、AutoGen 等框架可以直接接入
降低遷移成本：對於已經使用其他模型 API 的團隊，遷移到 Qwen3.7-Max 的工作量最小化

# OpenAI SDK 相容呼叫範例
from openai import OpenAI

client = OpenAI(
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
    api_key="你的阿里雲API Key",
)

response = client.chat.completions.create(
    model="qwen3.7-max",
    messages=[
        {"role": "system", "content": "你是一個專業的AI助手。"},
        {"role": "user", "content": "請解釋量子計算的基本原理。"},
    ],
    max_tokens=4096,
)

print(response.choices[0].message.content)

使用方式

方式一：Qwen Chat 免費使用（推薦新手）

對於想要體驗 Qwen3.7-Max 但不想編寫程式碼的使用者，最直接的方式是透過 Qwen Chat 線上使用。

使用步驟：

存取 qwen.ai
使用手機號或郵箱註冊帳號
登入後即可在聊天介面中選擇 Qwen3.7-Max 模型
直接在對話框中輸入問題或上傳檔案

免費使用限制：

每日有一定的免費額度（具體額度可能根據帳號等級調整）
不支援自訂系統提示詞的高階設定
不適合需要大量 API 呼叫的自動化場景

對於個人使用者偶爾查詢資訊、翻譯文件、生成創意內容等場景，Qwen Chat 的免費額度通常足夠使用。

方式二：阿里雲百煉 API 呼叫

對於開發者和企業使用者，透過阿里雲百煉平臺呼叫 API 是更靈活和強大的選擇。

開通步驟：

註冊阿里雲帳號（阿里雲官網）
存取百煉平臺控制檯
開通「通義千問」服務並完成實名認證
建立 API Key
透過 SDK 或 REST API 呼叫

Python SDK 呼叫範例：

# 安裝 SDK
# pip install dashscope

import dashscope
from dashscope import Generation

dashscope.api_key = "你的API Key"

response = Generation.call(
    model="qwen3.7-max",
    prompt="請幫我寫一段關於人工智慧未來發展的簡短文章，約200字。",
    max_tokens=2048,
)

if response.status_code == 200:
    print(response.output.text)
else:
    print(f"錯誤: {response.code} - {response.message}")

方式三：相容 OpenAI API 的第三方工具接入

如果你使用 LangChain、LlamaIndex、AutoGen 等開發框架，可以直接使用 OpenAI 相容模式接入 Qwen3.7-Max：

# LangChain 整合範例
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="qwen3.7-max",
    openai_api_key="你的API Key",
    openai_api_base="https://dashscope.aliyuncs.com/compatible-mode/v1",
    temperature=0.7,
)

response = llm.invoke("請列出 2026 年最值得關注的 5 個 AI 趨勢。")
print(response.content)

這種方式特別適合已有 OpenAI 生態經驗、希望快速接入新模型的開發者。

定價詳解

API 價格對比

Qwen3.7-Max 在阿里雲百煉平臺的定價如下：

專案	價格（$ / 百萬 tokens）
輸入	$2.50
快取命中輸入	$0.25
輸出	$7.50
混合成本（7:2:1 比例）	~$2.125

與其他主流模型的對比：

模型	輸入價格	輸出價格	混合成本（約）
Qwen3.7-Max	$2.50	$7.50	~$2.125
GPT-4o	$2.50-5.00	$10.00-15.00	~$4.50
Claude Sonnet 4.6	$3.00	$15.00	~$4.80
Gemini 3.5 Flash	$1.25	$5.00	~$1.75

從定價來看，Qwen3.7-Max 的輸入價格與 GPT-4o 持平，但輸出價格僅為 GPT-4o 的一半。在綜合性價比方面，Qwen3.7-Max 明顯優於 GPT-4o 和 Claude Sonnet 4.6，但略高於 Gemini 3.5 Flash。

快取命中的成本優勢

Qwen3.7-Max 的快取命中輸入價格僅為 $0.25 / 百萬 tokens，是正常輸入價格的 1/10。如果你的應用場景涉及以下情況，善用快取可以大幅降低成本：

固定系統提示詞：每次請求都攜帶相同的 system prompt，第一次正常計費，後續命中快取
知識庫文件：將參考文件作為上下文輸入，重複使用時享受快取優惠
批次資料處理：對大量相似資料使用相同處理模板，快取命中率會非常高

假設你的混合成本比例為 70% 輸入、20% 快取命中、10% 輸出：

實際成本 = 70% × $2.50 + 20% × $0.25 + 10% × $7.50
        = $1.75 + $0.05 + $0.75
        = $2.55 / 百萬 tokens

透過最佳化快取命中率，成本可以進一步降低。

免費使用限制

Qwen Chat 提供免費使用 Qwen3.7-Max 的機會，但有以下限制：

每日免費額度：具體額度由阿里雲根據帳號型別動態調整，通常可滿足個人日常使用需求
併發限制：免費使用者的併發請求數有限制，不適合高併發場景
功能限制：部分高階功能（如自訂 system prompt、工具呼叫配置）僅在 API 中可用

對於需要穩定、大量呼叫的企業使用者，建議直接使用百煉平臺 API。

訓練方法揭秘

解耦式強化學習

Qwen3.7-Max 在訓練方法上的最大創新是採用了「解耦式強化學習」架構。傳統的強化學習方法通常將任務定義、工具呼叫框架和結果驗證器耦合在一起訓練，這導致模型容易學習到特定設定的「捷徑」，而在面對新場景時泛化能力不足。

阿里巴巴的解耦方法將三個核心元件分開訓練：

任務元件：定義模型需要完成的任務目標和約束條件
工具呼叫框架：定義模型可以使用的工具型別和呼叫方式
驗證器：評估模型輸出是否符合預期

透過在多種任務、框架、驗證器的組合上進行訓練，模型學會了更通用的推理能力，而非對特定訓練環境的記憶。這種方法顯著提升了模型在未知場景中的表現。

內部 Agent 測試：自主最佳化 attention kernel

在內部測試中，Qwen3.7-Max 展現了令人印象深刻的自主 Agent 能力。在一個 attention kernel（注意力核心）最佳化任務中，模型：

在 35 小時內自主完成了 1158 次工具呼叫
進行了 432 次程式碼評估和迭代
最終將程式碼執行速度提升了 10 倍

整個過程中，模型自主規劃了「分析現有程式碼 → 提出最佳化方案 → 編寫新程式碼 → 測試驗證 → 迭代最佳化」的完整流程，幾乎不需要人工干預。這充分展示了 Qwen3.7-Max 在複雜工程任務中的自主決策和執行能力。

與 FreeAITool 其他 Qwen 文章對比

vs #035 Qwen3 Coder（開源 vs 閉源）

FreeAITool 此前詳細介紹過 Qwen3 Coder（#035），那是一款面向程式碼生成的開源模型。以下是兩者的關鍵區別：

維度	Qwen3 Coder (#035)	Qwen3.7-Max (#102)
模型型別	開源	閉源
主要定位	程式碼生成和補全	通用旗艦模型
參數公開	部分公開	未公開
使用方式	可本地部署	僅可透過 API/Qwen Chat 使用
最佳場景	IDE 程式碼補全、程式碼生成	對話、分析、多模態任務
成本	免費（自部署算力成本）	API 計費 / Qwen Chat 免費額度

簡單來說，Qwen3 Coder 適合需要在本地部署、對程式碼場景有專精需求的開發者；而 Qwen3.7-Max 適合需要強大通用能力、不想管理基礎設施的使用者。

vs #033 AI Leaderboard 排名更新

我們此前的 AI Leaderboard 文章（#033）建立了大語言模型的綜合排名體系。Qwen3.7-Max 的加入將重新整理該排名的中文模型最高分，建議讀者將本文與此前的 Leaderboard 文章對照閱讀，瞭解當前 AI 模型的競爭格局。

常見問題 FAQ

Q: Qwen3.7-Max 免費嗎？

A: Qwen3.7-Max 透過阿里雲百煉平臺提供，新使用者有免費額度。之後按 token 計費，輸入約 ¥0.004/千 token，輸出約 ¥0.012/千 token。相比 GPT-5，價格約為其 1/3。

Q: Qwen3.7-Max 和 GPT-5 哪個更好？

A: 兩者各有優勢。Qwen3.7-Max 在中文任務上表現更好，價格更低；GPT-5 在多語言、程式碼生成和推理任務上更強。如果你的應用主要面向中文使用者，Qwen3.7-Max 性價比更高。

Q: Qwen3.7-Max 支援多長上下文？

A: Qwen3.7-Max 支援 128K token 上下文視窗，可以處理約 10 萬中文字元。適合長文件分析、程式碼庫理解和多輪對話。

Q: 如何使用 Qwen3.7-Max API？

A: 透過阿里雲百煉平臺獲取 API Key，然後使用 OpenAI 相容的 API 格式呼叫。支援 Python、JavaScript、Java 等主流 SDK。詳細教學見本文’使用方式’章節。

總結與建議

Qwen3.7-Max 是阿里巴巴在 2026 年的重要作品，它不僅代表了中文大語言模型的最高水平，也在全球 AI 競賽中佔據了前列位置。

我們推薦以下使用者群體使用 Qwen3.7-Max：

🟢 中文內容創作者：在中文理解和生成方面，Qwen3.7-Max 具有天然的語言優勢，幻覺率低，內容質量高
🟢 API 成本敏感型開發者：相比 GPT-4o 和 Claude Sonnet，Qwen3.7-Max 的性價比突出，且 API 完全相容
🟢 需要長上下文分析的研究者：100 萬 tokens 的上下文視窗是大多數模型的 2-5 倍
🟢 企業級應用：低幻覺率和工具呼叫能力使其適合構建可靠的商業應用

以下情況可以考慮其他方案：

🔴 需要完全本地部署、資料不出網的場景：考慮開源模型如 Qwen3 Coder 或透過 Ollama 部署的開源模型
🔴 預算極其有限的個人專案：Gemini 3.5 Flash 的 API 價格更低，且有更慷慨的免費額度
🔴 追求極致推理能力：Claude Sonnet 4.6 在綜合智力排名上仍然領先

快速開始連結：

免費體驗：Qwen Chat
API 接入：阿里雲百煉平臺
瞭解更多：The Batch 報導 | Artificial Analysis 資料

#Qwen3.7-Max #通義千問 #阿里巴巴 #大模型評測 #AI模型對比 #大語言模型