Qwen3.7-Max重新定义AI Agent基座

在AI Agent领域，一个普遍存在的痛点是：Demo演示惊艳，但一旦投入生产环境就频繁崩溃。任务稍长就丢失上下文，换个框架性能就大幅下降，运行几轮后便陷入“自我循环”。开发者真正需要的是一个能够理解意图、规划路径、持续迭代并可靠交付的智能体基座。

极限压力测试：35小时自主优化Kernel

2026年5月，Qwen3.7-Max正式发布，在多项权威评测中斩获国内第一的成绩。更重要的是，它在35小时连续自主执行、1158次工具调用零中断的极限测试中证明：长程智能体的稳定性不再是理论可能，而是工程现实。

环境多样性训练：实现长程稳定性的核心

研发团队为Qwen3.7-Max布置了一个极具挑战性的任务：在一块训练期从未见过的硬件平台（ZW-M890L PPU）上，自主优化SGLang的Extend Attention生产级Kernel。没有硬件文档、没有性能分析数据，起点仅有任务描述、官方Triton参考实现和一个评估脚本。在约35小时的连续运行中，模型共产出432次kernel评估，跨越1158次工具调用。它完全自主地编写、编译、性能分析并迭代CUDA Kernel，诊断编译报错、修复正确性Bug，通过运行时测量定位瓶颈并多次重构底层架构。最终在多个工作负载上实现10.0x几何平均加速。

跨框架泛化：正交解耦设计

Qwen3.7-Max的训练架构采用了“任务-运行框架-验证器”正交解耦设计。在强化学习阶段，模型被强制在不同框架、不同验证器组合下处理同源任务。它学到的不是某个框架的快捷键，而是通用的解题策略与工具调用范式。这意味着无论使用Claude Code、OpenClaw、Qwen Code，还是自研的Tool Use框架，Qwen3.7-Max都能即插即用，性能表现高度一致。

真实生产力场景应用

面向真实生产力场景，Qwen3.7-Max展现出强大的专业工作流重塑能力。在编程智能体方面，模型可以通过一条prompt生成丰富的交互式Web应用，包括Three.js 3D场景、Canvas动画、完整页面布局和动态SVG。在办公生产力方面，通过MCP工具集成，模型可以充当智能办公助手，自动修复排版混乱的论文，包括页面布局、标题样式、字体字号、页眉页脚、目录生成和参考文献格式。此外，模型还支持主Agent规划调度、子Agent垂直执行的多智能体编排，并可基于Tool Use直接操控具身设备完成真实物理环境中的理解、规划与决策。

如有侵权，请联系删除。