VerdictPal
Beitreten

Modelle / Alibaba

Qwen 3.7 Max

Qwen · Release 2026-05-20

Alibabas Open-Weights-Flaggschiff Mai 2026, das Frontier-Reasoning zu Open-Weight-Preisen bietet. AA Intelligence Index 56,6 (global #6), Terminal-Bench 2.0 69,7 %. 128K-Kontext, $0,40 / $1,20 pro 1M Tokens.

Default-Modell für kostenkritische Deployments, mehrsprachige Anwendungen (insbesondere Chinesisch) und Teams, die Open Weights mit Frontier-Scores brauchen.

#15 von 21 im Vals Index · aktueller Snapshot
48 Vals Index · 14 Benchmark-Zeilen · 9 QuellenPosition ist benchmark-spezifisch — kein Cross-Family- oder Cross-Source-Ranking.
Composite73
Kontext128K
Input / 1M$0.40
Output / 1M$1.2
Wissensstichtag2026-02-01
Statusflagship
KnowledgeReasoningMathCodingAgenticLong contextTool useHuman preference
Knowledge
89
Reasoning
74
Math
82
Coding
93
Agentic
70
Long context
48
Tool use
78
Human preference
82

77average across 8 tested families

Redaktionsnotiz
Qwen 3.7 Max ist das stärkste Open-Weights-Modell jedes Anbieters außerhalb der USA. Wenn ein Modell auf eigener Hardware laufen muss und Chinesisch-Support zählt, ist dies das Modell für den ersten Benchmark.
Benchmark-Platzierungen

Wo Qwen 3.7 Max auf jeder öffentlichen Benchmark-Quelle mit Zeile steht. Rang zählt jedes Modell mit neuester Zeile im selben Test — kein universeller Qualitätsscore.

BenchmarkFamilyRangScoreQuelleDatum
LMArena (Chatbot Arena)Human preference#7/ 1382LMArena leaderboard2026-05-25
MCP AtlasTool use#7/ 1072MCP Atlas leaderboard2026-06-09
BFCLTool use#10/ 2078Berkeley Function Calling Leaderboard V42026-04-15
HumanEvalCoding#10/ 1593CodeSOTA HumanEval leaderboard2026-05-20
MMLUKnowledge#10/ 2289Alibaba Qwen 3.7 Max2026-05-20
SWE-bench VerifiedCoding#14/ 2379SWE-bench Verified leaderboard2026-06-09
Vals IndexAgentic#14/ 2048Vals AI — Vals Index2026-06-04
LiveBenchReasoning#15/ 2162LiveBench leaderboard2026-04-15
MATHMath#15/ 2082Alibaba Qwen 3.7 Max2026-05-20
LongBench v2Long context#16/ 1948LongBench v2 leaderboard2026-04-01
MMLU-ProKnowledge#16/ 2175MMLU-Pro HuggingFace leaderboard2026-05-20
Terminal-BenchAgentic#22/ 6970Terminal-Bench 2.0 leaderboard2026-05-20
GPQA DiamondReasoning#60/ 6974Artificial Analysis GPQA Diamond evaluation2026-06-09
Family-Kontext

Die drei höchstscorierenden kartierten Modelle pro Capability-Family. Wo Qwen 3.7 Max auftaucht, ist es hervorgehoben.

KnowledgeQwen 3.7 Max · 89
  1. 1
    GPT 5.5
    91
  2. 2
    Claude Opus 4.8
    91
  3. 3
    Claude Sonnet 4.6
    91
ReasoningQwen 3.7 Max · 74
  1. 1
    Claude Mythos Preview
    95
  2. 2
    GPT-5.6 Sol
    94
  3. 3
    Kimi K3
    94
MathQwen 3.7 Max · 82
  1. 1
    OpenAI o3
    99
  2. 2
    OpenAI o1
    97
  3. 3
    Gemini 3 Pro
    96
CodingQwen 3.7 Max · 93
  1. 1
    GPT 5.5
    96
  2. 2
    Claude Opus 4.8
    96
  3. 3
    Claude Opus 4.6
    96
AgenticQwen 3.7 Max · 70
  1. 1
    GPT 5.5
    100
  2. 2
    Claude Opus 4.8
    100
  3. 3
    Claude Fable 5
    100
Long contextQwen 3.7 Max · 48
  1. 1
    Kimi K3
    75
  2. 2
    GPT-5.1
    75
  3. 3
    GPT-5.6 Sol
    74
Tool useQwen 3.7 Max · 78
  1. 1
    Claude Sonnet 4.6
    89
  2. 2
    GPT 5.5
    87
  3. 3
    Claude Opus 4.8
    87
Human preferenceQwen 3.7 Max · 82
  1. 1
    GPT 5.5
    95
  2. 2
    Claude Opus 4.8
    92
  3. 3
    Gemini 3.5 Flash
    91
Neueste Belege

Benchmark-Zeilen im öffentlichen Ledger für Qwen 3.7 Max in den letzten 120 Tagen. Ältere Zeilen stehen in der vollen Tabelle unten.

14 neu
BenchmarkFamilyScoreQuelleTage her
SWE-bench VerifiedCoding79.4%SWE-bench Verified leaderboard44
GPQA DiamondReasoning73.8%Artificial Analysis GPQA Diamond evaluation44
MCP AtlasTool use71.8%MCP Atlas leaderboard44
Vals IndexAgentic48.04%Vals AI — Vals Index49
SWE-bench VerifiedCoding78.8%SWE-bench official leaderboard54
LMArena (Chatbot Arena)Human preference1409LMArena leaderboard59
Terminal-BenchAgentic69.7%Terminal-Bench 2.0 leaderboard64
HumanEvalCoding93.1% pass@1CodeSOTA HumanEval leaderboard64
MATHMath81.6%Alibaba Qwen 3.7 Max64
MMLU-ProKnowledge75.1%MMLU-Pro HuggingFace leaderboard64
MMLUKnowledge88.9%Alibaba Qwen 3.7 Max64
BFCLTool use78.4%Berkeley Function Calling Leaderboard V499
LiveBenchReasoning61.6%LiveBench leaderboard99
LongBench v2Long context47.8%LongBench v2 leaderboard113
Family-Abdeckung

Ein hoher Composite, der eine schwache Family versteckt, ist eine Falle. Diese Balken zeigen Families ohne öffentlichen Test — und wo das Modell führt.

Knowledge89
Reasoning74
Math82
Coding93
Agentic70
Long context48
Tool use78
Human preference82
Preis vs. Performance
0255075100$0.10$0.30$1$3$10$30input USD / 1M tokens · log scale →← intelligence

Hover or tab any dot for name, score, and input price.

AnthropicOpenAIMistralAlibabaDeepSeekGoogleMoonshotMiniMaxxAIMetaZhipuXiaomiMeituanCohere

Volles Benchmark-Ledger

Jeder Katalog-Benchmark für Qwen 3.7 Max. Scores verlinken zur Originalquelle; Lücken heißen: noch keine öffentliche Zeile.

14 Quell-Zeilen

13 of 32 catalog benchmarks have a sourced row for Qwen 3.7 Max.

Knowledge

Reasoning

Math

Coding

Agentic

Long context

Tool use

Human preference

Changelog
  1. Qwen 3.7 Max veröffentlicht — AA-Index 56,6, Terminal-Bench 2.0 69,7 %.
  2. Qwen 3.7 Plus für allgemeine Verfügbarkeit ausgemustert.
Quellen