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.

#18 von 24 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

Familienprofil

Bester veröffentlichter Score je abgedeckter Benchmark-Familie.

77/100 Ø
Wissen
89
Reasoning
74
Mathe
82
Coding
93
Agentisch
70
Langer Kontext
48
Tool-Nutzung
78
Menschliche Präferenz
82

8 getestete Benchmark-Familien

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
LiveBenchReasoning#15/ 2162LiveBench leaderboard2026-04-15
LongBench v2Long context#16/ 1948LongBench v2 leaderboard2026-04-01
Vals IndexAgentic#17/ 2348Vals AI — Vals Index2026-06-04
MATHMath#20/ 2582Alibaba Qwen 3.7 Max2026-05-20
MMLU-ProKnowledge#34/ 3975MMLU-Pro HuggingFace leaderboard2026-05-20
Terminal-BenchAgentic#44/ 18470Terminal-Bench 2.0 leaderboard2026-05-20
GPQA DiamondReasoning#159/ 18574Artificial 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
    Gemini 3.7 Flash
    95
  3. 3
    Grok 4.6
    95
MathQwen 3.7 Max · 82
  1. 1
    OpenAI o3
    99
  2. 2
    GPT-5 (medium)
    99
  3. 3
    GPT-5 (high)
    99
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
    Muse Spark 1.2
    83
  2. 2
    Kimi K3
    83
  3. 3
    Gemini 3.5 Flash
    81
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.

11 neu
BenchmarkFamilyScoreQuelleTage her
SWE-bench VerifiedCoding79.4%SWE-bench Verified leaderboard89
GPQA DiamondReasoning73.8%Artificial Analysis GPQA Diamond evaluation89
MCP AtlasTool use71.8%MCP Atlas leaderboard89
Vals IndexAgentic48.04%Vals AI — Vals Index94
SWE-bench VerifiedCoding78.8%SWE-bench official leaderboard99
LMArena (Chatbot Arena)Human preference1409LMArena leaderboard104
Terminal-BenchAgentic69.7%Terminal-Bench 2.0 leaderboard109
HumanEvalCoding93.1% pass@1CodeSOTA HumanEval leaderboard109
MATHMath81.6%Alibaba Qwen 3.7 Max109
MMLU-ProKnowledge75.1%MMLU-Pro HuggingFace leaderboard109
MMLUKnowledge88.9%Alibaba Qwen 3.7 Max109
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.

Wissen89
Reasoning74
Mathe82
Coding93
Agentisch70
Langer Kontext48
Tool-Nutzung78
Menschliche Präferenz82
Preis vs. Performance
0255075100$0.10$0.30$1$3$10$30Input-USD / 1M Tokens · log-Skala →← Intelligenz

Hover auf einen Punkt zeigt Name, Score und Input-Preis. Per Tastatur: die zwölf besten mit Tab durchgehen oder die Rangliste unten nutzen.

AnthropicOpenAIMistralAlibabaDeepSeekGoogleMoonshotMetaMiniMaxxAIZhipuXiaomiOtherMeituanCohereNVIDIA

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 von 37 Katalog-Benchmarks haben eine belegte Zeile für 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