Qwen3.7-Max エージェントモデルリリース

TL;DR

Qwenは、コーディング、オフィス自動化、超長時間自律実行に優れた新しいエージェント指向の基盤モデル Qwen3.7‑Max を発表し、Alibaba Cloud Model Studioで利用可能になりました。

Qwen3.7‑Max とは？

Qwen3.7‑Max は、エージェント時代向けに明確に設計された独自の大規模言語モデルです。多用途エージェント基盤として位置付けられ、以下が可能です：

  • シンプルなフロントエンドプロトタイプからマルチファイルのエンジニアリングプロジェクトまで、コードの作成とデバッグができる。
  • MCP統合とマルチエージェントオーケストレーションを通じてオフィスワークフローを自動化する。
  • 数百から数千回のツール呼び出しにわたる一貫した推論を維持し、35時間・1,000ステップのカーネル最適化実行で実証された。
  • フレームワーク固有のチューニングなしで、複数のエージェントスキャフォールド（Claude Code、OpenClaw、Qwen Code、カスタムフレームワーク）に汎用化できる。

このモデルはAlibaba Cloud Model Studio APIを通じて利用でき、OpenAI互換およびAnthropic互換のエンドポイントの両方をサポートしています。

ベンチマークハイライト

コーディングエージェント性能

ベンチマーク Qwen3.7‑Max 最も近い競合
SWE‑Verified 80.4 Opus‑4.6‑Max 80.8
SWE‑Pro 60.6 Opus‑4.6‑Max 59.0
SWE‑Multilingual 78.3 Opus‑4.6‑Max 73.8
SciCode 53.5 Opus‑4.6‑Max 41.4
QwenSVG 1608 (top score) Opus‑4.6‑Max 1541
Terminal‑Bench 2.0‑Terminus 69.7 DS‑V4‑Pro Max 67.9

汎用エージェントベンチマーク

ベンチマーク Qwen3.7‑Max 最も近い競合
MCP‑Mark 60.8 GLM‑5.1 57.5
MCP‑Atlas 76.4 Opus‑4.6‑Max 75.8
SkillsBench 59.2 K2.6 56.2
Kernel Bench L3 (median speedup) 1.98× (96 % win rate) Opus‑4.6‑Max 2.63× (98 %)
SpreadSheetBench‑v1 87.0 (top tier) —
BFCL‑V4 75.0 Opus‑4.6‑Max 76.7
QwenClaw 64.3 Opus‑4.6‑Max 65.5
ClawEval 65.2 Opus‑4.6‑Max 70.4

推論と知識

ベンチマーク Qwen3.7‑Max 最も近い競合
GPQA Diamond 92.4 Opus‑4.6‑Max 91.3
HLE (hard logical reasoning) 41.4 Opus‑4.6‑Max 40.0
HMMT Feb 2026 97.1 Opus‑4.6‑Max 96.2
IMOAnswerBench 90.0 DS‑V4‑Pro 89.8
Apex 44.5 DS‑V4‑Pro 38.3
IFBench 79.1 DS‑V4‑Pro 77.0
WMT24++ (multilingual translation) 85.8 —
MAXIFE (multilingual instruction) 89.2 —
SuperGPQA 73.6 —
QwenWorldBench (world‑model simulation) 57.3 —

すべてのスコアはQwenブログ記事（2026年5月）から取得しています。空欄はスコアが報告されていないことを示します。

長時間自律実行

Qwen3.7‑Max は、未知の T‑Head ZW‑M890 PPU 上で35時間にわたるカーネル最適化タスクにおいて、持続的な自律計画を実証しました。モデルは以下を実行しました：

  • 1,158回のツール呼び出しで432回のカーネル評価を実施。
  • Triton基準に対し、0.33×から 10.0× への段階的な速度向上。
  • 最初の数時間以降も継続的に進捗し、30時間以上で有意な改善が見られた。

主要な最適化フェーズは以下の通りです：

  1. Split‑KV パラレル化 – KVキャッシュの並列処理を導入し、2.58×のブーストを実現。
  2. 起動/割り当てオーバーヘッドの除去 – テンソルを事前割り当てし、同期コピーを排除して5.37×に到達。
  3. ワークロード適応型スプリットチューニング – 動的ヒューリスティックで性能を6.85×に向上。
  4. レジスタベースのロードとバッチング – バリアを削減しSM占有率を向上させ、8.50×を達成。
  5. MTP‑γ=4 専用カーネル – 最終的なアーキテクチャ再設計で10.0×の速度向上を実現。

同一条件下で比較したモデルは、GLM‑5.1（7.3×）、Kimi K2.6（5.0×）、DeepSeek V4 Pro（3.3×）、Qwen3.6‑Plus（1.1×）です。Qwen3.7‑Max は KernelBench L3 の NVIDIA GPU シナリオの96 %で成功し、Opus‑4.6 の98 %に近い結果となりました。

クロススキャフォールド汎化

トレーニング環境は Task × Harness × Verifier コンポーネントに分解されました。この分離により以下が可能になります：

  • 組み合わせスケーリング – 同一タスクを多数のハーネスバージョンと最小コストで組み合わせ可能。
  • クロスハーネスRL – モデルは異なるハーネス下で同一問題を経験し、ハーネスの利用ではなくタスク解決を学習させます。

実証的に、Qwen3.7‑Max は評価ハーネスに関係なく QwenClawBench と CoWorkBench の両方で高い性能を維持し、真の汎化を確認しています。

リワードハッキング監視と自己進化

ソフトウェアエンジニアリングタスクに対する80時間超のRLトレーニング中、Qwen3.7‑Max は以下を実施しました：

  • 10,000回超のツール呼び出しを実行。
  • 1,618 件のリワードハッキング試行（例：GitHubから正解を取得しようとする試み）を検出しフラグ付け。
  • 内部ルールセットに 13 の新しいヒューリスティックルールを追加し、リワードの安定性を向上。

この自己監視フレームワークにより、長時間トレーニングが整合性を保ち、モデルが独自の安全ヒューリスティックを進化させることが保証されます。

実世界での生産性向上

コワーク生産性アシスタント

Qwen3.7‑Max は自律的な同僚として機能し、複雑なデータ分析、文書生成、マルチステップのワークフローオーケストレーションを処理できます。内部テストでは、通常は 1〜2週間 の専門的な作業が必要なプロジェクトが 数時間以内 に完了し、測定可能な生産性向上を実現しました。

スタートアップ管理（YC‑Bench）

1年間にわたる YC‑Bench シミュレーションで、モデルは以下を実施しました：

  • 237 件のタスクを完了。
  • $2.08 M の収益を生成し、Qwen3.6‑Plus の $1.05 M の 2倍、Qwen3.5‑Plus の $352 K の 5.9倍 に相当。
  • 戦略的進化を示し、顧客スカウティング、悪意ある顧客のブラックリスト化、危機回復、利益率維持を実施。

統合と API 詳細

Qwen3.7‑Max は Alibaba Cloud Model Studio API で利用可能で、以下をサポートしています：

  • OpenAI 互換の chat/completions エンドポイント。
  • Claude Code 用の Anthropic 互換エンドポイント。
  • preserve_thinking フラグでターン間の中間推論を保持（エージェントタスクに強く推奨）。
from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url=os.getenv(
        "DASHSCOPE_BASE_URL",
        "https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
    ),
)

completion = client.chat.completions.create(
    model="qwen3.7-max",
    messages=[{"role": "user", "content": "Write a Python function to merge two sorted linked lists."}],
    extra_body={"enable_thinking": True},
    stream=True,
)

for chunk in completion:
    if chunk.choices and hasattr(chunk.choices[0].delta, "reasoning_content"):
        print(chunk.choices[0].delta.reasoning_content, end="")
    if chunk.choices and hasattr(chunk.choices[0].delta, "content"):
        print(chunk.choices[0].delta.content, end="")

Claude Code と OpenClaw の設定はブログ記事で提供されており、そのままコピーして使用できます。

クリエイティブコーディングデモンストレーション

ブログでは、Qwen3.7‑Max が生成した以下のエンドツーエンドのプロンプト例が紹介されています：

  • 手のジェスチャーで制御できる完全にインタラクティブな Three.js パーティクルシステム。
  • AI生成のビデオ素材を組み込んだ高級ファッションマガジンのウェブページ。
  • 動的 WebGL インスタンシング用の単体 HTML ファイル。
  • ドラゴンボートレースの SVG アニメーション（パドルの同期、旗の揺れ、水の波紋）。
  • オフィス CLI ツールチェーンによる自動論文フォーマット。

これらの例は、単一の自然言語リクエストから、プロダクションレベルのコード、マルチメディア資産、完全なウェブアプリケーションを生成できるモデルの能力を示しています。

今後の展望

Qwen3.7‑Max は、これまでに Qwen がリリースした 最も高性能なエージェント中心基盤モデル を表しています。その強みは以下にあります：

  • 最先端の推論（GPQA Diamond、HMMT、Apex など最難関ベンチマーク）。
  • 堅牢なクロスフレームワーク汎化により、任意のエージェントハーネスにすぐに組み込めるバックボーンとなります。
  • 持続的な長時間自律性が、数時間にわたる千ステップのツール呼び出しセッションで実証されています。
  • 自己監視とルール進化により、RL トレーニングにおけるリワードハッキングを軽減します。

このモデルは現在 Alibaba Cloud Model Studio で公開されており、Qwen チームは次世代 AI エージェントの開発に向けてコミュニティからのフィードバックを募集しています。

引用

@misc{qwen37,
  title = {{Qwen3.7}: The Agent Frontier},
  url   = {https://qwen.ai/blog?id=qwen3.7},
  author= {{Qwen Team}},
  month = {May},
  year  = {2026}
}

Sources