发生了什么
Artificial Analysis 评测 Qwen3.7 Max(56.6, 1M tokens)
为什么值得关注
建议点开原文看完整 benchmark 拆分和与 frontier 模型的对比，因为这次提升并非单纯来自知识准确率，而是与 abstention、幻觉率和推理型评测分项变化相关。
信息来源
以下内容来自公开来源，可打开原文继续核验。
Qwen3.7 Max
Artificial Analysis 评测 Alibaba 的新旗舰闭源模型 Qwen3.7 Max，称其在 Artificial Analysis Intelligence Index 上得分 56.6，较 4 月发布的 Qwen3.6 Max Preview 的 51.8 提升 4.8 分，但仍落后于 OpenAI、Anthropic 和 Google 的模型。该版本上下文窗口从 256K 提升到 1M tokens，仅支持文本输入输出；定价尚未公布，而 Qwen3.6 Max Preview 的 first-party API 价格为每 100 万输入 tokens $1.30、输出 tokens $7.80。对 reasoning 版本的细分显示，提升主要来自科学推理、agentic 能力和 coding，其中 CritPt 提升 9.7 个百分点、HLE 提升 9.2 个百分点、TerminalBench Hard 提升 6.9 个百分点、GDPval-AA 提升 42 Elo；同时 AA-Omniscience 的 accuracy 从 37.7% 降到 30.1%，hallucination rate 从 44.2% 降到 22.9%，模型用 96.7M output tokens 完成评测，较前代的 73.9M 增加约 31%。
打开原始来源 ↗Qwen3.7-Max 登顶 56.6
Artificial Analysis 公布，Alibaba 的 Qwen3.7 Max 在 Artificial Analysis Intelligence Index 上得分 56.6，较 Qwen3.6 Max Preview 的 51.8 提升 4.8 分。该提升主要来自科学推理、agentic 能力和编程：CritPt 从 3.7% 升至 13.4%，HLE 从 28.9% 升至 38.1%，TerminalBench Hard 从 43.9% 升至 50.8%，GDPval-AA 从 1504 升至 1546。报告同时指出，Qwen3.7 Max 在 AA-Omniscience 上准确率从 37.7% 降至 30.1%，但幻觉率从 44.2% 降至 22.9%，且其评测使用了 96.7M 输出 tokens，较 Qwen3.6 Max Preview 的 73.9M 增加约 31%；上下文窗口从 256K 扩展到 1M tokens，价格尚未公布，仍为 proprietary closed weights。
打开原始来源 ↗