Команда Qwen из Alibaba Cloud выкатила своего нового флагмана — Qwen3.7-Max. Это проприетарная модель, которую разработчики позиционируют не просто как чат-бот, а как «фундаментальную базу для агентов». В эпоху вайбкодинга это важный сигнал: фокус смещается с простых ответов на длительное автономное выполнение задач.
Бенчмарки: Claude и DeepSeek подвинулись
Цифры выглядят впечатляюще. В тесте на сложные научные рассуждения GPQA Diamond модель набрала 92.4, обойдя Claude Opus 4.6 Max (91.3). В бенчмарке Apex, оценивающем логику, Qwen3.7-Max показала 44.5 против 38.3 у DeepSeek V4 Pro.
Но самое интересное для нас — это Terminal Bench 2.0. Здесь модель набрала 69.7 баллов, что значительно выше предыдущей версии 3.6-Plus (61.6). Это напрямую конвертируется в качество работы агентов внутри терминала и IDE.
35 часов автономного кодинга
Главный кейс релиза — тест на оптимизацию GPU-ядер. Модели дали сложную задачу по оптимизации кода для Triton, предоставив доступ к инструментам тестирования, и оставили одну на 35 часов.
За это время Qwen3.7-Max:
- Сделала 1 158 вызовов инструментов.
- Самостоятельно находила узкие места и переписывала код.
- В итоге добилась 10-кратного ускорения производительности относительно референсного решения.
Что это значит для вайбкодеров
- Агентский потенциал: Модель заточена под «long-horizon tasks». Это значит, что в связке с Cursor или Claude Code она должна реже «терять нить» при выполнении больших рефакторингов.
- Контекст 1 млн токенов: Огромное окно позволяет скармливать модели целые репозитории без потери качества.
- Проблема многословности: Аналитики из Artificial Analysis отмечают, что модель генерирует почти в 4 раза больше токенов, чем конкуренты (97 млн против медианы в 24 млн в тестах). Для нас это означает потенциально более высокие счета за API при использовании в автономных агентах.
Модель уже доступна через API Alibaba Cloud Model Studio. Несмотря на закрытый исходный код, для тех, кто строит сложные AI-пайплайны, это серьезная альтернатива западным флагманам.
