Qwen3.7-Max Artificial Analysis 综合智能指数与成本速度实测

一句话结论

Artificial Analysis 独立实测显示 Qwen3.7-Max 智能指数达 47 分（排名前 23%），以 206.4 tok/s 输出速度位列第 9，单任务成本 $0.54 显著低于 Opus 5 与 GPT-5.6 Sol，但生成 100M Token 的倾向体现出较明显的长思维冗余。

测试环境

• 评测基准体系：Artificial Analysis Intelligence Index v4.1.1。

• 包含子集：GDPval-AA v2、tau^3-Banking（𝜏³-Banking）、Terminal-Bench v2.1、SciCode、Humanity's Last Exam (HLE)、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR 共 9 项受控评测。

• 推理环境：基于 Alibaba Cloud Model Studio 官方推理端点，默认 10k 输入 token 负载实测。

• 比较池：全球 182 款同类推理与专有模型横向对比。

输入/配置

• 评测模式：启用完整 Reasoning / Thinking 模式。

• 输入/输出模态：纯文本（Text-only），单次请求最大上下文支持 1M tokens。

• 计费基准：输入 $2.50 / 1M tokens，输出 $7.50 / 1M tokens，上下文缓存折扣 80%。

• 总计消耗：在完成全部 Intelligence Index 评测中，累计产生 100M Output Tokens，总测试开销 $1,063.86。

结果数据

核心能力与性能排名

跨模型单任务加权成本对照 (Cost per Task)

跨模型输出速度对照 (Output Tokens / sec)

结论

• 速度与吞吐优势突出：Qwen3.7-Max 在保持 47 分智能水平的同时，达到 206.4 tok/s 输出速率，比 Claude Opus 5（59 tok/s）快 3.5 倍，比 Kimi K3（39 tok/s）快 5.3 倍，非常适合交互型代码 Agent。

• 成本效费比具备竞争力：单任务 $0.54 的成本仅为 Claude Opus 5（$2.34）的 23%，在需要高频调用推理能力的企业 IT 与代码重构场景下成本优势明显。

• 思维冗余度偏高：100M Token 的评测产出明显高于 72M 的行业中位数，说明模型在复杂逻辑推演时倾向于展开极长思维链（Long-thought），需配合合理的 max_tokens 预算。

局限

• 仅支持纯文本输入，不支持视觉与截图输入（Multimodal Image Drop），无法直接用于前端 UI 截图审查。

• 随着 Qwen3.8-Max（56 分）的推出，官方已将 Qwen3.7-Max 列为 Deprecated 归档追踪状态，长远生产部署应评估向 3.8 版本的平滑迁移。

复现步骤

1. 使用 Alibaba Model Studio 官方端点调用 qwen3.7-max-2026-05-20 快照，开启 enable_thinking: true。

2. 运行标准 10k token 输入基线请求，记录 TTFT（期望在 2.0s~2.5s 区间）与流式输出 tok/s。

3. 统计长程推理任务的思考 Token 占比（Thinking vs Final Answer），计算单任务真实完成成本。

来源摘录或观察（仅做合规短引）

Artificial Analysis 评测摘要总结：“Qwen3.7 Max is amongst the leading models in intelligence... It's also notably fast, however somewhat verbose. At 206 tokens per second, Qwen3.7 Max is notably fast”。