Qwen3.7 Max · 媒体来源 · 独立测量
Ofox 用相同提示、每项 5 次运行中位数和 senior reviewer 比较 Qwen3.7 Max/Plus；Max 在文本与长程迁移有小幅优势，Plus 约便宜 5 倍且支持视觉。
待验证：本次未能重新核实原文。下方历史数字不代表已核实的当前结果。
Ofox 用相同 prompt、5 次运行中位数和 senior reviewer 比较 Max/Plus：Max 在纯文本和长程迁移上有小幅质量/速度优势，但 Plus 在三个任务中约 5 倍便宜且支持视觉输入。
接口：Ofox OpenAI-compatible API。
配置：相同 prompt，temperature 0.2；每个任务运行 5 次，报告中位数；质量由 senior reviewer 按 1–5 评分。
任务：1,200 行 Python 服务异步重构；截图+stack trace 的 flaky test 调试；1,000 步 Postgres 14→16 自主 CLI migration。
长程任务：每个模型 unattended 4 小时，低于页面所称 35 小时 ceiling。
文章公开了任务描述、输入/输出 tokens、耗时、tool calls、错误恢复和成本，但没有发布完整代码仓库、每轮工具 trace、随机种子、评审量表细则或原始 API 响应。它可以复刻方法与预算数量级，不能逐行复算。
| 指标 | Qwen3.7-Plus | Qwen3.7-Max |
|---|---|---|
| Input tokens | 12,840 | 12,840 |
| Output tokens | 4,210 | 3,980 |
| Median time | 47s | 41s |
| Quality | 4/5 | 4/5 |
| Diff applied cleanly | Yes | Yes |
| Estimated task cost | $0.012 | $0.062 |
| 指标 | Qwen3.7-Plus | Qwen3.7-Max |
|---|---|---|
| Input | 8,420 + 1 image | 8,420，image dropped |
| Output tokens | 1,830 | 2,140 |
| Time | 12s | 9s |
| Quality | 5/5 | 2/5 |
| 找到真实原因 | Yes | No |
| 指标 | Qwen3.7-Plus | Qwen3.7-Max |
|---|---|---|
| Tool calls | 342 | 351 |
| Errors recovered | 4/5 | 5/5 |
| Completion | 96% | 100% |
| Total cost | $0.34 | $1.71 |
纯文本 async refactor 中，质量同为 4/5，Max 中位耗时约快 14%，但任务成本约为 Plus 的 5 倍。
视觉调试任务不是“便宜的 Max vs 更贵的 Plus”：Max 不能接收截图，Plus 以 5/5 找到原因，Max 2/5 且猜错位置。
长程 migration 中 Max 100% 完成、5/5 错误恢复，Plus 96%、4/5；对不可逆生产迁移，小质量差异可能值得付费，对可回滚 staging 则 Plus 更有成本优势。
同一文章的价格表称 Max 输入/输出 $2.50/$7.50，Plus $0.40/$1.60；实际报价应以 Alibaba Cloud 当前页面为准。
Ofox 同时提供比较 API 和推广服务，存在平台方利益；任务集为 3 个，不能代表所有 coding/Agent 工作流。
senior reviewer、样本代码和原始 trace 未公开，质量分可能含主观成分。
Plus 视觉优势依赖 API 的 image 输入和任务设计；Max 的文本路径不能与视觉路径严格等价。
4 小时运行、342–351 tool calls 不是 35 小时上限或任意 Agent 的稳定性证明。
使用同一 dated snapshot、同一 prompt、temperature 0.2 和相同工具权限，在自己的 API/网关中分别运行 Max 与 Plus。
每个任务重复至少 5 次，保存 input/output tokens、TTFT、墙钟时间、tool calls、错误恢复和最终 diff。
由两名不知模型身份的评审者按固定 rubric 评分，并独立记录“是否找到真实根因”和“是否通过测试”。
将视觉任务的 image 输入与纯文本任务分开，不把“模型看不到图”误判成推理能力差。
计算每个通过且无需人工重做的结果成本，再决定 Max 的质量溢价是否合理。
文章的成本结论是 “Plus wins on text-only cost”，但长程迁移的 100% vs 96% 提醒不可逆任务需要按失败代价路由。
本文中的数字、任务集、推理档位和客户端条件只在所列来源及采集时点内成立。不同版本、不同 harness 或不同提供商的数据不能直接并排比较；未公开的参数保持未知。
需要复测时，请固定模型版本、提供商或客户端、推理档位、工具、任务集版本、样本数和采集日期，并记录失败、重试与人工修正。完整方法和复现步骤见下方来源笔记。
Ofox AI · Ofox（文章页面未显示个人作者） · 原文发布日期 2026-06-02 · 本站编辑日期 2026-09-20
打开原始来源Qwen3.7 Max
下载 Tabbit 客户端后检查模型可用性
