アリババプロプライエタリ

Qwen3.7-Max-Preview

Name: Qwen3.7-Max-Preview
Author: アリババ

このモデルを比較

アリババ開発の最新エージェント特化モデル。高度なエージェントワークフローと推論能力を実現。

シェア:X はてブ LINE

パラメータ

非公開

コンテキスト長

ライセンス

プロプライエタリ

リリース日

2026-05-20

日本語性能

✅高品質日本語

多言語対応モデルのうち、日本語処理に優れた性能を持つモデル。

API料金

入力料金（1Mトークンあたり）

$2.5

出力料金（1Mトークンあたり）

課金モード: standard

強み

弱み

活用例

深度分析

Artificial Analysis Intelligence Index

56.6

218+ランクモデル中総合#5位、中国モデルとして最高スコア。Qwen3.6 Max Previewに対し+4.8ポイント

Arena AI Elo

~1,489 (#14 overall)

数学#7位、エキスパートプロンプト#9位、ソフトウェア＆IT #9位。WebDev Arenaでは1,541 Eloで#4位

SWE-Bench Verified

80.4%

SWE-Bench Pro: 60.6%、SWE Multilingual: 78.3%。国産モデルの中でトップ

GPQA Diamond

92.4%

博士レベルの推論能力。Claude Opus 4.6（91.3%）を上回り、GPT-5.5（93.6%）を下回る

入力/出力単価

$2.50 / $7.50 per 1M tokens

キャッシュ入力: $0.25/1M（90%割引）。Claude Opus 4.7価格の約半分

コンテキストウィンドウ

1M tokens

Qwen3.6 Max Previewの256Kから4倍に拡大。最大出力は64K〜66Kトークン

強み

・フロンティアモデルの中で最高のコストパフォーマンス比 — 複数のベンチマークでClaude Opus 4.6と同等または上回りながら、出力コストは約3分の1
・1Mトークンコンテキストと1,000回以上のツール呼び出しによる35時間自律実行の実績により、卓越した長時間エージェント能力を実現
・業界最高レベルの幻覚抑制能力：AA-Omniscienceでの幻覚率は22.9%（フロンティアモデル中最低）。GPQA Diamond（92.4%）とHMMT（97.1%）のスコアも堅調

弱み

・テキストのみ対応でビジョン機能が完全に欠如 — 画像理解、UIスクリーンショット、コンピュータ利用エージェントを要するワークフローには一切対応不可
・推論モードでの冗長な出力によりベンチマークで約97Mトークンを生成（中央値は26M）。レイテンシ（思考処理に10〜45秒のオーバーヘッド）とタスク単位のAPIコストが大幅に増大
・オープンウエイト未公開。プロプライエタリAPI専用のため、以前のQwenリリースと比較してローカルデプロイ、ファインチューニング、オフライン利用が制限される

競合比較

Model	Arena	SWE	GPQA	Price
GPT-5.5 (OpenAI)	~1,550+	N/A（公開済み）	93.6%	$5.00/$30.00
Claude Opus 4.7 (Anthropic)	トップ5	64.3%（Pro）	~91–92%	$5.00/$25.00
Gemini 3.1 Pro Preview (Google)	トップ10	N/A	N/A	N/A（プレビュー）
Gemini 3.5 Flash (Google)	トップ10	N/A	N/A	$1.50/$9.00
DeepSeek V4 Pro	Qwen3.7-Maxを下回る	N/A	N/A	$1.74/$3.48

概要

Qwen3.7-Max-Previewは、2026年5月20〜21日に杭州で開催されたAlibaba Cloud Summitにて発表されたAlibabaのフラッグシップ・プロプライエタリ推論モデルである。汎用チャットアシスタントではなく「エージェント基盤」として位置づけられ、長時間自律コーディング、科学推論、オフィスワークフロー自動化をターゲットとしている。Artificial Analysis Intelligence Indexで56.6ポイント（総合#5位）を記録し、同リーダーボードにおける中国モデル最高スコアとなった。1Mトークンコンテキストウィンドウ（前世代の4倍）、GPQA Diamond 92.4%、SWE-Bench Verified 80.4%を達成し、AlibabaのカスタムZhenwu M890アクセラレータを用いた内部テストでは35時間の自律コーディングランを実証した。本モデルは市場で独自のポジションを占めている。Claude Opus 4.7やGemini 3.1 Pro Previewに迫る知性を持ちながら、入力トークンは約半額、出力トークンは約3分の1のコストを実現している。積極的なプロンプトキャッシング（キャッシュ入力$0.25/1M、90%割引）により、数百ターンにわたって長いコンテキストを再読み込みするエージェントワークフローに特に魅力的である。OpenAIとAnthropicの両API仕様をネイティブサポートし、Claude Codeなどのツールへのドロップイン統合が可能である。ただし、テキストのみ対応（ビジョンなし）、冗長な推論トレースによるトークンコスト増大、高い棄却率（AA-Omniscienceでの試行率48%）による幻覚率低下と知識検索タスクでの有用性制限という課題がある。 Alibabaの今回のリリースは、トップティアではクローズドウエイト・収益創出モデルへの戦略的シフトを示すものであり、下位ティアではオープンウエイトを維持する方針を発表している（27B denseと35B MoEモデルが発表されたが、リリース日は未定）。Qwen3.6からQwen3.7への1ヶ月サイクルは、開発ペースの加速を示している。エンジニアリングチームにとって、Qwen3.7-Maxはテキスト専用のエージェント・コーディングワークロードにおいて最強のコスト最適化フロンティアオプションであるが、ビジョン機能、絶対的なピーク知性、低レイテンシのチャットが必要なチームは他の選択肢を検討すべきである。

ベンチマーク＆性能

## 包括的ベンチマーク性能 ### 総合知性 | ベンチマーク | Qwen3.7-Max | GPT-5.5 | Claude Opus 4.7 | Gemini 3.1 Pro | Gemini 3.5 Flash | |---|---|---|---|---|---| | AA Intelligence Index | **56.6 (#5)** | 60.2 (#1) | 57.3 (#3) | 57.2 (#4) | 55.3 (#7) | | Arena AI Elo（総合） | ~1,489 (#14) | トップ5 | トップ5 | トップ10 | トップ10 | | WebDev Arena Elo | 1,541 (#4) | — | — | — | — | ### コーディング＆ソフトウェアエンジニアリング | ベンチマーク | Qwen3.7-Max | 備考 | |---|---|---| | SWE-Bench Verified | **80.4%** | 国産モデル中最先頭 | | SWE-Bench Pro | **60.6%** | Qwen3.6 Max: 57.3% | | SWE Multilingual | **78.3%** | トップポジションを報告 | | Terminal-Bench 2.0 | **69.7%** | Qwen3.6 Max: 65.4%。公開スコアとしては最高水準の一つ | | Terminal-Bench Hard | **50.8%** | Qwen3.6 Max比+6.9pp | | SciCode | **53.5%** | Qwen3.6 Max: 47% | | LiveCodeBench | **91.6%** | — | | NL2Repo | **47.2%** | Qwen3.6 Max: 42.9% | | AA Coding Index | **66.0%** | — | ### 科学的・博士レベル推論 | ベンチマーク | Qwen3.7-Max | 競合比較 | |---|---|---| | GPQA Diamond | **92.4%** | Claude Opus 4.6（91.3%）を上回り、GPT-5.5（93.6%）を下回る | | Humanity's Last Exam (HLE) | **41.4%** | Qwen3.6 Max: 28.9%、Claude Opus 4.6: 40.0% | | CritPt | **13.4%** | Qwen3.6 Max（3.7%）比+9.7pp | ### 数学 | ベンチマーク | Qwen3.7-Max | 備考 | |---|---|---| | HMMT February 2026 | **97.1%** | 比較グループ内で最高スコア | | IMOAnswerBench | **90.0%** | — | | Apex | **44.5%** | DeepSeek V4 Pro: 38.3% | ### エージェント能力 | ベンチマーク | Qwen3.7-Max | 備考 | |---|---|---| | Terminal-Bench 2.0-Terminus | **69.7%** | DeepSeek-v4-pro-MaxおよびClaude Opus 4.6を上回る | | QwenClawBench | **64.3%** | Qwen3.6 Max: 59.0% | | GDPval-AA | **1,546 Elo** | Qwen3.6 Max（1,504）比+42 Elo | | Kernel Bench GPU | **1.98×高速化** | Alibaba内部テストのみ | ### 知識＆事実リコール | ベンチマーク | Qwen3.7-Max | 備考 | |---|---|---| | AA-Omniscience Index | **14.1%** | フロンティアモデル中6位 | | AA-Omniscience Accuracy | **30.1%** | Qwen3.6 Maxの37.7%から低下 | | AA-Omniscience Hallucination Rate | **22.9%** | フロンティアモデル中最低。44.2%から低下 | | AA-Omniscience Attempt Rate | **48.0%** | フロンティアモデル中最低 — プロンプトの半数以上で棄却 | | SuperGPQA | **73.6%** | Qwen3.6 Max: 73.9% | | MMLU-Pro | **89.6%** | — | ### 指示追従 | ベンチマーク | Qwen3.7-Max | 備考 | |---|---|---| | AA-IFBench | **80.5%** | Qwen3.6 Max: 76.6% | | IFEval | **94.3%** | — | ### 速度＆効率性 | 指標 | Qwen3.7-Max | 備考 | |---|---|---| | 出力速度 | **208トークン/秒** | Gemini 3.5 Flashと並んで3位タイ | | AA評価時の出力トークン数 | **約97M** | 中央値26M — 非常に冗長な推論トレース | ### 主要な観察事項本モデルの際立った特徴は、極端な棄却戦略である。知識プロンプトの半数以上（試行率48%）を回答拒否することで、フロンティアモデル中最低の幻覚率（22.9%）を達成している。これは重要なトレードオフであり、事実の信頼性が求められるタスクには優れているが、幅広い知識検索には制限がある。

詳細比較

## 直接比較 ### Qwen3.7-Max vs. Claude Opus 4.7 | 評価軸 | Qwen3.7-Max | Claude Opus 4.7 | |---|---|---| | AA Intelligence Index | 56.6 (#5) | 57.3 (#3) | | GPQA Diamond | 92.4% | ~91–92% | | コンテキストウィンドウ | 1Mトークン | 1Mトークン | | 入力単価 | $2.50/1M | $5.00/1M | | 出力単価 | $7.50/1M | $25.00/1M | | キャッシュ入力 | $0.25/1M | 利用可能 | | ビジョン | ❌ テキストのみ | ✅ マルチモーダル | | オープンウエイト | ❌ プロプライエタリ | ❌ プロプライエタリ | | API互換性 | OpenAI + Anthropic | Anthropicネイティブ | **判定:** Qwen3.7-MaxはIntelligence IndexでOpus 4.7を1ポイント未満で追いかけつつ、出力トークンコストは3分の1を実現している。大規模なテキスト/コード専用エージェントワークロードにおいて、価格優位性は説得力がある。ただし、Opus 4.7はArenaランキングで先行し、ビジョンにも対応している。コスト重視のテキスト専用エージェントパイプラインにはQwen3.7-Maxを、ビジョン機能や最高品質が必要な場合はOpus 4.7を選択すべし。 ### Qwen3.7-Max vs. GPT-5.5 | 評価軸 | Qwen3.7-Max | GPT-5.5 | |---|---|---| | AA Intelligence Index | 56.6 | 60.2 | | GPQA Diamond | 92.4% | 93.6% | | コンテキストウィンドウ | 1Mトークン | 1Mトークン | | 入力単価 | $2.50/1M | $5.00/1M | | 出力単価 | $7.50/1M | $30.00/1M | | ビジョン | ❌ | ✅ マルチモーダル | **判定:** GPT-5.5はIntelligence Indexで3.6ポイントリード — フロンティアティア間では最大の差である。ただし、出力トークンコストは4倍高価となる。タスク単位のコストが最優先課題であり、3.6ポイントの知性差がタスク完了に実質影響しないチームにとって、Qwen3.7-Maxは大幅に優れた経済性を提供する。 ### Qwen3.7-Max vs. Gemini 3.5 Flash | 評価軸 | Qwen3.7-Max | Gemini 3.5 Flash | |---|---|---| | AA Intelligence Index | 56.6 | 55.3 | | 入力単価 | $2.50/1M | $1.50/1M | | 出力単価 | $7.50/1M | $9.00/1M | | 出力速度 | 208トークン/秒 | 208トークン/秒 | | ビジョン | ❌ | ✅ | **判定:** Gemini 3.5 Flashは入力トークンが安価でビジョンにも対応しており、大量処理・低リスクワークロードに優位。Qwen3.7-MaxはIntelligence Indexで1.3ポイント先行し、出力トークンが安価なため、出力トークン量がコストを支配する推論重視のエージェントタスクに最適。

コミュニティ評価

## コミュニティ＆業界の反応 **好意的な評価:** - LogRocketの2026年6月パワーランキングでは、Qwen3.7-Maxは「今月最大のサプライズ」と評され、同月の5つの新フロンティアエントリーの中で最も議論されたモデルとなった - WebDev Arena #4位（1,541 Elo、Claude Opus 4.6を上回る）は、特にコストパフォーマンス比において開発コミュニティで大きな注目を集めた - フォーラムやSNS上の開発者は、キャッシュ入力$0.25/1Mの価格設定を長コンテキストエージェントワークフローのゲームチェンジャーとして注目。反復的なエージェントタスクでClaude Opus比70〜90%のコスト削減を報告する声もある - ネイティブAnthropic API互換性（Claude Codeとのドロップイン利用が可能）は、切り替えコストを低減する戦略的施策として広く称賛された **懸念と懐疑:** - 35時間自律実行の主張（1,158回のツール呼び出し）は独立検証されていない。コミュニティのコンセンサスは「方向性は妥当だが未確認」というもの - 複数のレビュアーが、高い棄却率（AA-Omniscienceでの試行率48%）を実用上の重大な制限として指摘。低幻覚スコアは回答拒否によるものであり、優れた知識力の証ではない点に留意 - Maxティアモデルのオープンからクローズドウエイトへの移行は、オープンソースAIコミュニティからの批判を浴びた。一部ではQwenチームのリーダーシップ交代と関連付けている - DeepLearning.AIの編集部は「Alibabaのクローズドウエイトへの転換を残念に思う」としつつも、モデル自体の品質は認めている **導入パターン:** - 初期導入は、Alibaba Cloudインフラストラクチャを既に利用する中国企業チームと、長時間エージェントパイプラインを構築するコスト感度の高い西洋の開発者に集中 - 堅実なSWE-Benchスコアと積極的な価格設定により、コーディングエージェントエコシステム（Cursor、Claude Code代替）での採用が進展 - バージョン固定の懸念：月次リリースサイクル（3.6→3.7を1ヶ月で実施）を受け、コミュニティでは`qwen-max`のようなフローティングエイリアスではなく、本番ルーティングで特定のモデルバージョンを固定することが推奨されている - OpenRouterやTogether AIでの採用が報告されており、Alibaba Cloud Model Studioの直接利用と並行して普及

ユースケース

## 具体的ユースケースとQwen3.7-Maxの選択指針 ### 1. 長時間自律コード移行 **例:** 大規模なPython 2.xコードベースのPython 3.12への移行、またはモノリシックサービスのマイクロサービス化（数千ファイルにわたる）。 **Qwen3.7-Maxの優位性:** 1Mトークンコンテキストウィンドウにより、中規模リポジトリ全体を単一リクエストに格納可能。1,000回以上のツール呼び出しを35時間維持した実績により、夜間の自律リファクタリングジョブに適している。キャッシュ入力トークン$0.25/1Mにより、数百ステップのエージェント処理で同じコードベースコンテキストを再読み込みするコストは、競合フロンティアモデルと比較して劇的に低廉。 **他モデルを選択すべき場合:** Claude Opus 4.7の$25/1M出力価格により、数時間の自律コーディングランのコストが採算に合わない場合。コードベースがテキストのみ（ビジュアルアセットなし、UIスクリーンショット不要）の場合。 ### 2. マルチステップ科学研究合成 **例:** 50本以上の研究論文の処理・相互参照、手法比較の抽出、矛盾の特定、構造化された文献レビューの生成。 **Qwen3.7-Maxの優位性:** GPQA Diamond 92.4%のスコアは博士レベルの推論能力を示す。1Mトークンコンテキストにより数十本の全文論文を同時に格納可能。高い棄却率（48%）により、幻覚的な引用を生成するのではなく不確実性を明示する — 科学研究には不可欠な特性。 **他モデルを選択すべき場合:** 正確さと引用信頼性がリコールの幅よりも重要な場合。AA-Omniscienceでの生の正確度30.1%は、検索可能な事実の一部を見逃す可能性を意味する — 特定の文献コーパスでテストすべき。 ### 3. オフィスワークフロー自動化＆文書処理 **例:** 毎日数百の法的文書を処理し、条項のバリエーション、リスク指標、コンプライアンス問題を検出する自動契約レビューパイプライン。 **Qwen3.7-Maxの優位性:** Alibabaは本モデルをオフィス自動化用として明確に位置づけている。テキストのみの制限はここでは影響が小さい（契約書はテキスト）。入力$2.50/1M＋キャッシング$0.25により、大量文書処理が経済的に実行可能。法的・コンプライアンス文脈では低幻覚率が不可欠。 **他モデルを選択すべき場合:** 文書がテキストのみの場合。スキャンされたPDFや画像主体の契約書にOCR＋ビジョン理解が必要な場合は、Qwen3.7-Plus-PreviewまたはGemini 3.5 Flashを利用。 ### 4. スタートアップ＆小規模チーム向けコスト最適化コーディングエージェント **例:** フロンティア品質のコード生成を持続可能なAPIコストで実現する必要があるCursorライクなコーディングアシスタントを開発チームが運用するケース。 **Qwen3.7-Maxの優位性:** $2.50/$7.50（入力/出力）— Claude Opus 4.7価格の約半額 — で、SWE-Bench Verified 80.4%（Opus 4.6と競争力あり）のフロンティアに迫るコーディング品質を大幅に低コストで提供。ネイティブAnthropic API互換性により、Claude Codeベースのエージェントハーネスへのドロップインが可能。 **他モデルを選択すべき場合:** チームがコスト感度が高く、ワークフローがテキスト/コードのみの場合。Opus 4.7との1〜2ポイントの品質差がタスク完了率に影響しない場合。デバッグ時にUIの視覚的検査が必要な場合、または絶対的な最大コード品質が必須の場合はOpus 4.7またはGPT-5.5を選択。