Qwen3.7 Max Preview стоит рассматривать как экспериментальную текстовую модель для диалогов, работы с большими документами и задач, где особенно важна субъективная убедительность ответа. Её главный аргумент — суббалл человеческих предпочтений 99,5 из 100 и подтверждённое участие в LMArena. Главные причины для осторожности — статус preview, закрытые веса, отсутствие Intelligence Index, независимой оценки кода и измерений скорости в зафиксированном срезе.
Коротко
- COMRAD Score: 64,6 из 100; это нормализованная редакционная оценка, а не процент правильных ответов.
- Место: 47-е в редакции рейтинга 2026 H2.
- Сильнейшая сторона профиля: human preference — 99,5.
- Независимый сигнал: LMArena Text rating 1473,7, 27-е место и 3712 голосов.
- Контекст: 1 000 000 токенов по паспорту и официальной документации.
- Цена в срезе: $1,475 за миллион входных и $4,425 за миллион выходных токенов.
- Неизвестные параметры: Intelligence Index, скорость генерации, время до первого токена и показатели LMArena Code.
- Статус: proprietary, без открытых весов, preview — не production-ready.
| Параметр | Значение в паспорте |
|---|---|
| Модель | Qwen3.7 Max Preview |
| Организация | Alibaba |
| Место в рейтинге | 47 |
| COMRAD Score | 64,6 / 100 |
| Лицензирование | Proprietary |
| Открытые веса | Нет |
| Статус preview | Да |
| Reasoning в редакционном паспорте | Нет |
| Контекст | 1 000 000 токенов |
| Цена входа | $1,475 за 1 млн токенов |
| Цена выхода | $4,425 за 1 млн токенов |
| Уверенность профиля | Ограниченная |
| Дата среза | 31 августа 2026 года |
Место в рейтинге
Qwen3.7 Max Preview занимает 47-е место в выпуске рейтинга моделей ИИ COMRAD404 2026 H2, рассчитанном по методологии версии 1.0. Позицию нельзя интерпретировать как утверждение, что модель отвечает правильно в 64,6% случаев или уступает каждой модели выше неё во всех задачах. Итог объединяет пять нормализованных редакционных суббаллов с разными весами.
На качество приходится 40% итоговой оценки, на человеческие предпочтения — 30%, на код — 15%, на эффективность — 10%, на доступность — 5%. Поэтому почти максимальный human preference заметно поднимает результат, но не может полностью компенсировать нейтральные оценки качества и кода, а также более слабую доступность.
Позиция особенно чувствительна к пробелам в данных. В срезе нет Artificial Analysis Intelligence Index, LMArena Code rating и независимых замеров задержки. При таких условиях редакция не заменяет отсутствующие значения догадками: ограниченная уверенность прямо означает, что профиль модели изучен неравномерно.
Разбор пяти суббаллов
| Суббалл | Оценка | Вес | Что означает для выбора |
|---|---|---|---|
| Качество | 50,0 | 40% | Нейтральная редакционная оценка при отсутствии Intelligence Index в срезе |
| Человеческие предпочтения | 99,5 | 30% | Выраженный положительный сигнал слепых пользовательских сравнений |
| Код | 50,0 | 15% | Специализированного LMArena Code rating нет; превосходство в программировании не подтверждено |
| Эффективность | 50,7 | 10% | Цена известна, но данных о скорости и первой задержке нет |
| Доступность | 44,8 | 5% | Закрытые веса, proprietary-доступ и предварительный статус ограничивают контроль |
Итоговый профиль асимметричен: модель выглядит заметно сильнее по пользовательскому восприятию, чем по полноте независимой технической верификации. Это полезный сигнал для чат-продукта, но недостаточный аргумент для автоматического выбора модели в критичную инфраструктуру.
Что говорит LMArena
LMArena Text rating модели равен 1473,7, место в текстовой таблице — 27-е, число голосов — 3712. Это статистический рейтинг, полученный из слепых попарных сравнений ответов. Он не является процентом точности и не показывает вероятность правильного ответа на произвольный вопрос.
Высокий суббалл human preference указывает, что участники сравнений часто предпочитали ответы модели в представленном наборе диалогов. На выбор могут влиять полезность, ясность, стиль, следование инструкции и общее впечатление. Метрика не изолирует фактическую точность, устойчивость к галлюцинациям или качество выполнения конкретного корпоративного процесса.
3712 голосов дают модели содержательный пользовательский сигнал, однако выборка не заменяет тесты на данных заказчика. Публичная арена обычно охватывает более широкий и менее контролируемый набор запросов, чем служба поддержки, юридический поиск, анализ договоров или генерация патчей в определённом репозитории.
Официальный статус и режим работы
Alibaba Cloud описывает qwen3.7-max-preview как предварительный снимок Qwen3.7 Max, опубликованный для международного доступа 20 мая 2026 года. Официальная документация указывает текстовый ввод и текстовый вывод, контекст на 1 млн токенов, поддержку function calling, структурированного вывода, prefix completion и встроенного веб-поиска. Для этого конкретного preview-снимка документация отдельно отмечает работу только в thinking mode.
При этом в редакционном паспорте поле reasoning имеет значение «нет». Эти обозначения относятся к разным системам классификации. Официальный thinking mode описывает режим API, тогда как паспорт не засчитывает модели отдельный подтверждённый reasoning-профиль рейтинга. Нельзя автоматически переносить наличие внутреннего рассуждения на доказанную точность в сложной математике, планировании или логике.
Модель остаётся proprietary: открытые веса для этой версии не заявлены. Точного официального model card с архитектурой, числом параметров и подробным описанием обучающего набора в ходе исследования не найдено. Репозиторий с весами именно Qwen3.7 Max Preview также не обнаружен. Поэтому развёртывание на собственных серверах, аудит параметров и независимое воспроизведение инференса не входят в подтверждённые варианты использования.
Возможности и сценарии
Наиболее естественный сценарий — диалоговый ассистент, где ценятся связность, соблюдение формата и приемлемое для пользователя изложение. Сюда относятся ответы по внутренней базе знаний, подготовка черновиков, суммаризация документов, классификация обращений, преобразование текста и составление структурированных материалов.
Работа с большими документами
Контекст в 1 млн токенов позволяет передавать крупные подборки текста: документацию продукта, журналы событий, несколько договоров или значительную часть репозитория. Но размер окна — это технический лимит, а не гарантия одинаково точного внимания ко всем фрагментам. На длинных входах нужно проверять поиск фактов из начала, середины и конца контекста, устойчивость ссылок на первоисточник и способность отличать актуальную редакцию документа от устаревшей.
Ассистенты с инструментами
Официально заявленные function calling и structured outputs делают модель кандидатом для маршрутизации запросов, вызова поиска, CRM или внутренних API. В рабочем контуре нельзя полагаться только на заявленную поддержку функции. Необходимы проверка схемы JSON, ограничение разрешённых инструментов, валидация аргументов и подтверждение операций с внешними последствиями.
Генерация и разбор кода
Модель можно включить в пилот для объяснения функций, подготовки тестов, рефакторинга и поиска очевидных дефектов. Однако LMArena Code rating и место в кодовом рейтинге отсутствуют. Суббалл coding 50,0 является нейтральной редакционной оценкой при неполном покрытии, а не подтверждением специализированной силы модели. Для автономного изменения кода нужны отдельные испытания с компиляцией, тестами и статическим анализом.
Фактические ответы с поиском
Встроенный веб-поиск официально поддерживается, но сам факт подключения поиска не гарантирует корректность вывода. Следует проверять, возвращает ли система источники, действительно ли они подтверждают ответ, различает ли модель дату публикации и дату события и умеет ли признавать отсутствие сведений.
Контекст на миллион токенов
Большое окно полезно, если оно сокращает ручное разбиение материала и число промежуточных запросов. Одновременно оно повышает цену ошибки: нерелевантные данные, дубли и конфликтующие инструкции могут занимать значительную часть промпта. Перед отправкой больших корпусов стоит удалить шаблонный шум, присвоить документам идентификаторы и потребовать ссылаться на конкретные фрагменты.
Практический тест должен включать «иголку в стоге сена», но не ограничиваться ею. Добавьте несколько похожих фактов, намеренные противоречия, устаревшую версию документа и вопрос, требующий соединить сведения из удалённых частей контекста. Измеряйте не только найден ли факт, но и верно ли модель определила его область действия.
Паспорт фиксирует общий контекст 1 000 000 токенов. Официальная документация уточняет отдельные ограничения на максимальный ввод и вывод, которые могут зависеть от режима. Поэтому интеграция должна ориентироваться на актуальные лимиты выбранного региона и API, а не пытаться занять всё окно полезным вводом без запаса для ответа и служебных сообщений.
Цена и скорость
В срезе COMRAD404 вход стоит $1,475 за миллион токенов, выход — $4,425 за миллион. Это самостоятельные ценовые метрики, а не части COMRAD Score. Для условного запроса на 100 000 входных и 5 000 выходных токенов расчёт по зафиксированным значениям составит около $0,1696: $0,1475 за ввод и $0,0221 за вывод.
Эту сумму нельзя воспринимать как постоянный тариф Alibaba. Цена зависит от API-провайдера, региона, режима, скидки, даты и особенностей биллинга. В официальной документации встречаются отдельные тарифы для разных областей развёртывания и снимков модели. Перед закупкой необходимо пересчитать стоимость непосредственно по счёту выбранного провайдера.
Данных о числе выходных токенов в секунду и времени до первого токена в паспорте нет. Следовательно, суббалл efficiency 50,7 не доказывает ни высокую, ни низкую скорость. Для интерактивного продукта следует отдельно измерить медиану и 95-й перцентиль первой задержки, полную длительность ответа, частоту тайм-аутов и поведение под параллельной нагрузкой.
Доступность, лицензия и контроль
Суббалл access равен 44,8. На него влияют закрытые веса, proprietary-модель распространения и preview-статус. Пользователь зависит от доступности внешнего сервиса, правил провайдера, квот, регионов и изменений конкретного endpoint. Перенести тот же инференс в собственную инфраструктуру на основании опубликованных весов нельзя.
Закрытая модель может быть удобна как управляемый API, но требует оценки требований к данным. До пилота нужно проверить допустимые категории информации, сроки хранения запросов, настройки журналирования, географию обработки и договорные условия. Публичный чат и корпоративный API не следует считать взаимозаменяемыми каналами.
Preview означает предварительный статус. Такую версию нельзя называть production-ready без собственных эксплуатационных доказательств. Возможны изменения поведения, ограничений, цены, доступности или идентификатора модели. Для воспроизводимых тестов предпочтителен фиксированный snapshot ID, если провайдер предоставляет его и гарантирует нужный срок поддержки.
Ограничения
- Нет Artificial Analysis Intelligence Index. Данных в срезе нет, и значение не восстанавливается по сторонним упоминаниям.
- Нет LMArena Code rating. Кодовые способности нельзя выводить из текстового рейтинга.
- Нет скорости и TTFT. Нельзя заранее оценить пригодность для голосового интерфейса или агента с жёстким SLA.
- Ограниченная уверенность. Сильный сигнал человеческих предпочтений соседствует с пробелами в независимых измерениях.
- Закрытые веса. Невозможны локальный инференс, полноценный аудит модели и гарантированная переносимость.
- Только текст для данного preview. Поддержку изображений или видео нельзя приписывать этой версии по материалам о других снимках семейства.
- Thinking mode не равен доказанному reasoning. Наличие режима не гарантирует правильного многошагового вывода.
- Большой контекст не равен идеальной памяти. Качество извлечения необходимо измерять на реальных документах.
- Предварительный статус. Поведение и условия доступа могут меняться, поэтому нужен план замены модели.
Кому модель подходит
Qwen3.7 Max Preview имеет смысл включить в короткий список для экспериментального текстового ассистента, анализа крупных пакетов документов и генерации материалов, если команда готова работать через внешний API и контролировать результат. Высокий human preference делает её особенно интересной там, где итог оценивает человек: редактура, служба поддержки, исследовательские черновики и интерактивные консультации.
Модель не стоит выбирать только по позиции в LMArena для автоматических решений с высокой ценой ошибки. Медицинские, юридические, финансовые и административные выводы требуют проверки специалистом и доступа к первичным источникам. Для кодового агента, низколатентного интерфейса или стабильного массового конвейера сначала нужно закрыть отсутствующие метрики собственными измерениями.
Как проверить на своей задаче
- Зафиксируйте версию. Запишите точный model ID, регион API, дату, параметры генерации и режим thinking. Не смешивайте результаты preview с другими снимками Qwen3.7 Max.
- Соберите 50–200 реальных примеров. Включите типичные, редкие, конфликтные и заведомо неразрешимые запросы. Уберите персональные данные, если договор и инфраструктура не разрешают их обработку.
- Определите критерии до запуска. Раздельно оценивайте фактическую точность, полноту, соблюдение формата, качество ссылок, стиль, стоимость и задержку.
- Проводите слепое сравнение. Скройте название модели от экспертов. Иначе узнаваемость бренда и ожидания повлияют на оценку.
- Проверяйте длинный контекст. Размещайте ключевые факты в разных частях корпуса, добавляйте похожие формулировки и требуйте указать идентификатор документа.
- Валидируйте инструменты. Для function calling проверяйте JSON Schema, запрещённые аргументы, повторные вызовы и попытки выполнить действие без подтверждения.
- Тестируйте отказ. Модель должна уметь сообщить, что данных недостаточно, а не заполнять пробел правдоподобным предположением.
- Измеряйте экономику. Считайте фактические входные и выходные токены на полном процессе, включая системный промпт, историю и повторные запросы.
- Проведите нагрузочный прогон. Зафиксируйте TTFT, полную задержку, ошибки, лимиты и стабильность результатов при параллельных обращениях.
- Задайте порог внедрения. Preview следует допускать в рабочий контур только при выполнении заранее установленных требований и наличии резервной модели.
FAQ
Qwen3.7 Max Preview — открытая модель?
Нет. Веса не открыты, а лицензирование в паспорте обозначено как proprietary. Официального репозитория с весами именно этой версии в ходе исследования не найдено.
Что означает COMRAD Score 64,6?
Это нормализованная редакционная оценка от 0 до 100, объединяющая качество, человеческие предпочтения, код, эффективность и доступность. Она не является процентом точных ответов.
Почему human preference настолько выше остальных оценок?
Модель получила сильный результат по данным слепых сравнений LMArena, тогда как по нескольким другим направлениям независимых данных в срезе нет. Это создаёт выраженно неравномерный профиль.
Подходит ли модель для программирования?
Её можно тестировать для объяснения и изменения кода, но LMArena Code rating отсутствует. До внедрения нужны испытания на собственном репозитории с компиляцией, тестами и проверкой безопасности.
Можно ли использовать её в продакшене?
Preview нельзя автоматически считать production-ready. Рабочее применение допустимо только после тестов стабильности, качества, стоимости и задержки, а также при наличии мониторинга и резервного маршрута.
Поддерживает ли модель рассуждение?
Официальный API для preview работает только в thinking mode, но редакционный паспорт не присваивает модели отдельный reasoning-флаг. Режим рассуждения следует отличать от независимо доказанного качества логических задач.
Какова скорость Qwen3.7 Max Preview?
Данных о токенах в секунду и времени до первого токена в срезе нет. Скорость необходимо измерять у выбранного API-провайдера в нужном регионе и под реальной нагрузкой.
Насколько полезен контекст на 1 млн токенов?
Он позволяет обрабатывать большие корпуса без частого дробления, но не гарантирует безошибочного извлечения каждого факта. Нужны тесты на позиционную устойчивость, противоречия и ссылки на документы.
Источники
- Alibaba Cloud Model Studio: qwen3.7-max Model Info — официальный статус preview-снимка, модальности, контекст и функции API.
- Alibaba Cloud Model Studio: Model lifecycle and updates — дата публикации и описание жизненного цикла версии.
- Alibaba Cloud Model Studio: model pricing — зависимость тарифов от региона, снимка и условий провайдера.
- Официальная страница Qwen3.7 Max Preview — доступ к модели в интерфейсе Qwen.
- LMArena Text Leaderboard — источник Text Arena rating, места и числа голосов в переданном паспорте.
- Artificial Analysis LLM Leaderboard — проверенная площадка сравнительных измерений; Intelligence Index для этой модели в срезе отсутствует.