Qwen 3.7 Max — Alibabas agentisches Flaggschiff mit 1-Mio.-Kontext
Alibaba hat am 20. Mai 2026 auf dem Alibaba Cloud Summit Qwen 3.7 Max vorgestellt — das bisher teuerste und leistungsfähigste Modell der Qwen-Familie, ausdrücklich als agentisches Flaggschiff positioniert. Das Modell bringt ein Kontextfenster von einer Million Token, einen nativen Extended-Thinking-Modus und einen API-Preis, der deutlich unter den westlichen Spitzenmodellen liegt. Anders als frühere Qwen-Releases ist Qwen 3.7 Max closed-weight: Es gibt keine offenen Gewichte, das Modell läuft nur über die API. Verfügbar ist es über Alibaba Cloud Model Studio (DashScope), OpenRouter und Together AI.
Was Qwen 3.7 Max konkret mitbringt
- 1 Mio. Token Kontext und ein nativer Extended-Thinking-Modus, der bei Max standardmäßig aktiv ist und sich pro Anfrage steuern lässt.
- Closed-weight, API-only — erstmals bei einem großen Qwen-Flaggschiff keine offenen Gewichte. Zugang über Model Studio, OpenRouter und Together AI.
- Preis: 2,50 $ / Mio. Input-Token und 7,50 $ / Mio. Output-Token (OpenRouter, codersera) — beim Input genau die Hälfte des Opus-4.7-Tarifs.
- Autonomie-Demo: 35 Stunden durchgängig autonom, 1.158 Tool-Calls ohne menschliches Eingreifen, rund 10-facher Speedup auf einem GPU-Kernel, den das Modell im Training nie gesehen hatte (laut Anbieter).
Was vorher galt
Die Qwen-Modelle von Alibaba waren bisher vor allem als Open-Weight-Alternative bekannt: starke chinesische Modelle, die man herunterladen, selbst hosten und feinabstimmen konnte. Diese Offenheit war ein zentrales Verkaufsargument gegenüber den geschlossenen Systemen von OpenAI, Anthropic und Google. Wer ein Qwen-Modell einsetzte, behielt die Kontrolle über Gewichte und Deployment.
Gleichzeitig galten die führenden agentischen Modelle — also solche, die Aufgaben mehrschrittig über viele Tool-Aufrufe hinweg abarbeiten — lange als Domäne der westlichen Anbieter. Claude Opus und GPT-5.5 setzten bei langlaufenden Coding- und Agenten-Aufgaben die Referenz, und chinesische Labore landeten in den meisten Bestenlisten dahinter. Genau an diesen beiden Punkten setzt Qwen 3.7 Max an.
Was jetzt gilt
Mit dem Release verschiebt Alibaba die eigene Positionierung in drei Punkten:
1. Das Flaggschiff ist erstmals geschlossen. Qwen 3.7 Max kommt ohne offene Gewichte und ist nur über die API nutzbar. Damit folgt Alibaba beim Top-Modell dem Muster der westlichen Anbieter: Die volle Leistung gibt es nur als Dienst, nicht zum Selbsthosten. Die offene Qwen-Linie bleibt darunter bestehen, aber das stärkste Modell ist nun ein Produkt, kein Download.
2. Der Preis unterbietet die westliche Spitze deutlich. Qwen 3.7 Max kostet 2,50 $ pro Mio. Input-Token und 7,50 $ pro Mio. Output-Token (OpenRouter). Zum Vergleich: Claude Opus 4.7 liegt bei 5 $ / 25 $ pro Mio. Token (CloudZero). Beim Input ist Qwen damit exakt halb so teuer, beim Output sogar nur rund ein Drittel. Ein zwischenzeitlicher Launch-Rabatt von 50 % senkte die Sätze kurzzeitig auf 1,25 $ / 3,75 $; gecachter Input liegt regulär bei 0,25 $ pro Mio. Token. Für lange, agentische Läufe mit viel wiederholtem Kontext fällt dieser Cache-Rabatt zusätzlich ins Gewicht.
3. Die agentischen Benchmarks zielen direkt auf die Spitze. Laut Anbieter und öffentlichen Bestenlisten erreicht Qwen 3.7 Max bei SWE-Pro 60,6, bei Terminal-Bench 2.0 69,7 und bei GPQA Diamond 92,4 — Werte, die bei agentischem Coding vor DeepSeek V4 Pro und Claude Opus 4.6 liegen sollen. Im Artificial Analysis Intelligence Index steht das Modell bei 56,6 und ist damit das stärkste chinesische Modell in dieser Wertung. In der LMArena-Auswertung rangiert die Max-Preview auf Platz 13 im Text-Ranking (Elo rund 1.475) und auf Platz 7 in Mathematik.
Einordnung
Das eigentlich Neue an Qwen 3.7 Max ist nicht ein einzelner Benchmark, sondern die Art von Aufgabe, für die es beworben wird. Alibaba demonstriert das Modell mit einem 35 Stunden langen, durchgängig autonomen Lauf: 1.158 Tool-Calls ohne menschliches Eingreifen, an dessen Ende ein rund zehnfacher Speedup auf einem GPU-Kernel stand, den das Modell im Training nie gesehen hatte. Das ist eine andere Klasse als „beantworte eine Frage” — hier wird das Modell als autonomer Worker vorgeführt, der über Stunden hinweg plant, ausführt, prüft und korrigiert. Ein Kontextfenster von einer Million Token ist genau dafür da: Ein Agent, der stundenlang läuft, muss seinen eigenen Verlauf, Zwischenergebnisse und Tool-Ausgaben mitführen.
Bei dieser Einordnung ist Vorsicht angebracht. Die spektakulärsten Zahlen — der 35-Stunden-Lauf, viele der Agenten-Benchmarks — stammen aus Alibabas eigenen Messungen, eine unabhängige Reproduktion steht laut den Reviews erst am Anfang. Anbieter wählen ihre Demo-Aufgaben so, dass das Modell gut aussieht; eine intern gemessene Tool-Call-Kette sagt wenig darüber, wie zuverlässig das Modell auf einer fremden, ungünstigen Aufgabe über Stunden durchhält. Die Leaderboard-Werte (SWE-Pro, Terminal-Bench, LMArena) sind nachvollziehbarer, weil sie auf öffentlichen Ranglisten stehen — aber auch sie messen eng definierte Aufgaben, nicht den Alltag eines Agenten in einer echten Codebasis. Belastbar ist vor allem der Preis: 2,50 $ / 7,50 $ sind ein hartes, überprüfbares Argument, unabhängig davon, wie gut das Modell am Ende abschneidet.
Was du jetzt tun kannst
Wenn du agentische Langläufer baust: Teste Qwen 3.7 Max auf deinen eigenen, repräsentativen Aufgaben gegen dein aktuelles Modell — nicht gegen die Demo des Anbieters. Eine 35-Stunden-Demo ersetzt keinen Test auf deiner Codebasis. Miss Erfolgsquote, Token-Verbrauch und Kosten pro abgeschlossenem Task, nicht nur den Listenpreis.
Wenn dein Kostenblock vom Output getrieben ist: Hier ist der Abstand am größten. Output zu 7,50 $ statt 25 $ pro Mio. Token kann bei output-lastigen Workloads (lange Generierungen, viele Iterationen) deutlich ins Gewicht fallen — vorausgesetzt, die Qualität reicht für deinen Anwendungsfall.
Wenn du auf offene Gewichte angewiesen bist: Qwen 3.7 Max ist für dich keine Option — es ist closed-weight und API-only. Bleib bei den offenen Qwen-Modellen darunter oder bei anderen Open-Weight-Frontier-Modellen und vergleiche dort.
Modelle systematisch vergleichen
Wie du Modelle anhand von Kontext, Preis, Lizenz und Eignung gegeneinander abwägst, steht hier: → KI-Modelle vergleichen
Entdecke mehr
KI-Modelle vergleichen — wer baut was und wofür wählen
Die wichtigsten Modellfamilien 2026 im Überblick. Wer baut Claude, GPT, Gemini, Llama, Mistral, DeepSeek, Qwen — und welches Modell wofür wählen.
BlogUsage-based statt Flat-Rate: Die KI-Kostenwende war absehbar — und so federst du sie ab
KI-Anbieter kippen Flat-Rates Richtung Verbrauch. Warum das kommen musste, was es kostet und welche drei Hebel den Umstieg abfedern.
Glossar$/MTok (Kosten pro Million Tokens)
Standard-Preisangabe bei KI-APIs — Kosten in US-Dollar pro eine Million verarbeitete Tokens. Wird getrennt für Input, Output und ggf. Cache angegeben.