Qwen3.7 Max

Qwen3.7 Max est un LLM propriétaire de Qwen, éditeur chinois, sorti le 19 mai 2026. Sa fenêtre de contexte de 1 000 000 tokens constitue l’un de ses principaux signes distinctifs, avec une capacité adaptée au traitement de très grands volumes de texte.

Le modèle associe de solides résultats généraux, scientifiques, mathématiques, agentiques et en code à un positionnement très économique. Sa tarification se situe 37% sous la moyenne des LLM similaires et environ 4,4 fois sous celle des modèles frontière.

Caractéristiques

Indices de synthèse

Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.

Performances (benchmarks)

« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.

Comment se situe-t-il ?

Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.

Classements Arena (Elo)

Arena Code · 99 modèles classés

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 40 % en dessous de la moyenne des LLM similaires, et 4,4 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).

Coût & vitesse agentiques

Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.

Entraînement & empreinte

Notre analyse

Forces. Qwen3.7 Max se classe parmi les meilleurs modèles de l’Intelligence Index et obtient la première place sur PinchBench, consacré aux tâches agentiques, ainsi que sur Hallucinations (Baseline). Ses résultats sont également élevés sur OTIS Mock AIME 2024-2025 (olympiades de mathématiques de niveau lycée) et GPQA diamond (questions scientifiques de niveau doctorat). À sa sortie, il appartenait au top 11% des LLM de sa génération sur GPQA diamond. Le Code Index le place dans le haut du classement, tandis que la fenêtre de contexte de 1 000 000 tokens renforce son intérêt pour les traitements documentaires volumineux. Son coût constitue un autre avantage net face aux modèles comparables et aux modèles frontière.

Limites et points d’attention. Les performances sont moins dominantes sur LiveBench: Mathematics, où le modèle se situe dans la seconde moitié du classement observé. En code, son classement Arena Code reste solide mais éloigné de la première place. L’Agentic Index est également moins favorable que son résultat de premier rang sur PinchBench, ce qui invite à distinguer les types d’évaluations agentiques. Enfin, la licence propriétaire exclut l’accès aux poids. Qwen3.7 Max cible ainsi les usages nécessitant un long contexte, de bonnes capacités scientifiques, mathématiques, agentiques ou de code, avec une forte contrainte de coût.

Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · LiveBench (livebench.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · PinchBench (pinchbench.com) · Benchable.ai (benchable.ai).