Qwen3.7-Plus

Qwen3.7-Plus est un LLM propriétaire de Qwen, sorti le 31 mai 2026. Il se distingue par une fenêtre de contexte de 1 000 000 tokens, adaptée au traitement de volumes de texte particulièrement importants, et par des poids non ouverts.

À sa sortie, le modèle figurait dans le top 9% des LLM de sa génération sur GPQA. Son autre marqueur est son positionnement très économique : sa tarification se situe 84% sous la moyenne des LLM similaires et environ 17,2 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 Text · 200 modèles classés

Arena Document · 32 modèles classés

Arena Vision · 135 modèles classés

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 85 % en dessous de la moyenne des LLM similaires, et 17,2 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.

Notre analyse

Forces. Qwen3.7-Plus obtient des résultats très élevés en classification d’e-mails et sur le benchmark Hallucinations, tandis que son suivi des instructions reste solide. Son Code Index le place dans le premier tiers des modèles évalués, et son Intelligence Index dans le premier cinquième. Les évaluations Arena sont favorables en texte et en vision, où il se situe autour du premier cinquième des classements. Sa fenêtre de contexte de 1 000 000 tokens constitue un avantage concret pour les documents longs ou les ensembles volumineux. Le coût renforce ce positionnement, avec des tarifs minimaux de 0,32 $ par million de tokens en entrée et de 1,28 $ en sortie.

Limites et points d'attention. Les capacités agentiques sont moins convaincantes : l’Agentic Index place le modèle dans la seconde moitié du classement. L’Arena document est également moins favorable, avec une position dans la moitié basse, malgré un score relativement proche des meilleurs. Les poids propriétaires excluent les usages nécessitant un modèle ouvert. Qwen3.7-Plus cible ainsi surtout les traitements textuels à grande échelle, le code, la classification et les applications sensibles au coût, plutôt que les scénarios agentiques avancés ou centrés sur l’analyse documentaire.

Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · Benchable.ai (benchable.ai).