阿里千問發佈新一代大模型Qwen3.7-Max
重點摘要
5月22日，阿里千問發佈全新智能模型Qwen3.7-Max，已接入千問App、PC端和網頁端。用戶更新App至6.9.7及以上版本即可體驗。該模型作為全能智能體基座，能處理代碼編寫、調試等複雜任務。
### 重點整理
阿里千問於5月22日正式推出新一代大模型 Qwen3.7-Max，目前已全面整合至千問 App、PC 端與網頁端，用戶只要將 App 更新至 6.9.7 以上版本即可開始使用。該模型定位為全能智能體基座，能勝任程式碼編寫與除錯等複雜任務。
### 背景脈絡
Qwen 系列是阿里旗下的開源與閉源雙軌大模型體系，過往版本已展現出多模態與推理能力。這次推出的 3.7-Max 版本，可能代表參數規模與任務泛化能力的進一步提升，特別強調「智能體」導向，意味著模型不再只是被動回應，而是能自主規劃與執行多步驟操作。
### 可能影響
對開發者而言，Qwen3.7-Max 的程式碼生成與除錯能力，有機會降低專案開發的入門門檻，並加速原型驗證。對企業來說，更穩定的智能體基座能應用於客服、流程自動化或資料分析等場景，可能促使更多台灣團隊評估整合此模型到自有服務中。
### 讀者可關注的後續
建議有興趣的用戶立刻更新 App 或前往網頁端實際測試程式碼編寫與除錯效果，尤其可對比目前主流模型（如 GPT 系列）的表現。另外，阿里是否會同步開源 Qwen3.7-Max 的輕量版本，或公布詳細評測報告，也值得留意。
Related
相關文章
Liquid AI Introduces LFM2.5-Embedding-350M and LFM2.5-ColBERT-350M: Dense Bi-Encoder and Late-Interaction Models for Fast Multilingual Search Across 11 Languages
This week, Liquid AI released two new retrieval models. They are LFM2.5-ColBERT-350M and LFM2.5-Embedding-350M. Both hold 350M parameters. Both are the first bidirectional members of the LFM family. They build on LFM2.5-350M-Base, released in March. The pair targets fast multilingual and cross-lingual search across 11 languages. Their footprint is small enough to run almost anywhere. Both are available now on Hugging Face under the LFM Open License v1.0. LFM2.5 Retrievers The two models share one backbone but represent text differently. LFM2.5-Embedding-350M is a dense bi-encoder. It turns each document into a single vector. Pick it when you want the fastest search and the smallest, cheapest index. LFM2.5-ColBERT-350M is a late-interaction model. It converts each token into a vector rather
Perplexity Launches Brain, a Self-Improving Memory System That Builds a Context Graph of an Agent’s Work and Learns Overnight
Most AI memory remembers the user. It stores your preferences, your tastes, and your role. Perplexity is taking a different path. Today, Perplexity launched Brain, a self-improving memory system for its agent product, Computer. Brain does not focus on remembering you. It remembers what the agent did. That reframes what memory in AI is for. What is Perplexity‘s Brain Brain is a self-improving memory system. It builds a context graph of the work Computer performs. At set intervals, such as overnight, Brain reviews that graph. It then teaches itself how to do the work better. The idea is straightforward. The more work you do, the more efficient Brain makes your Computer. Brain is rolling out today to Perplexity Max and Enterprise Max subscribers in Research Preview. Two Axes of AI Memory Perp
智譜新高，MiniMax承壓，“大模型雙雄”命運殊途
這篇消息聚焦「智譜新高，MiniMax承壓，“大模型雙雄”命運殊途」。原始導語提到：大模型在被市場重新定價 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
華為昇騰 0 Day 支持智譜 GLM-5.2 模型，提供全面推理優化
華為昇騰 AI 宣佈在智譜開源 GLM-5.2 大模型當天即完成深度推理優化。通過 MOE 大融合算子、通信計算融合、高併發調度等七項關鍵技術，顯著提升編程和長程任務的處理效率，現已支持 A3 系列產品部署。#AI 大模型# #國產算力#
企業AI轉型再添利器：青雲科技算力雲接入 MiniMax-M3 模型
企業AI落地面臨高效低成本難題。青雲科技旗下基石智算平臺接入國產開源大模型MiniMax-M3，提供新算力支持。MiniMax-M3以卓越上下文處理能力等三大核心技術見長，依託自研架構，助企業便捷部署AI業務。
阿里開源統一科學大模型 LOGOS，僅用五十六分之一參數超越微軟
阿里 ATH-Token Foundry 聯閤中國人民大學高瓴人工智能學院開源科學基礎模型 LOGOS。該模型採用統一科學語法與純序列建模範式，在六大科學任務上匹配或超越傳統專用方法。其中 LOGOS-1B 僅 1B 參數，即展現出極高效率，性能超越參數量達 8×7B 的微軟模型。