跳到正文

千问 Qwen

阿里千问 Qwen 系列的开源发布与迭代：从旗舰模型到端侧小模型的全谱系动态。

51条精选相关主题DeepSeekKimi / 月之暗面开源生态

最新精选

第 41–51 条 · 共 51 条
5月22日周五
  3. @alibaba_cloud73

    阿里云 Qwen3.7-Max 已在 OpenRouter 上线。OpenRouter 称其为 Qwen3.7 系列旗舰，面向以智能体为核心的工作，涵盖编码、办公与生产力任务以及长程自主执行，在编码和智能体基准上较 Qwen3.6 有明显提升，并支持显式 prompt caching。

    引用OpenRouter (@OpenRouter)@OpenRouter

    The new Qwen3.7-Max from @Alibaba_Qwen is live on OpenRouter. The flagship of the Qwen3.7 series, built for agent-centric work: coding, office and productivity tasks, and long-horizon autonomous execution. Big jumps in coding and agent benchmarks over Qwen3.6, with explicit prompt caching for repeated context.

    推荐理由：Qwen3.7-Max 已在 OpenRouter 上线，面向编码与办公的智能体场景，读者可了解这一旗舰版本的定位。

  4. @OpenRouter69

    阿里发布最新旗舰模型 Qwen3.7-Max，定位为面向 Agent 场景的基础模型。官方称其可完成前端原型、多文件重构与调试等端到端编码任务，通过 MCP 集成和多智能体编排充当办公助手，并曾在内核优化任务上连续运行 35 小时、完成 1000+ 次工具调用。模型支持 Claude Code、OpenClaw、Qwen Code 等不同脚手架，API 已在 Alibaba Model Studio 上线，也可在 Qwen Studio 试用。

    引用Qwen (@Alibaba_Qwen)@Alibaba_Qwen

    📣Meet Qwen3.7-Max — our latest flagship, made for the Agent Era. A versatile foundation for agents that actually get things done: 🧑‍💻 Coding agent, end to end. Frontend prototypes, multi-file refactors, real debugging — nails it. 🗂️ A reliable office and productivity assistant. Get your work done through MCP integrations and multi-agent orchestration. ⏱️ Long-horizon autonomy. 35 hours straight on a kernel optimization task — 1,000+ tool calls, zero hand-holding. 🔌 Scaffold-agnostic. Claude Code, OpenClaw, Qwen Code, or your own stack. Consistent reliability everywhere. API's up on Alibaba Model Studio. You can also take it for a spin on Qwen Studio. Go build something wild!🏃🏃‍♂️ 📖 Blog: qwen.ai/blog?id=qwen3.7 ✅ Qwen Studio: chat.qwen.ai/?models=qwen3.7… ⚡️ API：modelstudio.console.alibabac…

    推荐理由：原文列出端到端编码、MCP 集成与长时间自主运行等能力，可用以判断该旗舰模型在 Agent 场景中的定位。

5月21日周四
  1. @kimmonismus72

    阿里发布旗舰模型 Qwen3.7-Max，面向智能体场景，官方称其在一次内核优化任务中自主运行 35 小时、发起 1,158 次工具调用，并在单个注意力内核上取得 10 倍加速，模型已上线阿里云 Model Studio，也可在 Qwen Studio 试用。

    引用Qwen (@Alibaba_Qwen)@Alibaba_Qwen

    📣Meet Qwen3.7-Max — our latest flagship, made for the Agent Era. A versatile foundation for agents that actually get things done: 🧑‍💻 Coding agent, end to end. Frontend prototypes, multi-file refactors, real debugging — nails it. 🗂️ A reliable office and productivity assistant. Get your work done through MCP integrations and multi-agent orchestration. ⏱️ Long-horizon autonomy. 35 hours straight on a kernel optimization task — 1,000+ tool calls, zero hand-holding. 🔌 Scaffold-agnostic. Claude Code, OpenClaw, Qwen Code, or your own stack. Consistent reliability everywhere. API's up on Alibaba Model Studio. You can also take it for a spin on Qwen Studio. Go build something wild!🏃🏃‍♂️ 📖 Blog: qwen.ai/blog?id=qwen3.7 ✅ Qwen Studio: chat.qwen.ai/?models=qwen3.7… ⚡️ API：modelstudio.console.alibabac…

    推荐理由：作者把 35 小时自主优化的传播印象与实际范围区分开，并单独讨论智能体能力泛化这一论断。

  2. @alibaba_cloud66

    阿里云披露 Qwen3.7 的自主进化实验：在约 35 小时连续自主执行中，模型完成 432 次 kernel 评估、跨 1158 次工具调用，独立编写、编译、剖析并迭代改进 Extend Attention Kernel。在多种工作负载下，该 kernel 相对 Triton 参考实现取得 10.0x 几何平均加速，更多细节见 qwen.ai/blog?id=qwen3.7。

    推荐理由：官方披露 Qwen3.7 连续自主执行约 35 小时优化注意力 kernel 的过程，可作为观察自主编码智能体能力的参照。

  3. @alibaba_cloud70

    阿里云发布旗舰模型 Qwen3.7-Max，定位为面向智能体时代的基础模型，API 已在 Model Studio 上线。官方称其可端到端完成编码任务，包括前端原型、多文件重构与调试，并可通过 MCP 集成和多智能体编排承担办公与生产力助手工作。

    推荐理由：官方列出编码、长任务与多种脚手架兼容能力，读者可据此判断这款旗舰模型在智能体工作流中的定位。

5月14日周四
  1. @berryxia72

    Unsloth 创始人 Daniel Han 发布 Qwen3.6 实验版 MTP GGUF，27B 模型单 GPU 生成速度达 140 tokens/s，35B-A3B 版本达 220 tokens/s。

    引用Daniel Han (@danielhanchen)@danielhanchen

    We released experimental MTP Qwen3.6 Unsloth GGUFs! Qwen3.6 27B MTP now runs at 140 tokens/s. Qwen3.6 35B-A3B MTP gets 220 tokens/s generation on a single GPU. Qwen3.6 27B and 35B-A3B have >1.4x speed-up over the original GGUFs without any change in accuracy. Guide + GGUFs + Benchmarks: unsloth.ai/docs/models/qwen3… In terms of average speedup, we see a 1.4x for dense models at draft tokens = 2 and for the MoE around 1.15 to 1.2x. We do not recommend more than 2 draft tokens because the acceptance rate drops precipitously from 83% to 50% with 4 draft tokens, and the forward passes for MTP become less beneficial. Use `--spec-type mtp --spec-draft-n-max 2` Thanks to Aman for github.com/ggml-org/llama.cp…!

    推荐理由：原文给出单 GPU 实测速度、加速比与 draft tokens 甜点，可据此判断本地 30B 级模型的部署空间。

4月28日周二
  2. inclusionAI Hugging Face models62

    inclusionAI 发布 DR-Venus-4B-SFT 深度研究智能体模型

    inclusionAI 发布 4B 深度研究智能体 DR-Venus-4B-SFT，基于 Qwen3-4B-Thinking-2507 在清洗后的开源 REDSearcher 轨迹上做智能体监督微调，最大训练长度 200K，使用 search 与 visit 工具。

    推荐理由：给出 9B 以下开源深研究智能体的基准对比，读者可据此判断 4B 模型的深研究能力位置。