Qwen3.7-Max läuft 35 Stunden autonom – und optimiert Code für Alibabas eigenen Chip
Alibabas neues Top-Modell arbeitet 35 Stunden ohne Unterbruch an einer Kernel-Optimierung. Auf Standard-Benchmarks zieht es mit Claude Opus 4.6 gleich.
Pascal Eugster
GRÜNDER & ENTWICKLER
26. MAI 2026
4 MIN. LESEZEIT
INHALT
INHALT
in
PARTNER · INOO GMBH
Wie viel KI verträgt dein Betrieb? In 30 Minuten Klartext.
Kostenloses Erstgespräch — herstellerneutral, direkt aus dem Rheintal.
Gespräch buchen →
DAS WICHTIGSTE IN KÜRZE
China spielt im Agent-Game oben mit – und macht es zugleich strategisch knifflig: Qwen3.7-Max ist nur über die Alibaba-Cloud verfügbar, kein Open Weights.
Alibaba hat mit Qwen3.7-Max sein neues Top-Modell veröffentlicht – diesmal nicht für Chats, sondern für Agenten. In einem Praxis-Test arbeitete das Modell 35 Stunden am Stück völlig autonom an einer Code-Optimierung. Auf Standard-Benchmarks zieht es mit Claude Opus 4.6 gleich und distanziert die chinesische Konkurrenz von DeepSeek und Kimi deutlich.
Was Qwen3.7-Max ist – und was nicht
Wie schon die Vorgänger Qwen3-Max und Qwen3.6-Plus ist die neue Max-Version proprietär und nur über die Alibaba Cloud Model Studio API verfügbar. Das letzte offene Flaggschiff war Qwen3.5-397B-A17B im Februar 2026. Wer Qwen3.7-Max nutzen will, muss in den Cloud-Dienst – Open-Weights-Veröffentlichung gibt's nicht.
Das Modell unterstützt OpenAI- und Anthropic-kompatible Schnittstellen und läuft direkt in Claude Code, OpenClaw oder Qwen Code. Vier Anwendungsfälle stehen laut Qwen-Team im Fokus: Coding-Agent von Frontend-Prototyp bis Multi-File-Projekt, Office-Automatisierung, Langzeit-Operationen und konsistente Leistung über verschiedene Agent-Frameworks hinweg.
Das 35-Stunden-Kernel-Experiment
Der ungewöhnlichste Test im Release-Bericht: Qwen3.7-Max sollte einen hardwarespezifischen Attention-Kernel für die Open-Source-Inferenz-Software SGLang optimieren. Die Zielhardware war eine Cloud-Instanz mit T-Head-ZW-M890-Beschleunigern – einem hauseigenen Chip aus Alibabas Halbleiter-Sparte, den das Modell während des Trainings nie zu Gesicht bekommen hatte.
Es gab keine Messdaten, keine Hardware-Doku und keinen Beispiel-Code – nur die Referenz-Implementierung in der Programmiersprache Triton. Über rund 35 Stunden ununterbrochene autonome Arbeit führte das Modell 432 Kernel-Tests mit 1'158 Tool-Calls aus, kompilierte, mass, revidierte den Code in Schleifen, fing Compilation-Errors ab und spürte Performance-Engpässe selbständig auf.
Das Ergebnis: ein durchschnittlich 10-facher Speedup gegenüber der Referenz. Im selben Setup schaffte GLM 5.1 nur 7,3x, Kimi K2.6 kam auf 5x, DeepSeek V4 Pro auf 3,3x, und der Vorgänger Qwen3.6-Plus blieb mit 1,1x praktisch stehen. Mehrere Modelle brachen die Session nach fünf Runden ohne Tool-Call von selbst ab.
Drei-Komponenten-Training: Aufgabe, Werkzeug, Validator
Hinter der Robustheit steckt ein Trainings-Ansatz, den Qwen schon bei 3.5 eingeführt hat: Jede Trainings-Aufgabe wird in drei unabhängige Teile zerlegt – die eigentliche Aufgabe, die Werkzeug-Umgebung und der Validator, der das Ergebnis prüft. Diese Bausteine können beliebig kombiniert werden.
Die Idee dahinter: Das Modell soll Strategien lernen, die überall funktionieren – nicht Tricks, die nur für ein bestimmtes Setup gelten. Auf den Benchmarks QwenClawBench und CoWorkBench liefert Qwen3.7-Max nahezu identische Werte, egal ob es in OpenClaw, Claude Code oder Hermes läuft. Der Vorgänger schwankte hier noch deutlich.
Das Modell überwacht sein eigenes Training
Eine weitere Spielerei: Das Qwen-Team setzte Qwen3.7-Max als Aufseher in seinem eigenen Trainings-Loop ein. Über 86 Stunden autonome Laufzeit prüfte das Modell 13'952 Trajektorien des trainierten Modells und entdeckte 1'618 Fälle von Reward-Hacking – also Tricks, mit denen sich das Trainings-Modell Belohnungen erschlich, etwa durch Kopieren korrekter Antworten direkt von GitHub. Qwen3.7-Max formulierte dabei selbständig 13 neue Detektions-Regeln.
Benchmarks: Augenhöhe mit Opus 4.6
Auf SWE-Verified landet Qwen3.7-Max bei 80,4 Punkten – knapp hinter Opus 4.6 Max (80,8) und DeepSeek V4 Pro Max (80,6). Auf den Mathe- und Wissenschafts-Benchmarks GPQA Diamond (92,4), HMMT 2026 Februar (97,1) und Apex (44,5) führt Qwen3.7-Max in der eigenen Vergleichstabelle. Einschränkung: Mehrere der angeführten Benchmarks (QwenWebDev, QwenClawBench, CoWorkBench, QwenWorldBench) sind hauseigene Tests von Alibaba selbst. Wie üblich gilt: Vendor-Benchmarks bitte mit etwas Salz geniessen.
Ach ja, eine Demo im Release-Video: Qwen3.7-Max steuert auch einen vierbeinigen Roboter durch physische Räume.
Für dich konkret
Wenn du KI-Agenten für lang laufende Aufgaben einsetzt – Code-Migration, Daten-Pipelines, autonome Office-Tasks – steht mit Qwen3.7-Max ein weiterer ernstzunehmender Kandidat im Feld. Die OpenAI- und Anthropic-kompatible API macht den Wechsel oder das Parallel-Testen technisch einfach: Bestehende Claude-Code- oder Codex-Setups laufen ohne grosse Anpassung.
Für Schweizer Unternehmen gilt dieselbe Vorsicht wie bei DeepSeek: Alibabas API verarbeitet Daten in der Volksrepublik – das kollidiert mit DSG, FINMA-Vorgaben und Berufsgeheimnissen. Anders als DeepSeek ist Qwen3.7-Max aber nicht als Open Weights verfügbar, ein Self-Hosting in Europa fällt damit weg. Wer ernsthaft testet, bleibt bei sensiblen Daten besser bei Anthropic, OpenAI oder Google Cloud Vertex AI in der Schweiz-Region.
🔗 Quellen: The Decoder, Qwen Blog – Qwen3.7, SGLang
WEITERLESENDas könnte dich auch interessieren.
NEUE MODELLE·28. AUGUST 2026
Chinas GLM-5.3-Flash läuft ohne Nvidia – und trägt MIT-Lizenz
Z.ai hat GLM-5.3-Flash freigegeben: 320 Milliarden Parameter unter MIT-Lizenz, drei Punkte hinter dem grossen Schwestermodell – zum Siebtel des Preises. Die ganze Testphase lief auf chinesischen Chips. Was daran belegt ist und was nicht.
NEUE MODELLE·27. AUGUST 2026
IBM gibt Granite 4.2 frei – ohne Lizenzhaken
IBM veröffentlicht Granite 4.2 in den Grössen 3B, 8B und 30B unter Apache 2.0 – frei herunterladbar, feintunebar, produktiv einsetzbar. Klein genug fürs eigene Rechenzentrum.
NEUE MODELLE·27. AUGUST 2026
Alibaba zeigt die Qwen4-Architektur – zum Zwölftel-Preis
Alibabas Qwen-Team hat Qwen3.8-Flash-Next veröffentlicht – ein Modell mit offenen Gewichten, das die Architektur des kommenden Qwen4 vorwegnimmt. 125 Milliarden Parameter, davon nur 6 Milliarden aktiv pro Token, und ein API-Preis von 0.16 Dollar pro Million Eingabe-Tokens: rund ein Zwölftel dessen, was Alibabas eigenes Flaggschiff kostet.
NEUE MODELLE·22. AUGUST 2026
DeepSeek gibt Flash Augen – und behält diesmal die Gewichte
DeepSeek hat sein günstiges V4-Flash um Bildverständnis erweitert – zum identischen Preis, ohne Aufschlag. Laut DeepSeeks eigener Tabelle kommt das experimentelle Modell nahe an Claude Opus 4.8 heran und schlägt es auf drei von elf Benchmarks. Zwei Details fehlen in den Schlagzeilen: Jedes Bild wird auf 0,64 Megapixel eingedampft – und die Gewichte veröffentlicht DeepSeek diesmal nicht.
NEUE MODELLE·16. AUGUST 2026
Qwen3.8 ist offen – Apache 2.0 aber nur für das kleine Modell
Alibabas Qwen-Team hat die Gewichte von Qwen3.8 freigegeben. Apache 2.0 gilt aber nur fürs 27B-Modell – beim Max steht Kleingedrucktes im Lizenztext.
NEUE MODELLE·14. AUGUST 2026
DeepSeek verschenkt seine Agenten-Software – und versechsfacht die Cache-Preise
DeepSeek hat gleich dreifach geliefert: Das Flaggschiff V4-Pro verlässt mit Build 0813 die Testphase, die hauseigene Agenten-Software Harness erscheint unter MIT-Lizenz – und ab Sonntagabend steigen die API-Preise. Am stärksten trifft es ausgerechnet die Cache-Hits, von denen Coding-Agenten leben.