Alibaba、Qwen 3.7 Maxフラッグシップモデルを公開——エージェント系コーディングでトップクラス性能

概要

※本記事は公開情報をもとに編集部が再構成したサマリです。一次情報は出典欄をご参照ください。

Alibabaは2026年5月19〜20日に開催したAlibaba Cloud Summit 2026において、フラッグシップ大規模言語モデル「Qwen 3.7 Max」を発表した。100万トークンの拡張コンテキストウィンドウと、複数の思考ステップを連鎖させる「拡張思考（Extended Thinking）」モードを搭載。エージェント型コーディングベンチマーク「SWE-Pro」で60.6点・「Terminal-Bench 2.0」で69.7点・科学推論ベンチマーク「GPQA Diamond」で92.4点を記録し、DeepSeek V4 ProおよびClaude Opus 4.6を上回るとしている。従来のQwen 3.6+と異なり、API専用の非公開モデルとして提供する。

事実のポイント

• コンテキストウィンドウ: 最大100万トークン（Qwen 3.6+の約2倍）
• 拡張思考モード: 複数ステップの推論を内部で展開してから回答を生成するCoT（Chain of Thought）強化型の推論モード
• ベンチマーク（発表値）:
  • SWE-Pro（エージェント型コーディング）: 60.6
  • Terminal-Bench 2.0（ターミナル操作型タスク）: 69.7
  • GPQA Diamond（大学院レベル科学推論）: 92.4
• 提供形態: オープンソース公開はなし。DashScope（Alibaba Cloud AI APIサービス）経由でAPIとして提供
• 前モデルとの違い: Qwen 3.6+はオープンソース・エンタープライズ向けエージェント機能が主軸だったが、Qwen 3.7 Maxはフロンティアモデルとしての性能向上を最優先としクローズド提供
• マルチモーダル: テキスト・コード・構造化データの処理に対応。画像処理については現在のQwen-VLシリーズが担当

用語・背景の補足

Qwen（通義千問）: AlibabaのAI研究部門が開発する大規模言語モデルのシリーズ。2023年から段階的に公開され、2024〜2025年には世界トップクラスのオープンソースモデルとして認知された。中国語と英語の両言語に強みを持つ。

SWE-Pro: ソフトウェアエンジニアリングのエージェント的な能力（実際のコードリポジトリのバグ修正やタスク遂行）を評価するベンチマーク。SWE-Benchの上位互換として設計されており、より複雑なマルチステップ問題を含む。

GPQA Diamond: 大学院レベルの物理・化学・生物学の難問を解く能力を測るベンチマーク。人間の専門家でも40〜70%程度の正解率に留まるとされる高難度評価指標。

注意点

• ベンチマークスコアはAlibaba自社発表であり、第三者による独立した再現検証が完了しているわけではない
• 「DeepSeek V4 Pro・Claude Opus 4.6を上回る」という比較は特定のベンチマーク（SWE-Pro、Terminal-Bench 2.0）においてのものであり、すべての能力において優れているという意味ではない
• API専用提供のため、ローカルデプロイや独自ファインチューニングはできない（研究用途のオープンソースモデルが必要な場合はQwen 3.6+などが引き続き選択肢）
• 中国企業モデルのため、利用規約・データ処理ポリシー・輸出規制については利用前に確認が必要

編集部見解

（追記予定）