Qwen3.7
性价比更高: GPT-5.6 Luna $0.450/M 即可获得 Index 58.2,便宜 88%。
有 13 个更便宜的已排名模型得分更高:GPT-6.1 Terra (64.1, $2.00)、Gemini 4 Hydrogen (63.4, $3.00)、Gemini 3.5 Flash (62.5, $3.38),另有 10 个。
截至 2026年11月16日,Qwen3.7(Alibaba)在 BenchLeader Index 上得分 60.0(在 608 个已排名配置中前 100 名)。表现最好的是指令遵循(78),最弱的是智能体与工具(49)。API 价格为输入每百万 token $2.50、输出每百万 token $7.50(按 3:1 混合为 $3.75),为 2026年11月16日的标价。输出速度约为 170 token/秒(Artificial Analysis)。发布于 2026年5月19日。
要点(截至 2026年11月16日)
- Qwen3.7 的 API 价格为输入每百万 token $2.50、输出每百万 token $7.50(按 3:1 混合为 $3.75)(标价,2026年11月16日)。
- Qwen3.7 的输出速度约为 170 token/秒(Artificial Analysis,2026年11月16日)。
- Qwen3.7 于 2026年5月19日发布(Alibaba)。
详细说明:Qwen3.7 是 Alibaba 的闭源推理模型,发布于 2026年5月19日。其最佳配置(推理强度 max)在 BenchLeader Index 上得分 60.0 ±4.2,在 608 个配置中排第 88 名,处于上半区。关键在于这个“±”:另有 213 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,指令遵循得分最高(78),智能体与工具最低(49)。按混合价格计,每百万 token $3.75,属于已排名模型中最贵的一档。输出速度为 171 token/秒,首次回答需 14.8 秒,位于最快的四分之一。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $3.75/M
- 输入 $2.50 · 输出 $7.50
- 来源:Artificial Analysis
- 输出速度
- 171 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 15 s
- 首 token 1.12 s
- 上下文
- 1M
- 来源:models.dev
- 完整回答
- 31 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2026年5月19日
- 综合 Index60
- 推理64
- 编程59
- 智能体与工具49
- 数学58
- 知识61
- 指令遵循78
- 人类偏好56
- 长上下文64
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/qwen3-7)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 无推理 | max | 来源 | 趋势 |
|---|---|---|---|---|
| GPQA Diamond | – | 90.9%#40 | Epoch AI Benchmarking Hub | |
| SimpleBench | – | 70.4%#26 | SimpleBench | |
| Arena Hard Prompts | – | 1495#46 | Arena (LMArena) | |
| LiveBench 1.0 Reasoning不计入 Index | – | 83.3%#43 | LiveBench | |
| GPQA Diamond (AA)不计入 Index | – | 92.3%#36 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | – | 40.5%#96 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | – | 90.2%#25 | Vals AI | |
| CritPt不计入 Index | – | 13.4%#114 | Artificial Analysis | |
| Arena Expert不计入 Index | – | 1509#34 | Arena (LMArena) | |
| Chess Puzzles不计入 Index | – | 27.0%#77 | Epoch AI Benchmarking Hub | |
| Mystery Game Puzzles不计入 Index | 26.0%#47 | 32.0%#34 | Epoch AI Benchmarking Hub | |
| LMCA不计入 Index | – | 44.0%#102 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index | – | 92.3%#76 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| SWE-bench Verified (Epoch) | 77.3%#7 | Epoch AI Benchmarking Hub | |
| SciCode | 49.5%#128 | SciCode | |
| Arena Coding | 1525#30 | Arena (LMArena) | |
| Arena WebDev | 1515#64 | Arena (LMArena) | |
| LiveBench 1.0 Coding不计入 Index | 74.2%#53 | LiveBench | |
| SciCode (AA)不计入 Index | 49.5%#130 | Artificial Analysis | |
| LiveCodeBench | 87.1%#18 | Vals AI | |
| SWE-bench (Vals)不计入 Index | 68.8%#67 | Vals AI | |
| Code Migration不计入 Index | 13.1%#60 | Vals AI | |
| Vibe Code Bench v1.1不计入 Index | 47.7%#71 | Vals AI | |
| ALE-Bench不计入 Index | 1189.4#51 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 4.0 (AA)不计入 Index | 1.5%#154 | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index | 74.5%#66 | Artificial Analysis | |
| Startrise Frontend不计入 Index | 63.6%#27 | Startrise | |
| Design Arena Website不计入 Index | 1267#44 | Design Arena |
智能体与工具
数学
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| FrontierMath Tiers 1–3 | 64.6%#41 | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | 34.1%#39 | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 95.6%#51 | Epoch AI Benchmarking Hub | |
| ProofBench | 26.0%#47 | Vals AI | |
| LiveBench Mathematics不计入 Index | 85.3%#55 | LiveBench | |
| Arena Maths | 1483#36 | Arena (LMArena) |
知识
| 基准测试 | xhigh | max | 来源 | 趋势 |
|---|---|---|---|---|
| SimpleQA Verified | – | 55.8%#25 | Epoch AI Benchmarking Hub | |
| LiveBench 1.0 Data Analysis不计入 Index | – | 71.8%#47 | LiveBench | |
| MMLU-Pro | – | 89.3%#12 | Vals AI | |
| LegalBench | – | 84.9%#28 | Vals AI | |
| CorpFin | – | 63.7%#42 | Vals AI | |
| TaxEval | – | 75.3%#19 | Vals AI | |
| Excel Modeling Benchmark不计入 Index | – | 57.0%#43 | Vals AI | |
| MedCode不计入 Index | – | 38.8%#67 | Vals AI | |
| MedScribe不计入 Index | – | 79.4%#61 | Vals AI | |
| DrugDiscoveryBench不计入 Index | 29.3%#19 | – | Scale AI SEAL | |
| EBR-bench不计入 Index | – | 9.5%#26 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| LiveBench Language不计入 Index | 79.7%#33 | LiveBench | |
| LiveBench Instruction Following不计入 Index | 74.0%#14 | LiveBench | |
| IFBench | 80.5%#7 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1466#46 | Arena (LMArena) |
人类偏好
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1474#43 | Arena (LMArena) | |
| EQ-Bench 4 | 1100#27 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1438#63 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1479#43 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1491#27 | Arena (LMArena) |
长上下文
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 79.0%#120 | Artificial Analysis | |
| MLCR不计入 Index | 14.4%#95 | Artificial Analysis |
综合
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 154.5#48 | Epoch AI Benchmarking Hub | |
| LiveBench 1.0不计入 Index | 73.1%#47 | LiveBench | |
| AA Intelligence Index v4.3.2不计入 Index | 29.5#134 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 293.8#135 | Artificial Analysis |
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| Alibaba Cloud Int. | 68 tok/s | 1.12 s | $1.48 | $4.42 | 1M | – |
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.500。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0033 | $0.0027 | 16.5 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.035 | $0.017 | 18.3 s |
| 代码编辑 | 6,000 / 1,500 | $0.026 | $0.017 | 23.5 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.180 | $0.090 | 38.1 s |
| 结构化信息提取 | 2,000 / 200 | $0.0065 | $0.0035 | 15.9 s |
将 Qwen3.7 与以下模型对比
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Qwen3.7 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/qwen3-7)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Qwen3.7 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/qwen3-7
BibTeX:
@misc{benchleader_qwen3_7_20261116,
author = {{BenchLeader}},
title = {{Qwen3.7 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/qwen3-7}},
note = {Data as of 2026-11-16}
}常见问题
- Qwen3.7 的基准测试得分是多少?
- 截至 2026年11月16日,Qwen3.7(推理强度 max)的 BenchLeader Index 为 60.0 ±4.2(前 100 名)。最强的是指令遵循(78),最弱的是智能体与工具(49)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Qwen3.7 排名第几?
- 截至 2026年11月16日,Qwen3.7(推理强度 max)在 608 个已排名配置中排第 88 名(前 100 名)。另有 213 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Qwen3.7 每百万 token 的价格是多少?
- 截至 2026年11月16日,Qwen3.7 的价格为输入每百万 token $2.50、输出每百万 token $7.50,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $3.75。
- Qwen3.7 比 Gemini 3 Pro 更好吗?
- 截至 2026年11月16日,Gemini 3 Pro 与 Qwen3.7(推理强度 max)的质量不相上下(BenchLeader Index 60.0 比 60.0,在 ±5.4 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- Qwen3.7 是什么时候发布的?
- Alibaba 于 2026年5月19日发布了 Qwen3.7。BenchLeader 收录了它在 3 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《Qwen3.7:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/qwen3-7。