Qwen: Qwen3.7 Max

Qwen3.7 Max är flaggskeppsmodellen i Alibabas Qwen3.7-serie, utvecklad av Qwen. Det är en textmodell byggd för agentcentrerade arbetsbelastningar, och leverantören beskriver särskilda styrkor inom kodning, kontors- och produktivitetsuppgifter. Den släpptes av leverantören 2026-05-21.

Modellen tar emot textinmatning och producerar textutdata. Dess kontextfönster är 1 000 000 tokens, vilket gör att mycket stora indata kan hanteras i en enda begäran, och dess maximala utdata är 131 072 tokens. Den stöder resonemang, så svar kan innehålla resonemangsinnehåll tillsammans med det slutliga svaret. Utöver vanlig textgenerering stöder den verktygsanrop och strukturerade utdata, vilket gör den lämplig för arbetsbelastningar där modellen behöver interagera med externa funktioner eller returnera data i en definierad form.

Dessa funktioner pekar mot några praktiska användningsområden. Det stora kontextfönstret passar arbete med långa dokument, stora kodbaser eller utökade konversationshistoriker utan att dela upp dem i många mindre begäranden. Fokuset på kodning och produktivitet gör den rimligt lämplig för kodgenerering, kodgranskning och automatisering av kontorsuppgifter. Verktygsanrop och strukturerade utdata stöder agentliknande pipelines, där modellen avgör vilka verktyg som ska anropas och returnerar maskinläsbara resultat. Stödet för resonemang är användbart för uppgifter som drar nytta av stegvis problemlösning innan ett svar produceras.

Du kan anropa modellen via api14:s OpenAI-kompatibla API med modell-id:t "qwen/qwen3.7-max". Begärans parametrar som den stöder är frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs och top_p. Eftersom API:et är OpenAI-kompatibelt kan du använda befintliga OpenAI-klientbibliotek och peka dem mot api14, med modellfältet satt till id:t ovan. Parametrar som tools och tool_choice styr funktionsanrop, response_format och structured_outputs styr utdatans form, och reasoning och include_reasoning styr huruvida resonemangsinnehåll returneras.

En begränsning att ha i åtanke är att modellen endast hanterar text. Den tar inte emot bild-, ljud- eller andra icke-textindata, så om din applikation behöver bearbeta dessa modaliteter skulle en annan modell krävas. Listan över stödda parametrar innehåller inte heller alla alternativ som en OpenAI-kompatibel klient kan skicka, så det är värt att kontrollera att de parametrar du förlitar dig på finns i listan ovan innan du bygger runt dem.