Qwen 3.7 Max обошел Claude и GPT: Alibaba бесплатно раздает флагман

Alibaba только что перевернула рынок ИИ-моделей. Их новый флагман Qwen 3.7 Max не просто догнал западных лидеров - он их обошел в ключевых бенчмарках, при этом доступен бесплатно через веб-интерфейс. Я протестировал модель и разобрал все публикации - вот что действительно важно.
Цифры, которые впечатляют
На математическом тесте HMMT 2026 модель набрала 97.1 балла - это лучший результат среди всех существующих систем. Claude Opus 4.6 отстал с 96.2. По научным рассуждениям GPQA Diamond - 92.4 против 91.3 у Claude. На бенчмарке Apex, который проверяет способность к сложным рассуждениям, разрыв еще больше: 44.5 против 38.3 у DeepSeek V4 Pro.
В рейтинге Arena AI модель заняла третье место с 1386 баллами, обогнав GPT-4o и DeepSeek-R1. Впереди только Gemini 2.5 Pro и GPT-4.5. Для открытой модели из Китая это невероятный скачок - еще год назад такое казалось невозможным.
35 часов без перерыва: настоящий прорыв
Но цифры бенчмарков - это одно. Реальная магия началась, когда Alibaba дала модели задачу по оптимизации GPU-ядра на незнакомой архитектуре T-Head ZW-M890. Никакой документации, никаких подсказок - только описание задачи и исходный код.
Qwen 3.7 Max работала 35 часов непрерывно, сделав 1158 вызовов инструментов и 432 проверки производительности. Результат? Ускорение кода в 10 раз по сравнению с референсной реализацией. Модель сама диагностировала ошибки компиляции, находила узкие места через профилирование и переписывала архитектуру.
Другие модели в тех же условиях показали куда скромнее результаты: GLM 5.1 выдал ускорение в 7.3 раза, Kimi K2.6 - в 5 раз, DeepSeek V4 Pro - всего 3.3x. А предыдущая версия Qwen 3.6 Plus вообще едва достигла 1.1x. Некоторые конкуренты сами завершили работу досрочно, решив, что дальнейшие улучшения невозможны.
Агент, который зарабатывает миллионы
В симуляторе стартапа YC-Bench модель показала себя как настоящий бизнес-агент. Ей дали управление виртуальной компанией на год - и она принесла $2.08 миллиона выручки. Это вдвое больше, чем предыдущая версия ($1.05 млн).
Модель сама нанимала сотрудников, проверяла контракты, выявляла мошенников среди клиентов и держала маржу. Она исследовала рынок, добавляла подозрительных партнеров в черный список и выходила из кризисов без вмешательства человека. Долгосрочное планирование работает - и это уже не лабораторный эксперимент.
Офис, код и роботы
Practical use cases впечатляют не меньше бенчмарков. Модель автоматически форматирует диссертации по регламенту: читает требования и приводит в порядок Word-документ - шрифты, поля, оглавление, ссылки. Генерирует интерактивные веб-приложения на Three.js, Canvas и SVG из одного промпта.
А еще управляет роботом-собакой через вызовы инструментов, ориентируется в физическом пространстве и ведет долгосрочную память. Это не просто чат-бот - это полноценный агент, способный работать в реальном мире.
Но есть нюансы
Не все идеально. Время ответа на сложный запрос - 4.7 секунды, что на 30% медленнее Gemini 2.5 Pro (3.6 сек). Для чат-ботов поддержки это может быть критично.
В тестах на здравый смысл CommonsenseQA модель допустила 12% ошибок - вдвое больше, чем GPT-4o (6%). То есть в простых житейских вопросах западные модели пока впереди.
Как подключить прямо сейчас
Самое важное: чат полностью бесплатный на chat.qwen.ai - нужна только регистрация. Для разработчиков есть API через Alibaba Cloud, и он совместим с протоколом Anthropic API. То есть можно заменить Claude в Claude Code одной переменной окружения:
export ANTHROPIC_MODEL="qwen3.7-max"
export ANTHROPIC_BASE_URL=https://dashscope-intl.aliyuncs.com/apps/anthropic
export ANTHROPIC_AUTH_TOKEN=
Стоимость API - около $0.50 за миллион токенов (по текущему курсу примерно 45 рублей). Для сравнения: GPT-4o стоит $2.50 за миллион токенов - в пять раз дороже.
Что это значит для рынка
По данным из российских источников, среди local стартапов Qwen уже занимает 15% рынка open-source AI - вдвое больше, чем Llama 4. После анонса капитализация Alibaba на Гонконгской бирже выросла на 2.3% за день до $615 миллиардов.
Китайские модели больше не догоняют - они конкурируют на равных с OpenAI и Anthropic. Причем делают это бесплатно для конечных пользователей и в пять раз дешевле через API. Модель поддерживает контекст в 1 миллион токенов и готова к интеграции в существующие инструменты.
Для российских разработчиков это особенно важно: западные API часто недоступны или требуют VPN и зарубежные карты. Alibaba Cloud работает без этих ограничений, а качество модели позволяет строить production-решения без компромиссов.
Мой вердикт
Qwen 3.7 Max - это не просто очередная китайская модель. Это реальный конкурент топовым закрытым системам, который доступен бесплатно и показывает лучшие результаты в агентных задачах. Да, есть задержка ответа. Да, в простых вопросах GPT-4o может быть точнее. Но для автоматизации, кода, длинных цепочек задач и автономной работы - это новый стандарт.
И главное: эпоха, когда передовой ИИ был привилегией тех, кто может платить OpenAI, закончилась. Alibaba показала, что флагманское качество может быть доступно всем.
Похожие новости
OpenAI выпустила GPT-6.2 Astra и Sol: входные и выходные токены Astra в API на 20% дешевле, чем у GPT-6 Astra
OpenAI представила две модели: флагманскую GPT-6.2 Astra и экономичную GPT-6.2 Sol. Они доступны в ChatGPT Work, Codex и API и тратят меньше выходных токенов. В API Astra дешевле GPT-6 Astra: входные и выходные токены на 20% ниже, на кэшированные входные скидка 60%.
OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента
OpenAI предложила больницам и страховщикам GPT-6 Astra и Luna: агенты сами кликают по программам клиник и порталам страховых. Среди партнеров компании - CVS Health и Cigna Healthcare.
NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300
В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.