Qwen3.7 Max è il flagship della generazione "Agent Frontier" del team Qwen, descritto da Alibaba come il suo modello di agent più avanzato e completo fino ad oggi.
- Input
- testo $2.5/M
- Output
- testo $7.5/M
- Lettura cache
- $0.5/M
- Contesto
- 1M
- vs GPT-4o
- ~50% più economico
Benchmark
Dati pubblicati dai provider: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Il prezzo a confronto
Dove si colloca il prezzo tra 68 modelli confrontabili
La barra mostra dove si colloca il prezzo di questo modello tra tutti i modelli dello stesso tipo su Synthorai. Alle due estremità sono indicati il più economico e il più caro. Sono tariffe base; gli sconti per batch, regione e scrittura in cache sono nella pagina dei prezzi.
Specifiche e limiti
Token
| Finestra di contesto (specifica del provider) | 1.000.000 |
|---|---|
| Output massimo (specifica del provider) | 65.536 |
Prompt caching
| Modalità | automatico + esplicito |
|---|---|
| Prefisso min. | 1.024 |
| Durata | esplicita: 5 min, si azzera a ogni hit |
| Costo di scrittura | 1.25x |
Ragionamento
| Parametro del provider | enable_thinking + thinking_budget + preserve_thinking |
|---|---|
| Valori accettati | enable_thinking true · false; thinking_budget in tokens; preserve_thinking true · false |
| Valore di default | attivo; la serie Qwen3.7 Max è a thinking ibrido con il thinking abilitato di default, e preserve_thinking è disattivato applicato se la richiesta non specifica nulla |
| Disattivabile | Sì |
| Comportamento del ragionamento | La traccia viene restituita in reasoning_content e viene eliminata dai turni successivi a meno che preserve_thinking non sia true; gli snapshot qwen3.7-max-preview sono solo-thinking e non possono disattivarlo. |
| Parametro | reasoning_effort |
| Valori | minimal · low · medium · high parametri esposti dal gateway: vale la mappatura del provider indicata sopra |
Modello
| Modalità | testo → testo |
|---|
- Flagship "Agent Frontier": solo testo, thinking attivo di default, contesto da 1M di token
- costruito per esecuzioni autonome di agent a lungo orizzonte (sessione di 35 ore con 1.158 chiamate a strumenti dimostrata ufficialmente)
- non elencato per la modalità JSON
Un solo prompt, misurato attraverso il gateway
Qwen3.7 Max superato · 3 sentences
Enabling reasoning requires the model to generate extensive, step-by-step internal logic before delivering a final answer, drastically increasing our consumption of premium-priced output tokens. Because AI providers charge significantly higher rates for generated text than for input prompts, this surge in behind-the-scenes computation directly multiplied our baseline API costs. However, this increased spend delivers a strong ROI by successfully automating complex workflows that previously required expensive human intervention.
out 1700 tok (+1613 ragionamento) latenza 28.9 s
Rispetto delle istruzioni (esattamente tre frasi: si contano), adattamento al destinatario (registro da CFO) e lo scarto di fatturazione dovuto al ragionamento nascosto, che i contatori di token qui sotto mettono in luce.
Qwen3.7 Max superato · 8/8 cases
## Fixed Function ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` ## Explanation The bug is that `cur` and `best` are initialized to `0`, which makes the function count adjacent equal **pairs** (transitions) rather than the number of **elements** in a run. A run of *n* consecutive equal items contains only *n − 1* adjacent pairs, so the reported length is always one less than the true length. This causes single-element inputs (and any list with no adjacent duplicates) to return `0` instead of `1`, and causes every longer run—including those that extend to the final index—to be undercounted by one. […]
out 3433 tok (+3149 ragionamento) latenza 50.6 s
Se la correzione è davvero giusta (si può eseguire), quanto è densa la spiegazione e quanti token servono per un compito circoscritto.
Qwen3.7 Max superato · 5/5 fields, guidance "withheld"
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "withheld" }
out 1595 tok (+1534 ragionamento) latenza 26.9 s
Aderenza allo schema (nessun campo inventato), tentazione di allucinare (il testo dice espressamente che la guidance non viene comunicata) e differenze tra i percorsi di output strutturato.
Qwen3.7 Max superato · 120 words, 0 banned, 1 question
Introducing Global Prompt Caching for our API gateway. Why pay multiple artificial intelligence vendors for the exact same query? Our new feature intercepts identical requests before they reach external models, serving cached responses instantly. This reduces your monthly bills significantly while dropping latency to near absolute zero. Developers routing traffic between various large language models now share a unified memory layer. When a user asks a repeated question, the gateway retrieves the stored answer, bypassing redundant compute entirely. You maintain complete control over cache expiration and invalidation rules directly through your main configuration dashboard. Stop wasting your expensive tokens on duplicate prompts today. Upgrade your infrastructure right now and watch your operational costs drop while your overall application speed increases.
out 8147 tok (+8005 ragionamento) latenza 114.3 s
Rispetto dei vincoli (budget di parole, elenco di parole vietate, l'unica domanda), impronta stilistica e controllo della lunghezza.
Usa Qwen3.7 Max in 30 secondi
Compatibile con OpenAI: cambi base_url e tieni il tuo SDK. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="qwen3.7-max",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "qwen3.7-max",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3.7-max",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "qwen3.7-max",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("qwen3.7-max")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Informazioni su Qwen3.7 Max
- Porta una finestra di contesto da 1M di token, il doppio del limite in preview della generazione precedente, ed è costruito per l'esecuzione autonoma a lungo orizzonte che si estende su centinaia o persino migliaia di passi, incluse la scrittura e il debug di codice e l'automazione dei flussi di lavoro d'ufficio.
- La dimostrazione che Alibaba porta di quell'affermazione è una singola sessione che gira per circa 35 ore attraverso più di mille chiamate agli strumenti.
- Si concentra sull'input testuale con ragionamento profondo e invocazione di strumenti (la vision vive nel livello Plus) e restituisce fino a 65.536 token di output, sopra alla più grande riserva di ragionamento documentata nella linea Qwen, raddoppiata di nuovo rispetto a Qwen3.6.
- La guida alla scelta di Alibaba è netta su quando spendere per lui: si sceglie Max quando serve il ragionamento più forte, altrimenti Plus.
- Il thinking è ibrido e abilitato per impostazione predefinita, si disattiva con enable_thinking e si delimita con thinking_budget, con la traccia restituita in reasoning_content e fatturata come output; si noti che gli snapshot in preview di questo modello sono solo thinking e non possono disattivarlo.
- Il controllo distintivo della generazione è preserve_thinking, che porta il ragionamento da un turno all'altro così che la deliberazione precedente di un agent resti disponibile invece di essere riderivata, e Alibaba nomina questo modello tra i pochi che lo supportano, cosa che qui conta più che altrove viste le lunghezze di sessione a cui punta.
- Function calling, inferenza batch e caching sia esplicito sia implicito sono supportati; la modalità JSON non è elencata.
- Synthorai colloca Qwen3.7 Max dietro la sua API compatibile OpenAI per un'adozione senza attriti.
FAQ
L'API di Qwen3.7 Max si può provare gratis?
Sì: i nuovi account ricevono 10 chiamate di prova e fino a $1 di credito gratuito, senza bisogno di carta. A $2.5/M per i token di input, quel credito basta da solo per circa 49 richieste da ~8K token a Qwen3.7 Max.
In cosa eccelle Qwen3.7 Max?
Contesto da 1M, il doppio del precedente limite preview; esecuzione a lungo orizzonte su migliaia di step; modello di agent più avanzato e completo finora. Il quadro completo è nella sezione «Informazioni», ripreso dalle note di rilascio ufficiali del provider.
Quanto costa Qwen3.7 Max?
Su Synthorai Qwen3.7 Max costa $2.5 per milione di token di input e $7.5 per milione di token di output: è il prezzo di listino del provider, senza sovrapprezzo di piattaforma. I token di input letti dalla cache costano $0.5/M.
Qual è la finestra di contesto di Qwen3.7 Max?
Qwen3.7 Max ha una finestra di contesto di 1M token su Synthorai. Una singola risposta può arrivare a 65,536 token.
Qwen3.7 Max supporta il prompt caching?
Sì: il caching automatico è attivo di default, con una modalità esplicita per risparmi garantiti. I token di input letti dalla cache costano $0.5/M, contro $2.5/M senza cache; per andare in cache un prompt deve avere un prefisso stabile di 1,024 token (TTL esplicita: 5 min, si azzera a ogni hit). Guida al prompt caching →
Come ottengo l'accesso a Qwen3.7 Max?
Fai puntare l'SDK OpenAI che usi già a base_url="https://synthorai.io/v1", imposta model="qwen3.7-max" e hai finito: una sola chiave API vale per tutti i modelli del gateway.
Modelli correlati
Confronta
Ogni valore di questa pagina è ripreso dalla documentazione del provider (il link è qui sopra) e riporta la data dell'ultima verifica. I prezzi sono confrontati sull'intero catalogo; per le specifiche che ogni provider definisce a modo suo indichiamo la differenza invece di metterle in un grafico. Qui non c'è nulla di misurato da noi e non assegniamo punteggi.