Qwen3.7-Max (2026-05-20 Snapshot) — Datierter Checkpoint von Alibabas proprietärem Flaggschiff-Modell der Agenten-Ära, fixiert für reproduzierbare Produktions-Workloads. Natives Kontextfenster von 1M Token, mit einem erweiterten Thinking-Modus (und preserve_thinking über mehrere Runden hinweg), optimiert für agentische Aufgaben. Spitzenergebnisse bei Programmierung (SWE-Verified, SWE-Pro, Terminal-Bench), logischem Denken (GPQA Diamond, HMMT, IMO), Tool-Nutzung (BFCL, MCP-Mark, MCP-Atlas) und mehrsprachigen Benchmarks (WMT24++ in 55 Sprachen). Entwickelt für autonome Ausführung über lange Zeiträume und konsistentes Verhalten über verschiedene Agenten-Frameworks hinweg, darunter Claude Code, OpenClaw und Qwen Code. Verwenden Sie diese fixierte Version, wenn Sie ein stabiles Verhalten über verschiedene Releases hinweg benötigen; verwenden Sie qwen/qwen3.7-max für den Rolling-Alias.
Qwen3.7 Max ist ein großes Sprachmodell aus der Qwen-Serie von Alibaba, genauer gesagt der Checkpoint, der am 20. Mai 2026 veröffentlicht wurde. Es handelt sich um einen Decoder-only-Transformer,…
Qwen3.7 Max überzeugt bei Textgenerierung, logischem Denken, Zusammenfassung, Beantwortung von Fragen und Codegenerierung. Sein großes Kontextfenster ermöglicht Aufgaben wie das Lesen eines ganzen Buches und das anschließende Beantworten detaillierter Fragen dazu oder die Analyse eines vollständigen Code-Repositories, um Fehler zu identifizieren. Das Modell kann komplexe mehrstufige Anweisungen befolgen, die in einem System-Prompt eingebettet sind, der Tausende von Tokens umfasst. Es unterstützt Standard-Generierungsparameter wie temperature, top_p, max_tokens und stop sequences über die OpenAI-kompatible API. Da es rein textbasiert ist, kann es keine Bilderkennung, Audiotranskription oder andere multimodale Aufgaben durchführen. Für Textaufgaben, die einen sehr langen Kontext oder eine sehr lange Ausgabe erfordern, ist Qwen3.7 Max eine starke Wahl.
Die besten Anwendungsfälle des Modells konzentrieren sich auf Arbeitslasten mit langem Kontext und hohem Ausgabeumfang. Beispiele sind: Zusammenfassen eines 500-seitigen Rechtsvertrags in einem Durchgang; Erzeugen eines 50.000 Wörter umfassenden technischen Handbuchs aus einer kurzen Gliederung; gründliche Faktenprüfung über ein großes Korpus von Forschungspapieren; und Erzeugen synthetischer Daten zum Trainieren anderer Modelle, bei denen lange Sequenzen erforderlich sind. Entwickler, die mit Codebasen arbeiten, können das Modell bitten, ganze Dateien umzustrukturieren oder Komponententests zu schreiben, die viele Funktionen abdecken. Das Modell eignet sich auch für Konversationsagenten, die den Kontext über sehr lange Dialoge hinweg aufrechterhalten müssen, wobei zu beachten ist, dass die Ausgabe auf 64.000 Token begrenzt ist. Für Aufgaben mit kurzem Kontext bieten kleinere Modelle auf OrcaRouter möglicherweise eine bessere Latenz und Kosteneffizienz.
Während Qwen3.7 Max extreme Kontext- und Ausgabelängen bietet, ist es pro Token teurer als viele kleinere Modelle. Wenn Ihre Aufgaben Kontextfenster unter 32.000 Token und Ausgaben unter 4.000 Token erfordern, ziehen Sie die Verwendung eines günstigeren Modells wie Qwen3.5-7B oder anderer kompakter LLMs in Betracht, die auf OrcaRouter verfügbar sind. Wenn Sie außerdem nicht die Reasoning-Fähigkeiten eines großen Modells benötigen, kann ein kleineres Modell ausreichen. Für Anwendungen, bei denen die Latenzzeit entscheidend ist, bieten kleinere Modelle auch schnellere Antwortzeiten. Bewerten Sie stets die typische Größe und Komplexität Ihrer Anfragen; die Verwendung eines großen Modells für triviale Aufgaben führt zu unnötigen Kosten. Die Preisseite von OrcaRouter listet alle verfügbaren Modelle auf, um den Vergleich zu erleichtern.
Ja, Qwen3.7 Max unterstützt Streaming-Antworten über die OpenAI-kompatible API. Sie können den Parameter `stream` auf `true` setzen, um Tokens inkrementell zu erhalten, was die Benutzererfahrung bei langen Generierungen verbessert. Das Modell funktioniert auch gut mit dem Chat Completions-Endpunkt, der Nachrichten im Standardformat (System, Benutzer, Assistent-Rollen) akzeptiert. Mehrrunden-Gespräche werden innerhalb des Kontextfensterlimits unterstützt. Da das Modell rein textbasiert ist, müssen alle Nachrichten Textinhalt enthalten. Das große Kontextfenster ermöglicht sehr lange Chatverläufe, wodurch es sich für erweiterte interaktive Sitzungen eignet. Streaming wird für Ausgaben empfohlen, die länger als einige tausend Tokens sind, um Zeitüberschreitungen zu vermeiden.
Spezifische Benchmark-Ergebnisse für diesen genauen Checkpoint (2026-05-20) werden in diesem Katalogeintrag nicht bereitgestellt. Die Qwen-Serie hat sich in der Vergangenheit bei Benchmarks zu Denkfähigkeit, Programmierung und Sprachverständnis wettbewerbsfähig gezeigt. Wir empfehlen, das Modell anhand eigener repräsentativer Aufgaben zu bewerten, um die Leistung zu beurteilen. OrcaRouter bietet einen Playground, in dem Sie das Modell mit Ihren Prompts testen können, ohne Kosten über die Token-Nutzung hinaus zu verursachen. Das große Kontextfenster des Modells könnte die Leistung bei Aufgaben verbessern, die langreichweitige Abhängigkeiten erfordern, aber ohne veröffentlichte Zahlen sollten Benutzer ihre eigene Validierung durchführen. Benchmarks wie MMLU, HumanEval oder GSM8K werden üblicherweise zum Vergleich herangezogen, werden hier jedoch nicht zitiert.
Die Latenz hängt von der Gesamtanzahl der Eingabe- und Ausgabe-Tokens sowie von der Serverlast zum Zeitpunkt der Anfrage ab. Da Qwen3.7 Max bis zu 1.000.000 Tokens im Kontext verarbeitet, können Anfragen mit sehr großen Eingaben aufgrund der Aufmerksamkeitsberechnung länger dauern. Die typische Zeit bis zum ersten Token bei moderaten Eingabelängen (z. B. 10.000 Tokens) liegt im zweistelligen Sekundenbereich, genaue Zahlen sind jedoch nicht öffentlich verfügbar. Streaming kann die gefühlte Latenz reduzieren, indem Tokens während ihrer Generierung zurückgegeben werden. Für optimale Leistung sollten Eingabe-Prompts möglichst präzise gehalten werden. Die Infrastruktur von OrcaRouter ist optimiert, um Overhead zu minimieren; wenden Sie sich an den Support, wenn Sie Latenzgarantien für Produktionsanwendungen benötigen.
Die Hauptstärke ist das Kontextfenster mit 1.000.000 Token, das die Verarbeitung sehr langer Dokumente in einer einzigen Anfrage ermöglicht. Auch die Ausgabebegrenzung von 64.000 Token gehört zu den höchsten verfügbaren. Das Modell basiert auf Alibabas Qwen-Architektur, die bei Reasoning, Codierung und allgemeinen Wissensaufgaben starke Leistungen gezeigt hat. Die Null-Aufschlag-Preisgestaltung über OrcaRouter bedeutet, dass Sie nur den Tarif des Anbieters ohne zusätzliche Gebühren zahlen. Für Arbeitsabläufe, die die Aufrechterhaltung von Kohärenz über extrem lange Sequenzen erfordern – wie buchlange Analysen oder massive Codegenerierung – ist dieses Modell eine führende Option. Der reine Textfokus hilft, die Kosten niedriger zu halten als bei multimodalen Modellen mit ähnlichen Kontextgrößen.
Das Modell ist rein textbasiert; es kann keine Bilder, Audiodateien oder Videos verarbeiten. Die Preisgestaltung ist zwar wettbewerbsfähig für seine Klasse, aber höher als bei kleineren Modellen: $1.25/1M Input und $3.75/1M Output. Für Aufgaben mit kurzem Kontext sind günstigere Modelle kosteneffizienter. Es gibt keine multimodalen Fähigkeiten, daher müssen Anwendungen, die visuelle oder Sprachverarbeitung erfordern, andere Modelle verwenden. Benchmark-Ergebnisse werden hier nicht bereitgestellt, daher können Sie sich nicht auf Bewertungen Dritter verlassen; Sie müssen das Modell selbst testen. Das Modell ist ein Checkpoint vom Mai 2026; das Wissen kann für sehr aktuelle Ereignisse veraltet sein. Schließlich kann das große Kontextfenster die Latenz und die Rechenkosten erhöhen, insbesondere wenn die Eingabe nahe am 1M-Limit liegt.
Die Preisgestaltung ist unkompliziert: 1,25 $ pro 1.000.000 Eingabe-Token und 3,75 $ pro 1.000.000 Ausgabe-Token. Diese Preise entsprechen den eigenen Preisen des Anbieters; OrcaRouter erhebt keinen Aufschlag. Es gibt keine monatlichen Abonnementgebühren oder Mindestabnahmen. Die Abrechnung erfolgt auf Basis des tatsächlichen Token-Verbrauchs, gemessen durch den Tokenizer des Modells. Eingabe-Token umfassen die Systemnachricht, Benutzernachrichten und etwaigen Gesprächsverlauf. Ausgabe-Token umfassen nur den generierten Text. Das große Kontextfenster bedeutet, dass selbst eine einzelne Anfrage eine beträchtliche Anzahl von Token verbrauchen kann. Beispielsweise kostet eine Anfrage mit 500.000 Eingabe-Token und 10.000 Ausgabe-Token (500k * 1,25 $ + 10k * 3,75 $) / 1M = 0,625 $ + 0,0375 $ = 0,6625 $.
Der Hauptkompromiss sind Kosten gegenüber Leistungsfähigkeit. Während Qwen3.7 Max branchenführende Kontext- und Ausgabelängen bietet, ist es teurer als kleinere Modelle mit kürzeren Fenstern. Wenn Ihre typischen Anfragen weniger als 100.000 Kontext-Token und weniger als 10.000 Ausgabe-Token verwenden, zahlen Sie möglicherweise weniger, wenn Sie ein Modell wie Qwen3.5-14B oder Qwen3-72B verwenden, sofern verfügbar. Wenn Sie jedoch das Aufteilen langer Dokumente vermeiden müssen, können die Kosten für die Verarbeitung des gesamten Dokuments in einem Aufruf durch erhöhte Genauigkeit und Einfachheit gerechtfertigt sein. Die Null-Aufschlag-Preise bedeuten, dass Sie nicht extra für die API-Ebene bezahlen; Sie zahlen nur den Tarif des Anbieters. Es werden keine Caching-Details bereitgestellt—wenden Sie sich an den OrcaRouter-Support für aktuelle Caching-Optionen, die die Kosten für wiederholte Eingabeaufforderungen senken könnten.
Um Kosten zu schätzen, berechnen Sie die durchschnittlichen Input-Token und Output-Token pro Anfrage. Verwenden Sie die Formel: Kosten = (Input-Token * 1.25 + Output-Token * 3.75) / 1,000,000. Beispiel: Eine Anfrage mit 200,000 Input-Token und 5,000 Output-Token kostet (200k * 1.25 + 5k * 3.75)/1M = $0.25 + $0.01875 = $0.26875. Bei Batch-Verarbeitung multiplizieren Sie mit der Anzahl der Anfragen. Das Nutzungs-Dashboard von OrcaRouter bietet Echtzeit-Token-Zählungen und Kostenaufschlüsselungen. Da es keinen Aufschlag gibt, sind die angezeigten Kosten die Kosten des Anbieters. Sie können in Ihren API-Schlüsseleinstellungen ein Budgetlimit festlegen, um unerwartete Gebühren zu vermeiden. Für die Produktion mit hohem Volumen sollten Sie direkt mit dem Anbieter (nicht über OrcaRouter) einen Mengenrabatt aushandeln.
Nein. OrcaRouter erhebt keine Plattformgebühren, keine Aufschläge, keine monatlichen Gebühren und keine Mindestverpflichtungen. Sie zahlen nur für die von Ihnen genutzten Tokens zu den veröffentlichten Tarifen des Anbieters. Es fallen keine Gebühren für fehlgeschlagene Anfragen oder Timeouts an (obwohl Tokens, die vor einem Timeout verbraucht wurden, möglicherweise dennoch berechnet werden). Die Authentifizierung erfolgt über einen API-Schlüssel, der kostenlos erstellt werden kann. Sie können Qwen3.7 Max sofort nutzen, indem Sie Ihrem OrcaRouter-Konto Guthaben hinzufügen. Die Basis-URL und die Modell-ID sind stabil; es gibt keine versteckten Kosten. Für Unternehmenskunden sind individuelle Verträge verfügbar, aber nicht erforderlich. Überprüfen Sie stets die aktuelle Preisseite auf der OrcaRouter-Website, da sich die Tarife ändern können, wobei zeitnahe Aktualisierungen des Katalogs vorgenommen werden.
Verwenden Sie die OpenAI-kompatible API mit der Basis-URL https://api.orcarouter.ai/v1, der Modell-ID "qwen/qwen3.7-max-2026-05-20". Die Authentifizierung erfolgt über einen API-Schlüssel, der im OrcaRouter-Dashboard bereitgestellt wird. Beispiel mit Python: ```python import openai client = openai.OpenAI(api_key="your_key", base_url="https://api.orcarouter.ai/v1") response = client.chat.completions.create( model="qwen/qwen3.7-max-2026-05-20", messages=[{"role":"user","content":"Explain quantum computing in 50 words."}], max_tokens=100 ) print(response.choices[0].message.content) ``` Stellen Sie sicher, dass Sie den Parameter `max_tokens` auf die gewünschte Ausgabelänge einstellen, bis zu 64.000.
Die OrcaRouter-API unterstützt die standardmäßigen OpenAI Chat Completion-Parameter: `model`, `messages`, `max_tokens`, `temperature`, `top_p`, `n`, `stop`, `stream`, `presence_penalty`, `frequency_penalty`, `logit_bias` und `user`. Der Parameter `temperature` steuert die Zufälligkeit (0–2, Standardwert 1). `top_p` ist Nucleus Sampling. `stop` definiert Sequenzen, die die Generierung anhalten. `stream` ermöglicht die tokenweise Ausgabe. `max_tokens` kann auf bis zu 64.000 gesetzt werden. Die Gesamtzahl der Prompt- und generierten Tokens darf das Kontextfenster von 1.000.000 nicht überschreiten. Falls die kombinierte Summe dies überschreiten würde, gibt die API einen Fehler zurück. Sie können die Token-Nutzung anpassen, indem Sie den Nachrichtenverlauf kürzen oder kürzere Prompts verwenden.
Migration ist einfach, weil OrcaRouter die OpenAI-kompatible API verwendet. Ändern Sie die Basis-URL in Ihrem vorhandenen Code vom vorherigen Endpunkt zu https://api.orcarouter.ai/v1. Aktualisieren Sie die Modell-ID auf "qwen/qwen3.7-max-2026-05-20". Ersetzen Sie Ihren API-Schlüssel durch einen von OrcaRouter. Es sind keine Änderungen am Anfrageformat erforderlich; dieselbe Nachrichtenstruktur, Parameter und Streaming-Logik funktionieren. Wenn Sie zuvor eine andere Modell-ID für denselben Qwen3.7 Max Checkpoint verwendet haben, passen Sie sie entsprechend an. OrcaRouter bietet auch einen Proxy-Modus, um Anfragen ohne Codeänderungen umzuleiten; wenden Sie sich an den Support für Details. Testen Sie mit einigen Aufrufen, um das Verhalten zu überprüfen, bevor Sie den Produktionsverkehr umstellen.
Die Authentifizierung erfolgt über einen API-Key, der im HTTP-Header Authorization übergeben wird: `Authorization: Bearer YOUR_API_KEY`. Sie können einen API-Key aus dem OrcaRouter-Dashboard nach der Erstellung eines Kontos erhalten. Der Schlüssel muss geheim gehalten werden und sollte nicht im clientseitigen Code offengelegt werden. OrcaRouter unterstützt pro Schlüssel Ratenbegrenzungen und Nutzungsverfolgung. Wenn Sie eine höhere Parallelität benötigen, fordern Sie einen Schlüssel mit erhöhten Limits an. Es gibt keinen zusätzlichen Authentifizierungsschritt; der Schlüssel allein gewährt Zugriff. Aus Sicherheitsgründen sollten Sie Schlüssel regelmäßig wechseln und Umgebungsvariablen zu deren Speicherung verwenden. Schlüssel sind nicht an ein bestimmtes Modell gebunden; mit demselben Schlüssel können Sie auf jedes auf OrcaRouter verfügbare Modell zugreifen.
Qwen3.7 Max ist das größte Modell der Qwen3.7-Familie und bietet das längste Kontextfenster (1 M Token) und die höchste Ausgabelimit (64k). Standard-Qwen3.7-Modelle haben typischerweise kleinere Kontextfenster (z. B. 128k oder 32k) und niedrigere Ausgabegrenzen (oft 8k oder 16k). Die Max-Variante ist für extreme Aufgaben optimiert. Die Preisgestaltung ist höher als bei kleineren Qwen-Modellen; zum Beispiel könnte Qwen3.7-72B weniger pro Token kosten. Die Leistung bei logischem Denken und Programmieren wird aufgrund des größeren Umfangs als ähnlich oder etwas besser erwartet, obwohl keine spezifischen Vergleiche bereitgestellt werden. Für die meisten Arbeitslasten bieten die kleineren Modelle eine bessere Kosteneffizienz; Qwen3.7 Max sollte am besten für Aufgaben reserviert werden, die wirklich seinen massiven Kontext und seine Ausgabe erfordern.
Qwen3.7 Max hat ein größeres Kontextfenster (1 Million Token) als GPT-4 Turbo (128k) und Claude 3.5 (200k). Sein Ausgabelimit von 64k Token übertrifft ebenfalls diese Modelle (typischerweise 4k-8k). Allerdings unterstützen GPT-4 und Claude multimodale Eingaben (Bilder, Dokumente), während Qwen3.7 Max nur Text ist. Preisgestaltung: Qwen3.7 Max mit $1,25/$3,75 pro 1 Million Token ist generell günstiger als GPT-4 Turbo ($10/$30) und wettbewerbsfähig mit Claude 3.5 Haiku ($0,25/$1,25), wenn auch mit höheren Kosten pro Token für die Ausgabe. Die Wahl hängt davon ab, ob Sie multimodale Fähigkeiten oder die extreme Kontextlänge benötigen. Für reine Text-Langdokumentaufgaben könnte Qwen3.7 Max geeigneter und kosteneffizienter sein als GPT-4 oder Claude, wenn man die Notwendigkeit des Chunkings dieser Modelle berücksichtigt.
Wählen Sie Qwen3.7 Max, wenn Ihre Aufgabe die Verarbeitung von mehr als 200.000 Token Kontext in einem einzigen Durchlauf erfordert oder wenn Sie Ausgaben mit mehr als 10.000 Token generieren müssen. Es ist auch eine gute Wahl, wenn Sie die Komplexität der Aufteilung von Dokumenten vermeiden möchten. Für Aufgaben mit geringerem Kontextbedarf bieten andere Modelle auf OrcaRouter – wie Qwen3.5-7B, Qwen3-72B oder Llama 3.1-405B – niedrigere Latenz und Kosten. Die Null-Aufschlag-Preisgestaltung auf OrcaRouter bedeutet, dass Sie mit mehreren Modellen experimentieren können, ohne sich um Plattformzuschläge sorgen zu müssen. Wenn Sie multimodale Fähigkeiten benötigen, ziehen Sie Qwen-VL oder GPT-4V-Modelle in Betracht. Testen Sie stets Ihren spezifischen Anwendungsfall, um das beste Kosten-Leistungs-Verhältnis zu finden.
Qwen3.7 Max ist ein proprietäres Modell, das über die API zugänglich ist. Open-Source-Modelle wie Qwen2.5-72B oder Llama 3.1 können selbst gehostet werden, was bei hohem Volumen potenziell die Kosten pro Token senkt. Allerdings erfordert das Selbsthosten GPU-Hardware, Wartung und Fachwissen im Bereich Skalierung. Das 1M-Kontextfenster von Qwen3.7 Max ist größer als das der meisten Open-Source-Modelle (typischerweise 128k oder weniger), und seine 64k-Ausgabe liegt ebenfalls über dem, was viele offene Modelle unterstützen. Das API-Modell profitiert zudem von verwalteter Infrastruktur, automatischen Updates und keiner anfänglichen Investition. Für Teams ohne umfangreiche ML Ops bietet der API-Weg mit Qwen3.7 Max sofortigen Zugang zu hochmodernen Fähigkeiten. Für hochvolumige, vorhersagbare Arbeitslasten könnte das Selbsthosten eines kleineren Modells günstiger sein, aber man verliert die Vorteile des großen Kontextfensters.
OpenAI-kompatibel — behalte dein bisheriges SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="qwen/qwen3.7-max-2026-05-20",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)| Eingabe / 1M Tokens | $1.25 |
| Ausgabe / 1M Tokens | $3.75 |
| Cache-Lesen / 1M | $0.250 |
| Cache-Schreiben / 1M | $1.563 |
| Währung | USD |
Schätzung auf Basis des Listenpreises
Nur eine Schätzung — die tatsächliche Token-Anzahl hängt vom Tokenizer des Anbieters ab.
GET /api/public/models/qwen/qwen3.7-max-2026-05-20Öffnen @misc{orcarouter_qwen3_7_max_2026_05_20,
title = {Qwen3.7 Max (2026-05-20) API},
author = {qwen},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/qwen/qwen3.7-max-2026-05-20}
}qwen. (2026). Qwen3.7 Max (2026-05-20) API. OrcaRouter. https://www.orcarouter.ai/models/qwen/qwen3.7-max-2026-05-20