Qwen3.7-Max (2026-05-20 snapshot) — Point de contrôle daté du modèle propriétaire phare d'Alibaba de l'ère des agents, figé pour des charges de travail de production reproductibles. Fenêtre de contexte native de 1M tokens, avec un mode de pensée étendu (et preserve_thinking à travers les tours) adapté aux tâches agentiques. Résultats de niveau avancé en codage (SWE-Verified, SWE-Pro, Terminal-Bench), raisonnement (GPQA Diamond, HMMT, IMO), utilisation d'outils (BFCL, MCP-Mark, MCP-Atlas) et benchmarks multilingues (WMT24++ dans 55 langues). Conçu pour une exécution autonome à long terme et un comportement cohérent à travers les échafaudages d'agents, y compris Claude Code, OpenClaw et Qwen Code. Utilisez cette version figée lorsque vous avez besoin d'un comportement stable entre les versions ; utilisez qwen/qwen3.7-max pour l'alias roulant.
Qwen3.7 Max est un modèle de langage de grande taille de la série Qwen d'Alibaba, spécifiquement le checkpoint publié le 20 mai 2026. C'est un transformateur à décodeur seul optimisé pour l'entrée et…
Qwen3.7 Max excelle dans la génération de texte, le raisonnement, la synthèse, la réponse aux questions et la génération de code. Sa grande fenêtre de contexte permet d'effectuer des tâches comme lire un livre entier puis répondre à des questions détaillées à son sujet, ou analyser un dépôt de code complet pour identifier des bogues. Le modèle peut suivre des instructions complexes en plusieurs étapes intégrées dans une invite système qui s'étend sur des milliers de jetons. Il prend en charge les paramètres de génération standard tels que la température, top_p, max_tokens et les séquences d'arrêt via l'API compatible OpenAI. Étant donné qu'il est limité au texte, il ne peut pas effectuer de reconnaissance d'images, de transcription audio ou d'autres tâches multimodales. Pour les tâches textuelles nécessitant un contexte ou une sortie très longs, Qwen3.7 Max est un choix solide.
Les meilleurs cas d'utilisation du modèle se concentrent sur les charges de travail à long contexte et à haut rendement. Exemples : résumer un contrat juridique de 500 pages en une seule passe ; générer un manuel technique de 50 000 mots à partir d'un bref plan ; effectuer une vérification approfondie des faits sur un vaste corpus d'articles de recherche ; et générer des données synthétiques pour entraîner d'autres modèles lorsque de longues séquences sont nécessaires. Les développeurs manipulant des bases de code peuvent demander au modèle de refactoriser des fichiers entiers ou d'écrire des tests unitaires couvrant de nombreuses fonctions. Le modèle convient également aux agents conversationnels qui doivent maintenir le contexte sur de très longs dialogues, bien que la sortie soit limitée à 64 000 jetons. Pour les tâches à contexte court, des modèles plus petits sur OrcaRouter peuvent offrir une meilleure latence et un meilleur rapport coût-efficacité.
Bien que Qwen3.7 Max offre des longueurs de contexte et de sortie extrêmes, son prix par token est plus élevé que celui de nombreux modèles plus petits. Si vos tâches nécessitent des fenêtres de contexte de moins de 32,000 tokens et des sorties de moins de 4,000 tokens, envisagez d'utiliser un modèle moins cher comme Qwen3.5-7B ou d'autres LLM compacts disponibles sur OrcaRouter. De plus, si vous n'avez pas besoin des capacités de raisonnement d'un grand modèle, un modèle plus petit peut suffire. Pour les applications où la latence est critique, les modèles plus petits offrent également des temps de réponse plus rapides. Évaluez toujours la taille et la complexité typiques de vos requêtes ; utiliser un grand modèle pour des tâches triviales entraîne des coûts inutiles. La page de tarification d'OrcaRouter répertorie tous les modèles disponibles pour faciliter la comparaison.
Oui, Qwen3.7 Max prend en charge les réponses en streaming via l'API compatible OpenAI. Vous pouvez définir le paramètre `stream` sur `true` pour recevoir les tokens de manière incrémentielle, ce qui améliore l'expérience utilisateur pour les longues générations. Le modèle fonctionne également bien avec le point de terminaison Chat Completions, acceptant les messages au format standard (system, user, assistant). Les conversations à plusieurs tours sont prises en charge dans la limite de la fenêtre de contexte. Comme le modèle est uniquement textuel, tous les messages doivent contenir du texte. La grande fenêtre de contexte permet des historiques de chat très longs, ce qui le rend adapté aux sessions interactives prolongées. Le streaming est recommandé pour les sorties de plus de quelques milliers de tokens afin d'éviter les délais d'attente.
Les scores de benchmark spécifiques pour ce point de contrôle exact (2026-05-20) ne sont pas fournis dans cette entrée de catalogue. La série Qwen a historiquement obtenu des performances compétitives sur les benchmarks de raisonnement, de codage et de compréhension du langage. Nous recommandons d'évaluer le modèle sur vos propres tâches représentatives pour évaluer les performances. OrcaRouter fournit un terrain de jeu où vous pouvez tester le modèle avec vos prompts sans encourir de frais au-delà de l'utilisation des tokens. La grande fenêtre de contexte du modèle peut améliorer les performances sur les tâches nécessitant des dépendances à longue portée, mais sans chiffres publiés, les utilisateurs devraient effectuer leur propre validation. Des benchmarks comme MMLU, HumanEval, ou GSM8K sont couramment utilisés pour la comparaison mais ne sont pas cités ici.
La latence dépend du nombre total de jetons d'entrée et de sortie, ainsi que de la charge du serveur au moment de la requête. Comme Qwen3.7 Max gère jusqu'à 1 000 000 de jetons en contexte, les requêtes avec de très grandes entrées peuvent prendre plus de temps à traiter en raison du calcul d'attention. Le temps typique jusqu'au premier jeton pour des entrées de longueur modérée (par exemple 10 000 jetons) se situe dans la dizaine de secondes, mais les chiffres précis ne sont pas publics. Le streaming peut réduire la latence perçue en renvoyant les jetons au fur et à mesure de leur génération. Pour des performances optimales, gardez les prompts d'entrée concis lorsque c'est possible. L'infrastructure d'OrcaRouter est optimisée pour minimiser la surcharge ; contactez le support si vous avez besoin de garanties de latence pour des cas d'utilisation en production.
Le principal atout est sa fenêtre de contexte de 1,000,000 de jetons, qui permet de traiter des documents très longs en une seule requête. La limite de sortie de 64,000 jetons fait également partie des plus élevées disponibles. Le modèle est construit sur l'architecture Qwen d'Alibaba, qui a démontré de solides performances en matière de raisonnement, de codage et de tâches de connaissances générales. La tarification sans marge via OrcaRouter signifie que vous ne payez que le tarif du fournisseur sans frais supplémentaires. Pour les flux de travail qui nécessitent de maintenir la cohérence sur des séquences extrêmement longues—comme l'analyse au niveau d'un livre ou la génération massive de code—ce modèle est une option de premier plan. Son focus exclusivement textuel permet de maintenir des coûts inférieurs à ceux des modèles multimodaux avec des tailles de contexte similaires.
Le modèle est uniquement textuel ; il ne peut pas traiter les images, l'audio ou la vidéo. Son prix, bien que compétitif pour sa catégorie, est plus élevé que celui des modèles plus petits : $1.25/1M d'entrée et $3.75/1M de sortie. Pour les tâches avec un contexte court, les modèles moins chers seront plus rentables. Il n'existe pas de capacités multimodales, donc les applications nécessitant la vision ou la parole doivent utiliser d'autres modèles. Les scores de référence ne sont pas fournis ici, donc vous ne pouvez pas vous fier aux classements de tiers ; vous devez tester le modèle vous-même. Le modèle est un checkpoint de mai 2026 ; les connaissances peuvent être obsolètes pour des événements très récents. Enfin, la grande fenêtre de contexte peut augmenter la latence et le coût de calcul, surtout si l'entrée est proche de la limite de 1M.
La tarification est simple : 1,25 $ par million de tokens d'entrée et 3,75 $ par million de tokens de sortie. Ces tarifs sont les prix du fournisseur lui-même ; OrcaRouter n'ajoute aucune majoration. Il n'y a pas de frais d'abonnement mensuels ni d'engagements minimums. Vous êtes facturé en fonction de l'utilisation réelle des tokens, mesurée par le tokenizer du modèle. Les tokens d'entrée incluent le message système, les messages utilisateur et tout historique de conversation. Les tokens de sortie incluent uniquement le texte généré. La grande fenêtre de contexte signifie qu'une seule requête peut consommer des tokens importants. Par exemple, une requête avec 500 000 tokens d'entrée et 10 000 tokens de sortie coûte (500k * $1.25 + 10k * $3.75)/1M = $0.625 + $0.0375 = $0.6625.
Le principal compromis est entre le coût et la capacité. Bien que Qwen3.7 Max offre une longueur de contexte et de sortie de premier ordre, il est plus cher que les modèles plus petits avec des fenêtres plus courtes. Si vos requêtes typiques utilisent moins de 100 000 tokens de contexte et moins de 10 000 tokens de sortie, vous paierez peut-être moins en utilisant un modèle comme Qwen3.5-14B ou Qwen3-72B s'ils sont disponibles. Cependant, si vous devez éviter de fragmenter de longs documents, le coût du traitement de l'intégralité du document en un seul appel peut être justifié par une précision et une simplicité accrues. La tarification sans marge signifie que vous ne payez pas de supplément pour la couche API ; vous ne payez que le tarif du fournisseur. Aucun détail de mise en cache n'est fourni — contactez le support OrcaRouter pour connaître les options de mise en cache actuelles qui pourraient réduire le coût des invites répétées.
Pour estimer les coûts, calculez la moyenne des tokens d'entrée et des tokens de sortie par requête. Utilisez la formule : coût = (input_tokens * 1.25 + output_tokens * 3.75) / 1,000,000. Par exemple, une requête avec 200,000 tokens d'entrée et 5,000 tokens de sortie coûte (200k * 1.25 + 5k * 3.75)/1M = $0.25 + $0.01875 = $0.26875. Pour le traitement par lots, multipliez par le nombre de requêtes. Le tableau de bord d'utilisation d'OrcaRouter fournit le nombre de tokens en temps réel et une ventilation des coûts. Comme il n'y a pas de marge, le coût que vous voyez est le coût du fournisseur. Vous pouvez définir un plafond budgétaire dans les paramètres de votre clé API pour éviter les frais imprévus. Pour une utilisation en production à volume élevé, envisagez de négocier une remise sur volume directement avec le fournisseur (pas via OrcaRouter).
Non. OrcaRouter ne facture pas de frais de plateforme, ni de majoration, ni de frais mensuels, ni d'engagement minimum. Vous ne payez que pour les jetons que vous utilisez, aux tarifs publiés par le fournisseur. Il n'y a pas de frais pour les requêtes échouées ou les délais d'attente (bien que les jetons consommés avant un délai d'attente puissent toujours être facturés). L'authentification se fait via une clé API, dont la création est gratuite. Vous pouvez commencer à utiliser Qwen3.7 Max immédiatement en ajoutant des fonds à votre compte OrcaRouter. L'URL de base et l'ID du modèle sont stables ; aucun coût caché n'existe. Pour les clients entreprises, des contrats personnalisés sont disponibles mais pas obligatoires. Consultez toujours la dernière page de tarification sur le site web d'OrcaRouter, car les tarifs peuvent changer, bien que des mises à jour rapides du catalogue soient effectuées.
Utilisez l'API compatible OpenAI avec l'URL de base https://api.orcarouter.ai/v1, l'ID de modèle "qwen/qwen3.7-max-2026-05-20". L'authentification utilise une clé API fournie dans le tableau de bord OrcaRouter. Exemple en 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) ``` Assurez-vous de définir le paramètre `max_tokens` sur la longueur de sortie souhaitée, jusqu'à 64,000.
L'API OrcaRouter prend en charge les paramètres standard de complétion de chat OpenAI : `model`, `messages`, `max_tokens`, `temperature`, `top_p`, `n`, `stop`, `stream`, `presence_penalty`, `frequency_penalty`, `logit_bias` et `user`. La `temperature` contrôle l'aléatoire (0–2, valeur par défaut 1). `top_p` est l'échantillonnage noyau. `stop` définit les séquences qui arrêtent la génération. `stream` active la sortie token par token. `max_tokens` peut être défini jusqu'à 64 000. Le total des tokens de prompt + générés ne doit pas dépasser la fenêtre de contexte de 1 000 000. Si le total combiné devait le dépasser, l'API renverra une erreur. Vous pouvez ajuster l'utilisation des tokens en réduisant l'historique des messages ou en utilisant des prompts plus courts.
La migration est simple car OrcaRouter utilise une API compatible OpenAI. Remplacez l'URL de base dans votre code existant par l'ancien point de terminaison par https://api.orcarouter.ai/v1. Remplacez l'ID du modèle par "qwen/qwen3.7-max-2026-05-20". Remplacez votre clé API par une clé provenant d'OrcaRouter. Aucune modification du format de requête n'est nécessaire ; la même structure de message, les mêmes paramètres et la même logique de streaming fonctionnent. Si vous utilisiez auparavant un ID de modèle différent pour le même point de contrôle Qwen3.7 Max, ajustez-le en conséquence. OrcaRouter propose également un mode proxy pour rediriger les demandes sans modification de code ; contactez le support pour plus de détails. Testez avec quelques appels pour vérifier le comportement avant de basculer le trafic de production.
L'authentification est effectuée à l'aide d'une clé API transmise dans l'en-tête HTTP Authorization : `Authorization: Bearer YOUR_API_KEY`. Vous pouvez obtenir une clé API depuis le tableau de bord OrcaRouter après avoir créé un compte. La clé doit rester secrète et ne doit pas être exposée dans le code côté client. OrcaRouter prend en charge des limites de débit par clé et un suivi d'utilisation. Si vous avez besoin d'une plus grande concurrence, demandez une clé avec des limites accrues. Il n'y a pas d'étape d'authentification supplémentaire ; la clé seule accorde l'accès. Pour des raisons de sécurité, faites régulièrement tourner les clés et utilisez des variables d'environnement pour les stocker. Les clés ne sont pas liées à un modèle spécifique ; avec la même clé, vous pouvez accéder à n'importe quel modèle disponible sur OrcaRouter.
Qwen3.7 Max est le plus grand modèle de la famille Qwen3.7, offrant la fenêtre de contexte la plus longue (1M tokens) et la limite de sortie la plus élevée (64k). Les modèles Qwen3.7 standard ont généralement des fenêtres de contexte plus petites (par exemple 128k ou 32k) et des plafonds de sortie plus bas (souvent 8k ou 16k). La variante Max est optimisée pour les tâches à très grande échelle. Le prix est plus élevé que celui des modèles Qwen plus petits ; par exemple, Qwen3.7-72B pourrait coûter moins cher par token. Les performances en raisonnement et en codage devraient être similaires ou légèrement meilleures en raison de la plus grande échelle, bien qu'aucune comparaison spécifique ne soit fournie. Pour la plupart des charges de travail, les modèles plus petits offrent une meilleure rentabilité ; Qwen3.7 Max est mieux réservé aux tâches qui nécessitent véritablement son contexte et sa sortie massifs.
Qwen3.7 Max dispose d'une fenêtre de contexte plus large (1 million de tokens) que GPT-4 Turbo (128k) et Claude 3.5 (200k). Sa limite de sortie de 64k tokens dépasse également ces modèles (généralement 4k-8k). Cependant, GPT-4 et Claude prennent en charge les entrées multimodales (images, documents), tandis que Qwen3.7 Max est limité au texte. Tarifs : Qwen3.7 Max à 1,25 $ / 3,75 $ par million de tokens est généralement moins cher que GPT-4 Turbo (10 $ / 30 $) et compétitif avec Claude 3.5 Haiku (0,25 $ / 1,25 $), bien qu'à un coût par token plus élevé pour la sortie. Le choix dépend de vos besoins : capacités multimodales ou longueur de contexte extrême. Pour les tâches de longs documents en texte pur, Qwen3.7 Max peut être plus adapté et rentable que GPT-4 ou Claude si l'on prend en compte la nécessité de découper ces modèles.
Choisissez Qwen3.7 Max lorsque votre tâche nécessite le traitement de plus de 200 000 jetons de contexte en une seule passe, ou lorsque vous devez générer des sorties de plus de 10 000 jetons. C'est également un bon choix si vous souhaitez éviter la complexité du découpage de documents. Pour les tâches avec des besoins de contexte plus petits, d'autres modèles sur OrcaRouter – tels que Qwen3.5-7B, Qwen3-72B ou Llama 3.1-405B – offrent une latence et un coût plus faibles. La tarification sans marge sur OrcaRouter signifie que vous pouvez expérimenter avec plusieurs modèles sans vous soucier des suppléments de plateforme. Si vous avez besoin de capacités multimodales, envisagez les modèles Qwen-VL ou GPT-4V. Effectuez toujours des benchmarks pour votre cas d'utilisation spécifique afin de trouver le meilleur équilibre coût-performance.
Qwen3.7 Max est un modèle propriétaire accessible via API. Les modèles open source comme Qwen2.5-72B ou Llama 3.1 peuvent être auto-hébergés, ce qui peut réduire les coûts par token pour de grands volumes. Cependant, l'auto-hébergement nécessite du matériel GPU, de la maintenance et une expertise en passage à l'échelle. La fenêtre de contexte de 1M de Qwen3.7 Max est plus grande que celle de la plupart des modèles open source (généralement 128k ou moins) et ses 64k de sortie dépassent également ce que de nombreux modèles ouverts prennent en charge. Le modèle API bénéficie également d'une infrastructure gérée, de mises à jour automatiques et d'aucun investissement initial. Pour les équipes sans compétences étendues en ML Ops, la voie API avec Qwen3.7 Max offre un accès immédiat à des capacités de pointe. Pour des charges de travail prévisibles à volume élevé, l'auto-hébergement d'un modèle plus petit peut être moins cher, mais vous perdez les avantages du grand contexte.
Compatible OpenAI — gardez votre SDK actuel
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)| Entrée / 1M tokens | $1.25 |
| Sortie / 1M tokens | $3.75 |
| Lecture cache / 1M | $0.250 |
| Écriture cache / 1M | $1.563 |
| Devise | USD |
Estimation basée sur le tarif public
Estimation seulement — le nombre réel de tokens dépend du tokeniseur du fournisseur.
GET /api/public/models/qwen/qwen3.7-max-2026-05-20Ouvrir @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