Qwen3.7-Max (2026-05-20 スナップショット) — Alibabaのフラッグシップ専有エージェント時代モデルの日付指定チェックポイント。再現可能な本番ワークロードのために固定されています。ネイティブの1Mトークンコンテキストウィンドウ、エージェントタスク向けに調整された拡張思考モード（およびターン間でのpreserve_thinking）を搭載。コーディング（SWE-Verified、SWE-Pro、Terminal-Bench）、推論（GPQA Diamond、HMMT、IMO）、ツール使用（BFCL、MCP-Mark、MCP-Atlas）、多言語ベンチマーク（55言語にわたるWMT24++）で最先端の結果。長期にわたる自律実行と、Claude Code、OpenClaw、Qwen Codeなどのエージェントスキャフォールド全体での一貫した動作のために設計されています。リリース間で安定した動作が必要な場合は、この固定バージョンを使用してください。ローリングエイリアスにはqwen/qwen3.7-maxを使用してください。
Qwen3.7 Maxは、AlibabaのQwenシリーズに属する大規模言語モデルであり、特に2026年5月20日にリリースされたチェックポイントです。これはテキスト入力とテキスト出力に最適化されたデコーダーのみのトランスフォーマーです。モデルはOrcaRouter上でホストされ、ベースURL https://api.orcarouter.ai/v1…
Qwen3.7 Maxは、テキスト生成、推論、要約、質問応答、コード生成に優れています。その大きなコンテキストウィンドウにより、書籍全体を読んでそれに関する詳細な質問に答える、あるいはコードリポジトリ全体を分析してバグを特定するといったタスクが可能です。このモデルは、数千トークンに及ぶシステムプロンプトに埋め込まれた複雑な多段階指示に従うことができます。OpenAI互換のAPIを通じて、temperature、top_p、max_tokens、stop sequencesといった標準的な生成パラメータをサポートしています。テキストのみのモデルであるため、画像認識、音声文字起こし、その他のマルチモーダルタスクは実行できません。非常に長いコンテキストや出力を必要とするテキストタスクには、Qwen3.7 Maxが有力な選択肢です。
このモデルの最適な使用事例は、長いコンテキストと高スループットのワークロードに集中しています。例としては以下が挙げられます：500ページの法的契約書を一回で要約すること；簡潔なアウトラインから50,000ワードの技術マニュアルを生成すること；大規模な研究論文群にわたって深いファクトチェックを行うこと；そして長いシーケンスが必要な場合に他のモデルをトレーニングするための合成データを生成すること。コードベースを扱う開発者は、モデルにファイル全体のリファクタリングや多数の関数をカバーする単体テストの作成を依頼できます。また、このモデルは非常に長い対話でコンテキストを維持する必要がある会話エージェントにも適していますが、出力は64,000トークンに制限されていることに注意してください。短いコンテキストのタスクでは、OrcaRouter上のより小さいモデルの方が待ち時間とコスト効率が優れている可能性があります。
Qwen3.7 Maxは非常に長いコンテキストと出力長を提供しますが、トークンあたりの価格は多くの小型モデルより高く設定されています。タスクに32,000トークン未満のコンテキストウィンドウと4,000トークン未満の出力が必要な場合は、Qwen3.5-7BやOrcaRouterで利用可能な他のコンパクトなLLMなど、より安価なモデルの使用を検討してください。また、大規模モデルの推論能力が必要でない場合、小型モデルで十分なことがあります。レイテンシが重要なアプリケーションでは、小型モデルの方が応答時間も短くなります。通常のリクエストのサイズと複雑さを常に評価し、些細なタスクに大規模モデルを使用すると不必要なコストが発生します。OrcaRouterの価格ページでは、比較に役立つすべての利用可能なモデルが一覧表示されています。
はい、Qwen3.7 Max は OpenAI 互換 API を通じてストリーミング応答をサポートしています。`stream` パラメータを `true` に設定することで、トークンを段階的に受信でき、長い生成におけるユーザー体験が向上します。このモデルは Chat Completions エンドポイントとも良好に動作し、標準的な形式（system、user、assistant ロール）のメッセージを受け付けます。マルチターン会話はコンテキストウィンドウの制限内でサポートされています。モデルはテキストのみを扱うため、すべてのメッセージにテキストコンテンツが含まれている必要があります。大きなコンテキストウィンドウにより非常に長いチャット履歴が可能になり、長時間の対話セッションに適しています。タイムアウトを避けるため、出力が数千トークンを超える場合はストリーミングを推奨します。
このカタログエントリには、この特定のチェックポイント（2026-05-20）の具体的なベンチマークスコアは記載されていません。Qwenシリーズは、これまで推論、コーディング、言語理解のベンチマークで競争力のある性能を示してきました。モデルの性能を評価するには、ご自身の代表的なタスクで評価することをお勧めします。OrcaRouterでは、トークン使用量以外の費用をかけずにプロンプトでモデルをテストできるプレイグラウンドを提供しています。モデルの大きなコンテキストウィンドウは、長距離依存関係を必要とするタスクのパフォーマンスを向上させる可能性がありますが、公開された数値がないため、ユーザーはご自身で検証を行う必要があります。MMLU、HumanEval、GSM8Kなどのベンチマークは比較によく使用されますが、ここでは引用されていません。
レイテンシは入力トークンと出力トークンの総数、およびリクエスト時のサーバー負荷に依存します。Qwen3.7 Maxはコンテキスト内で最大1,000,000トークンを処理するため、非常に大きな入力を持つリクエストはアテンション計算により処理に時間がかかる場合があります。中程度の長さの入力（例：10,000トークン）における典型的な最初のトークンまでの時間は数十秒ですが、正確な数値は公開されていません。ストリーミングにより、トークンが生成されると同時に返されるため、認識されるレイテンシを低減できます。最適なパフォーマンスを得るには、可能な限り入力プロンプトを簡潔にしてください。OrcaRouterのインフラストラクチャはオーバーヘッドを最小限に抑えるよう最適化されています。本番ユースケースでレイテンシ保証が必要な場合は、サポートにお問い合わせください。
主な強みは100万トークンのコンテキストウィンドウであり、1回のリクエストで非常に長い文書を処理できます。6万4000トークンの出力制限も、利用可能な中で最も高い部類です。このモデルはAlibabaのQwenアーキテクチャに基づいて構築されており、推論、コーディング、一般的な知識タスクで優れた性能を実証しています。OrcaRouterを通じたゼロマークアップ価格設定により、プロバイダーの料金のみを支払い、追加費用は発生しません。書籍レベルの分析や大規模なコード生成など、非常に長いシーケンスにわたって一貫性を維持する必要があるワークフローにおいて、このモデルは有力な選択肢です。テキストのみに特化しているため、同程度のコンテキストサイズを持つマルチモーダルモデルよりもコストを抑えられます。
このモデルはテキストのみで、画像、音声、ビデオを処理できません。その価格設定は、クラス内では競争力があるものの、小規模モデルよりは高く、入力100万トークンあたり$1.25、出力100万トークンあたり$3.75です。短いコンテキストのタスクでは、より安価なモデルの方がコスト効率が良いでしょう。マルチモーダル機能は存在しないため、視覚や音声を必要とするアプリケーションは他のモデルを使用する必要があります。ベンチマークスコアはここでは提供されていないため、サードパーティのランキングに頼ることはできません。自分でモデルをテストする必要があります。このモデルは2026年5月のチェックポイントであり、非常に最近の出来事については知識が古い可能性があります。最後に、大きなコンテキストウィンドウはレイテンシと計算コストを増加させる可能性があり、特に入力が100万トークンの制限に近い場合です。
料金は明確です：入力トークン1,000,000につき$1.25、出力トークン1,000,000につき$3.75です。これらの料金はプロバイダーの独自価格であり、OrcaRouterはマークアップを追加しません。月額の利用料や最低契約期間はありません。モデルのトークナイザーによって測定された実際のトークン使用量に基づいて請求されます。入力トークンには、システムメッセージ、ユーザーメッセージ、会話履歴が含まれます。出力トークンは生成されたテキストのみを含みます。大きなコンテキストウィンドウは、1回のリクエストでも大量のトークンを消費する可能性があることを意味します。例えば、入力トークン500,000、出力トークン10,000のリクエストのコストは、(500k * $1.25 + 10k * $3.75)/1M = $0.625 + $0.0375 = $0.6625です。
主なトレードオフはコストと性能です。Qwen3.7 Maxは最高クラスのコンテキストと出力長を提供しますが、ウィンドウが短い小型モデルよりも高価です。典型的なリクエストが100,000コンテキストトークン未満かつ10,000出力トークン未満を使用する場合、利用可能であればQwen3.5-14BやQwen3-72Bのようなモデルを使用することで低コストになる可能性があります。ただし、長いドキュメントの分割を避ける必要がある場合、1回の呼び出しでドキュメント全体を処理するコストは、精度向上とシンプルさによって正当化される可能性があります。ゼロマークアップの価格設定は、APIレイヤーに追加料金を支払わないことを意味します。プロバイダーのレートのみを支払います。キャッシングの詳細は提供されていません。繰り返しのプロンプトのコストを削減できる現在のキャッシングオプションについては、OrcaRouterサポートにお問い合わせください。
コストを見積もるには、リクエストごとの平均入力トークン数と出力トークン数を計算します。次の式を使用します: cost = (input_tokens * 1.25 + output_tokens * 3.75) / 1,000,000。例えば、200,000 の入力トークンと 5,000 の出力トークンを持つリクエストのコストは (200k * 1.25 + 5k * 3.75)/1M = $0.25 + $0.01875 = $0.26875 です。バッチ処理の場合は、リクエスト数を乗算します。OrcaRouter の使用状況ダッシュボードは、リアルタイムのトークン数とコストの内訳を提供します。マークアップがないため、表示されるコストはプロバイダーのコストです。API キー設定で予算上限を設定して、予期しない請求を回避できます。大量の本番使用の場合は、OrcaRouter を介さずにプロバイダーと直接ボリュームディスカウントを交渉することを検討してください。
いいえ。OrcaRouterはプラットフォーム料金、マークアップ、月額料金、最低契約期間を一切課金しません。プロバイダーが公開しているレートに基づき、使用したトークンに対してのみお支払いいただきます。失敗したリクエストやタイムアウトに対する料金は発生しません（ただし、タイムアウト前に消費されたトークンは課金される場合があります）。認証はAPIキーを使用し、作成は無料です。OrcaRouterアカウントに資金を追加することで、すぐにQwen3.7 Maxを使い始められます。ベースURLとモデルIDは安定しており、隠れたコストはありません。エンタープライズのお客様向けには、カスタム契約も用意されていますが、必須ではありません。料金は変更される可能性がありますが、カタログは迅速に更新されます。必ずOrcaRouterのウェブサイトで最新の価格ページをご確認ください。
ベースURL「https://api.orcarouter.ai/v1」、モデルID「qwen/qwen3.7-max-2026-05-20」を使用してOpenAI互換APIを利用します。認証にはOrcaRouterダッシュボードで提供されるAPIキーを使用します。Pythonを使用した例： ```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) ``` `max_tokens`パラメータを希望の出力長（最大64,000）に設定してください。
OrcaRouter APIは、標準的なOpenAIチャット補完パラメータをサポートしています：`model`、`messages`、`max_tokens`、`temperature`、`top_p`、`n`、`stop`、`stream`、`presence_penalty`、`frequency_penalty`、`logit_bias`、`user`。`temperature`はランダム性を制御します（0–2、デフォルトは1）。`top_p`は核サンプリングです。`stop`は生成を停止するシーケンスを定義します。`stream`はトークン単位の出力を有効にします。`max_tokens`は最大64,000まで設定できます。プロンプトと生成されたトークンの合計は、1,000,000のコンテキストウィンドウを超えてはなりません。合計がこれを超える場合、APIはエラーを返します。メッセージ履歴を削減したり、より短いプロンプトを使用することで、トークン使用量を調整できます。
移行は簡単です。OrcaRouterはOpenAI互換のAPIを使用しているため、既存のコードでベースURLを以前のエンドポイントからhttps://api.orcarouter.ai/v1に変更するだけで済みます。モデルIDを"qwen/qwen3.7-max-2026-05-20"に更新し、APIキーをOrcaRouterのものに置き換えてください。リクエスト形式の変更は不要で、同じメッセージ構造、パラメータ、ストリーミングロジックがそのまま動作します。以前に同じQwen3.7 Maxチェックポイントに対して別のモデルIDを使用していた場合は、それに合わせて調整してください。また、OrcaRouterはコード変更なしでリクエストをリダイレクトするプロキシモードも提供しています。詳細についてはサポートにお問い合わせください。本番トラフィックを切り替える前に、数回の呼び出しで動作を確認してください。
認証は、HTTP Authorization ヘッダーで渡されるAPIキーを使用して実行されます: `Authorization: Bearer YOUR_API_KEY`。APIキーは、アカウントを作成した後、OrcaRouterダッシュボードから取得できます。キーは秘密に保つ必要があり、クライアント側のコードで公開してはいけません。OrcaRouterはキーごとのレート制限と使用状況追跡をサポートしています。より高い同時実行性が必要な場合は、制限が強化されたキーをリクエストしてください。追加の認証手順はありません。キーだけでアクセスが許可されます。セキュリティのため、定期的にキーをローテーションし、環境変数を使用して保管してください。キーは特定のモデルに紐づいておらず、同じキーを使用してOrcaRouterで利用可能な任意のモデルにアクセスできます。
Qwen3.7 MaxはQwen3.7ファミリー最大のモデルであり、最長のコンテキストウィンドウ（100万トークン）と最高の出力制限（6万4000）を提供します。標準のQwen3.7モデルは通常、より小さいコンテキストウィンドウ（例：12万8000または3万2000）と低い出力上限（多くの場合8000または1万6000）を持ちます。Maxバリアントは極大規模タスク向けに最適化されています。価格はより小規模なQwenモデルより高く、例えばQwen3.7-72Bの方がトークンあたりのコストが低い可能性があります。推論とコーディングのパフォーマンスは、規模が大きいため同程度か若干優れていると予想されますが、具体的な比較は提供されていません。ほとんどのワークロードにおいて、小規模モデルの方がコスト効率に優れており、Qwen3.7 Maxはその大規模なコンテキストと出力を真に必要とするタスクに限定して使用するのが最適です。
Qwen3.7 Maxのコンテキストウィンドウ（100万トークン）は、GPT-4 Turbo（128k）やClaude 3.5（200k）よりも大きいです。出力上限も64kトークンであり、これらのモデル（通常4k〜8k）を上回ります。ただし、GPT-4とClaudeはマルチモーダル入力（画像、ドキュメント）をサポートしていますが、Qwen3.7 Maxはテキストのみです。価格面では、Qwen3.7 Maxは100万トークンあたり$1.25/$3.75で、GPT-4 Turbo（$10/$30）より一般的に安く、Claude 3.5 Haiku（$0.25/$1.25）と競争力がありますが、出力あたりのトークン単価は高くなります。選択は、マルチモーダル機能が必要か、極端なコンテキスト長が必要かによります。純粋なテキストの長文書タスクでは、それらのモデルをチャンク化する必要性を考慮すると、Qwen3.7 Maxの方がGPT-4やClaudeよりも適しており、コスト効率が良い可能性があります。
Qwen3.7 Maxを選択するのは、1回の処理で20万トークン以上のコンテキストを扱う必要がある場合、または1万トークンを超える出力を生成する必要がある場合です。また、文書をチャンクに分割する複雑さを避けたい場合にも適しています。コンテキストが小さいタスクには、OrcaRouter上のQwen3.5-7B、Qwen3-72B、Llama 3.1-405Bなどの他のモデルが低レイテンシと低コストを提供します。OrcaRouterのゼロマークアップ価格設定により、プラットフォームの追加料金を気にせずに複数のモデルを試すことができます。マルチモーダル機能が必要な場合は、Qwen-VLまたはGPT-4Vモデルを検討してください。最適なコストパフォーマンスのバランスを見つけるために、常に特定のユースケースをベンチマークしてください。
Qwen3.7 MaxはAPI経由でアクセスするプロプライエタリモデルです。Qwen2.5-72BやLlama 3.1のようなオープンソースモデルはセルフホスティングが可能で、大量利用時にはトークン単価を削減できる可能性があります。ただし、セルフホスティングにはGPUハードウェア、メンテナンス、スケーリングの専門知識が必要です。Qwen3.7 Maxの1Mコンテキストウィンドウは、ほとんどのオープンソースモデル（通常128k以下）よりも大きく、その64k出力も多くのオープンモデルがサポートする範囲を超えています。APIモデルはまた、マネージドインフラ、自動アップデート、初期投資不要のメリットがあります。ML Opsの専門知識が乏しいチームにとって、Qwen3.7 MaxのAPIルートは最先端の機能に即座にアクセスできる手段となります。高負荷で予測可能なワークロードの場合、小規模モデルのセルフホスティングの方が安価かもしれませんが、大きなコンテキストの利点は失われます。
OpenAI 互換——今お使いの SDK のまま
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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)| 入力 / 1M tokens | $1.25 |
| 出力 / 1M tokens | $3.75 |
| キャッシュ読み取り / 1M | $0.250 |
| キャッシュ書き込み / 1M | $1.563 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
@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