Qwen3.7-Max (snapshot de 20 de maio de 2026) — Checkpoint datado do modelo proprietário flagship da Alibaba para a era de agentes, fixado para cargas de trabalho de produção reproduzíveis. Janela de contexto nativa de 1M tokens, com um modo de pensamento estendido (e preserve_thinking entre turnos) ajustado para tarefas agentivas. Resultados de nível frontier em codificação (SWE-Verified, SWE-Pro, Terminal-Bench), raciocínio (GPQA Diamond, HMMT, IMO), ferramenta uso (BFCL, MCP-Mark, MCP-Atlas) e benchmarks multilíngues (WMT24++ em 55 idiomas). Projetado para execução autônoma de longo horizonte e comportamento consistente em scaffolds de agentes, incluindo Claude Code, OpenClaw e Qwen Code. Use esta versão fixada quando precisar de comportamento estável entre versões; use qwen/qwen3.7-max para o alias em rolling.
O Qwen3.7 Max é um modelo de linguagem de grande porte da série Qwen da Alibaba, especificamente o checkpoint lançado em 20 de maio de 2026. É um transformer somente decodificador otimizado para…
O Qwen3.7 Max se destaca em geração de texto, raciocínio, sumarização, resposta a perguntas e geração de código. Sua grande janela de contexto permite tarefas como ler um livro inteiro e depois responder perguntas detalhadas sobre ele, ou analisar um repositório de código completo para identificar bugs. O modelo pode seguir instruções complexas de várias etapas incorporadas em um prompt de sistema que abrange milhares de tokens. Ele suporta parâmetros de geração padrão, como temperatura, top_p, max_tokens e sequências de parada através da API compatível com OpenAI. Por ser apenas texto, não pode realizar reconhecimento de imagem, transcrição de áudio ou outras tarefas multimodais. Para tarefas de texto que exigem contexto ou saída muito longos, o Qwen3.7 Max é uma excelente escolha.
Os melhores casos de uso do modelo se concentram em cargas de trabalho de contexto longo e alta produção. Exemplos incluem: resumir um contrato jurídico de 500 páginas em uma única passagem; gerar um manual técnico de 50.000 palavras a partir de um breve esboço; realizar verificação profunda de fatos em um grande corpus de artigos de pesquisa; e gerar dados sintéticos para treinar outros modelos onde sequências longas são necessárias. Desenvolvedores que lidam com bases de código podem pedir ao modelo para refatorar arquivos inteiros ou escrever testes unitários que abrangem muitas funções. O modelo também é adequado para agentes conversacionais que precisam manter contexto em diálogos muito longos, embora a saída seja limitada a 64.000 tokens. Para tarefas com contexto curto, modelos menores no OrcaRouter podem oferecer melhor latência e eficiência de custo.
Embora o Qwen3.7 Max ofereça comprimentos extremos de contexto e saída, ele tem um preço mais alto por token do que muitos modelos menores. Se suas tarefas exigem janelas de contexto abaixo de 32.000 tokens e saídas abaixo de 4.000 tokens, considere usar um modelo menos caro, como o Qwen3.5-7B ou outros LLMs compactos disponíveis no OrcaRouter. Além disso, se você não precisar das capacidades de raciocínio de um modelo grande, um modelo menor pode ser suficiente. Para aplicações onde a latência é crítica, modelos menores também oferecem tempos de resposta mais rápidos. Sempre avalie o tamanho e a complexidade típicos de suas solicitações; usar um modelo grande para tarefas triviais resulta em custos desnecessários. A página de preços do OrcaRouter lista todos os modelos disponíveis para ajudar na comparação.
Sim, o Qwen3.7 Max suporta respostas em streaming por meio da API compatível com OpenAI. Você pode definir o parâmetro `stream` como `true` para receber tokens de forma incremental, o que melhora a experiência do usuário para gerações longas. O modelo também funciona bem com o endpoint Chat Completions, aceitando mensagens no formato padrão (funções system, user, assistant). Conversas em múltiplas etapas são suportadas dentro do limite da janela de contexto. Como o modelo é apenas de texto, todas as mensagens devem conter conteúdo textual. A grande janela de contexto permite históricos de chat muito longos, tornando-o adequado para sessões interativas estendidas. O streaming é recomendado para saídas com mais de alguns milhares de tokens para evitar timeouts.
Pontuações específicas de benchmark para este checkpoint exato (2026-05-20) não são fornecidas nesta entrada do catálogo. A série Qwen tem historicamente se saído competitivamente em benchmarks de raciocínio, codificação e compreensão de linguagem. Recomendamos avaliar o modelo em suas próprias tarefas representativas para avaliar o desempenho. O OrcaRouter fornece um playground onde você pode testar o modelo com seus prompts sem incorrer em custos além do uso de tokens. A grande janela de contexto do modelo pode melhorar o desempenho em tarefas que exigem dependências de longo alcance, mas sem números publicados, os usuários devem realizar sua própria validação. Benchmarks como MMLU, HumanEval ou GSM8K são comumente usados para comparação, mas não são citados aqui.
A latência depende do número total de tokens de entrada e saída, bem como da carga do servidor no momento da solicitação. Como o Qwen3.7 Max lida com até 1.000.000 tokens em contexto, solicitações com entradas muito grandes podem demorar mais para serem processadas devido ao cálculo de atenção. O tempo típico até o primeiro token para entradas de comprimento moderado (por exemplo, 10.000 tokens) está na casa das dezenas de segundos, mas números precisos não estão disponíveis publicamente. O streaming pode reduzir a latência percebida ao retornar os tokens à medida que são gerados. Para desempenho ideal, mantenha os prompts de entrada concisos quando possível. A infraestrutura do OrcaRouter é otimizada para minimizar a sobrecarga; entre em contato com o suporte se precisar de garantias de latência para casos de uso em produção.
A principal vantagem é sua janela de contexto de 1.000.000 tokens, que permite processar documentos muito longos em uma única solicitação. O limite de saída de 64.000 tokens também está entre os mais altos disponíveis. O modelo é construído sobre a arquitetura Qwen da Alibaba, que demonstrou forte desempenho em raciocínio, codificação e tarefas de conhecimento geral. O preço sem margem adicional através do OrcaRouter significa que você paga apenas a taxa do provedor, sem taxas extras. Para fluxos de trabalho que exigem manter a coerência ao longo de sequências extremamente longas — como análise de livros ou geração massiva de código — este modelo é uma opção de destaque. Seu foco exclusivo em texto ajuda a manter os custos mais baixos do que modelos multimodais com tamanhos de contexto semelhantes.
O modelo é apenas texto; ele não pode processar imagens, áudio ou vídeo. Seu preço, embora competitivo para sua classe, é maior do que modelos menores: $1.25/1M de entrada e $3.75/1M de saída. Para tarefas com contexto curto, modelos mais baratos serão mais econômicos. Não existem capacidades multimodais, portanto aplicações que exigem visão ou fala devem usar outros modelos. Pontuações de benchmark não são fornecidas aqui, portanto você não pode confiar em rankings de terceiros; você deve testar o modelo por conta própria. O modelo é um checkpoint de Maio de 2026; o conhecimento pode estar desatualizado para eventos muito recentes. Finalmente, a grande janela de contexto pode aumentar a latência e o custo computacional, especialmente se a entrada estiver próxima do limite de 1M.
O preço é direto: $1,25 por 1.000.000 de tokens de entrada e $3,75 por 1.000.000 de tokens de saída. Essas tarifas são os preços do próprio provedor; o OrcaRouter não adiciona nenhuma margem. Não há taxas de assinatura mensal nem compromissos mínimos. A cobrança é feita com base no uso real de tokens, conforme medido pelo tokenizador do modelo. Os tokens de entrada incluem a mensagem do sistema, as mensagens do usuário e qualquer histórico da conversa. Os tokens de saída incluem apenas o texto gerado. A janela de contexto grande significa que até uma única solicitação pode consumir uma quantidade significativa de tokens. Por exemplo, uma solicitação com 500.000 tokens de entrada e 10.000 tokens de saída custa (500k * $1,25 + 10k * $3,75)/1M = $0,625 + $0,0375 = $0,6625.
O principal trade-off é entre custo e capacidade. Embora o Qwen3.7 Max ofereça contexto e comprimento de saída de primeira linha, ele é mais caro do que modelos menores com janelas mais curtas. Se suas solicitações típicas usam menos de 100.000 tokens de contexto e menos de 10.000 tokens de saída, você pode pagar menos usando um modelo como Qwen3.5-14B ou Qwen3-72B, se disponível. No entanto, se você precisa evitar dividir documentos longos, o custo de processar o documento inteiro em uma única chamada pode ser justificado pelo aumento de precisão e simplicidade. A precificação com markup zero significa que você não está pagando a mais pela camada da API; você paga apenas a taxa do provedor. Nenhum detalhe de cache é fornecido — entre em contato com o suporte do OrcaRouter para obter opções atuais de cache que possam reduzir o custo para solicitações repetidas.
Para estimar os custos, calcule a média de tokens de entrada e tokens de saída por solicitação. Use a fórmula: custo = (tokens_entrada * 1.25 + tokens_saída * 3.75) / 1,000,000. Por exemplo, uma solicitação com 200,000 tokens de entrada e 5,000 tokens de saída custa (200k * 1.25 + 5k * 3.75)/1M = $0.25 + $0.01875 = $0.26875. Para processamento em lote, multiplique pelo número de solicitações. O painel de uso do OrcaRouter fornece contagens de tokens em tempo real e detalhamento de custos. Como não há margem de lucro, o custo que você vê é o custo do provedor. Você pode definir um limite de orçamento nas configurações da sua chave de API para evitar cobranças inesperadas. Para uso em produção de alto volume, considere negociar um desconto por volume diretamente com o provedor (não por meio do OrcaRouter).
Não. A OrcaRouter não cobra taxas de plataforma, nem margens, nem taxas mensais, nem compromissos mínimos. Você paga apenas pelos tokens que utiliza, de acordo com as tarifas publicadas pelo provedor. Não há cobranças por requisições falhadas ou timeouts (embora tokens consumidos antes de um timeout possam ainda ser faturados). A autenticação é feita via chave API, que é gratuita para criar. Você pode começar a usar o Qwen3.7 Max imediatamente adicionando fundos à sua conta OrcaRouter. A URL base e o ID do modelo são estáveis; não existem custos ocultos. Para clientes empresariais, contratos personalizados estão disponíveis, mas não são obrigatórios. Sempre revise a página de preços mais recente no site da OrcaRouter, pois as tarifas podem mudar, embora atualizações rápidas sejam feitas no catálogo.
Use a API compatível com a OpenAI com a URL base https://api.orcarouter.ai/v1, ID do modelo "qwen/qwen3.7-max-2026-05-20". A autenticação usa uma chave de API fornecida no painel do OrcaRouter. Exemplo usando 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) ``` Certifique-se de definir o parâmetro `max_tokens` com o comprimento de saída desejado, até 64.000.
A API OrcaRouter suporta parâmetros padrão de conclusão de chat do OpenAI: `model`, `messages`, `max_tokens`, `temperature`, `top_p`, `n`, `stop`, `stream`, `presence_penalty`, `frequency_penalty`, `logit_bias` e `user`. O `temperature` controla a aleatoriedade (0–2, padrão 1). O `top_p` é a amostragem por núcleo (nucleus sampling). O `stop` define sequências que interrompem a geração. O `stream` permite saída token por token. O `max_tokens` pode ser definido até 64.000. O total de tokens do prompt + tokens gerados não deve exceder a janela de contexto de 1.000.000. Se o total combinado ultrapassar isso, a API retornará um erro. Você pode ajustar o uso de tokens reduzindo o histórico de mensagens ou usando prompts mais curtos.
A migração é simples porque o OrcaRouter utiliza a API compatível com OpenAI. Altere a URL base no seu código existente do endpoint anterior para https://api.orcarouter.ai/v1. Atualize o ID do modelo para "qwen/qwen3.7-max-2026-05-20". Substitua sua chave de API por uma do OrcaRouter. Não são necessárias alterações no formato da requisição; a mesma estrutura de mensagens, parâmetros e lógica de streaming funcionam. Se você usava anteriormente um ID de modelo diferente para o mesmo checkpoint Qwen3.7 Max, ajuste conforme necessário. O OrcaRouter também oferece um modo de proxy para redirecionar requisições sem alterações no código; entre em contato com o suporte para mais detalhes. Teste com algumas chamadas para verificar o comportamento antes de mudar o tráfego de produção.
A autenticação é realizada usando uma chave de API passada no cabeçalho HTTP Authorization: `Authorization: Bearer YOUR_API_KEY`. Você pode obter uma chave de API no painel do OrcaRouter após criar uma conta. A chave deve ser mantida em segredo e não deve ser exposta no código do lado do cliente. O OrcaRouter suporta limites de taxa por chave e rastreamento de uso. Se precisar de maior concorrência, solicite uma chave com limites aumentados. Não há etapa adicional de autenticação; a chave sozinha concede acesso. Por segurança, faça rodízio regular das chaves e use variáveis de ambiente para armazená-las. As chaves não estão vinculadas a um modelo específico; usando a mesma chave, você pode acessar qualquer modelo disponível no OrcaRouter.
Qwen3.7 Max é o maior da família Qwen3.7, oferecendo a janela de contexto mais longa (1M tokens) e o maior limite de saída (64k). Os modelos Qwen3.7 padrão geralmente têm janelas de contexto menores (por exemplo, 128k ou 32k) e limites de saída mais baixos (geralmente 8k ou 16k). A variante Max é otimizada para tarefas de escala extrema. O preço é mais alto do que os modelos Qwen menores; por exemplo, o Qwen3.7-72B pode custar menos por token. O desempenho em raciocínio e codificação deve ser semelhante ou ligeiramente melhor devido à escala maior, embora nenhuma comparação específica seja fornecida. Para a maioria das cargas de trabalho, os modelos menores oferecem melhor eficiência de custo; o Qwen3.7 Max é melhor reservado para tarefas que realmente exigem seu contexto e saída massivos.
O Qwen3.7 Max possui uma janela de contexto maior (1M tokens) que o GPT-4 Turbo (128k) e o Claude 3.5 (200k). Seu limite de saída de 64k tokens também supera esses modelos (normalmente 4k-8k). No entanto, GPT-4 e Claude oferecem suporte a entradas multimodais (imagens, documentos), enquanto o Qwen3.7 Max é apenas texto. Preços: Qwen3.7 Max a $1,25/$3,75 por 1M tokens é geralmente mais barato que o GPT-4 Turbo ($10/$30) e competitivo com o Claude 3.5 Haiku ($0,25/$1,25), embora com um custo por token maior para saída. A escolha depende se você precisa de capacidades multimodais ou do comprimento extremo de contexto. Para tarefas de documentos longos em texto puro, o Qwen3.7 Max pode ser mais adequado e econômico que o GPT-4 ou Claude, considerando a necessidade de dividir esses modelos em partes.
Escolha o Qwen3.7 Max quando sua tarefa exigir processar mais de 200.000 tokens de contexto em uma única passagem, ou quando você precisar gerar saídas com mais de 10.000 tokens. Também é uma boa escolha se você quiser evitar a complexidade de dividir documentos em partes. Para tarefas com necessidades de contexto menores, outros modelos no OrcaRouter—como Qwen3.5-7B, Qwen3-72B ou Llama 3.1-405B—oferecem menor latência e custo. O preço sem margem de lucro no OrcaRouter significa que você pode experimentar vários modelos sem se preocupar com sobretaxas da plataforma. Se você precisar de capacidades multimodais, considere os modelos Qwen-VL ou GPT-4V. Sempre avalie seu caso de uso específico para encontrar o melhor equilíbrio entre custo e desempenho.
Qwen3.7 Max é um modelo proprietário acessado via API. Modelos de código aberto como Qwen2.5-72B ou Llama 3.1 podem ser auto-hospedados, potencialmente reduzindo os custos por token em grandes volumes. No entanto, a auto-hospedagem requer hardware GPU, manutenção e conhecimento em escalabilidade. A janela de contexto de 1M do Qwen3.7 Max é maior do que a da maioria dos modelos de código aberto (tipicamente 128k ou menos) e sua saída de 64k também está acima do que muitos modelos abertos suportam. O modelo de API também se beneficia de infraestrutura gerenciada, atualizações automáticas e nenhum investimento inicial. Para equipes sem ampla experiência em ML Ops, a rota da API com Qwen3.7 Max fornece acesso imediato a capacidades de ponta. Para cargas de trabalho previsíveis de alto volume, auto-hospedar um modelo menor pode ser mais barato, mas você perde as vantagens do contexto grande.
Compatível com OpenAI — mantenha seu 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)| Entrada / 1M tokens | $1.25 |
| Saída / 1M tokens | $3.75 |
| Leitura de cache / 1M | $0.250 |
| Escrita de cache / 1M | $1.563 |
| Moeda | USD |
Estimativa com base no preço de tabela
Apenas uma estimativa — a contagem real de tokens depende do tokenizador do provedor.
GET /api/public/models/qwen/qwen3.7-max-2026-05-20Abrir @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