Qwen3.7: 에이전트 최전선

Qwen3.7-Max는 에이전트 시대를 겨냥한 최신 독자 모델로, 코딩 에이전트, MCP 연동 오피스 자동화, multi-agent orchestration, 수백~수천 단계의 장기 자율 실행을 한 모델로 통합했다. 실무용 동료 모델로도 제시해 복잡한 정보 합성, 데이터 분석·모델링, 문서·시각화 생성까지 맡는다.

Alibaba Cloud Model Studio를 통해 곧 API로 제공되며, Claude Code, OpenClaw, Qwen Code 같은 서로 다른 에이전트 프레임워크에서도 일관되게 동작한다고 밝혔다.

코딩 에이전트 성능은 전반적으로 상위권이다.

• Terminal Bench 2.0-Terminus 69.7, SWE-Pro 60.6, SWE-Multilingual 78.3, SciCode 53.5, QwenSVG 1608을 기록했다.
• SWE-Verified 80.4는 Opus-4.6 Max(80.8), DS-V4-Pro Max(80.6)와 거의 같은 수준이었다.
• 프런트엔드와 리포지토리 작업에서도 QwenWebDev 1568, NL2Repo 47.2를 보였다.

일반 에이전트 영역에서는 하니스와 무관한 일반화가 강했다.

• Qwenclaw 64.3, CoWorkBench 67.2, ClawEval 65.2에서 안정적인 성능을 보였고, MCP-Mark 60.8, MCP-Atlas 76.4, Skillbench 59.2, BFCL-V4 75.0, SpreadSheetBench-v1 87.0에서도 상위권을 유지했다.
• 특히 Kernel Bench L3에서는 1.98배 중앙값 속도 향상과 96% 승률을 기록해 GPU 커널 최적화 능력을 입증했다.

추론과 범용 능력도 강했다. GPQA Diamond 92.4, HMMT 2026 Feb 97.1, IMOAnswerBench 90.0, Apex 44.5를 기록했고, IFBench 79.1, MMLU-Pro 89.6, MRCR-v2 128k 90.4, WMT24++ 85.8, MAXIFE 89.2로 지시 이행과 장문 컨텍스트, 다국어 성능을 모두 끌어올렸다.

훈련 철학은 environment scaling에 맞춰져 있다. Qwen3.5에서 이어진 방식으로 Task-Harness-Verifier를 분리한 Rollout 인프라를 써서 다양한 하니스와 검증기를 조합했고, 학습에 없던 out-of-domain 환경만으로 평가해도 성능이 안정적으로 함께 오른다고 설명했다. 이 결과가 Claude-4.6-Opus-Max에 근접하는 상위권 평균 순위로 이어졌다고 주장한다.

가장 인상적인 사례는 Extend Attention 커널 최적화다. T-Head ZW-M890 PPU 환경에서 문서, 프로파일링 데이터, 예시 커널 없이 시작해 약 35시간 동안 1,158 tool calls와 432회의 커널 평가를 수행했고, Triton 기준 10.0배 기하평균 속도 향상을 달성했다.

개선은 0.33x→2.58x→5.37x→6.85x→8.50x→10.0x로 이어졌다. 단계별로 Split-KV 병렬화와 online softmax rescaling 기반 reduction kernel, cudaMalloc/cudaFree/cudaMemcpy 제거와 루프 언롤링, workload-adaptive split tuning, register 기반 K/V 로딩과 batched softmax update, 마지막 MTP γ=4 전용 커널이 더해졌다.

같은 조건에서 다른 모델은 GLM 5.1 7.3x, Kimi K2.6 5.0x, DeepSeek V4 Pro 3.3x, Qwen3.6-Plus 1.1x에 그쳤다. 일부 모델은 5라운드 연속 무작동 후 조기 종료했으며, Qwen 측은 장기 자율 최적화가 실제로 생산적일 수 있음을 강조했다.