Puis-je exécuter Qwen3.7-Max localement ?

Non. Qwen3.7-Max est un modèle à poids fermés, API uniquement ; Alibaba n’a pas publié les poids pour téléchargement ou usage local.

Quel est le coût de Qwen3.7-Max et quelle est la taille de son contexte ?

Le tarif est de 1,48 $ par million de tokens d’entrée et 4,42 $ par million de tokens de sortie, avec une fenêtre de contexte d’un million de tokens et une mise en cache des prompts disponible pour réduire les coûts sur les entrées répétées.

En quoi Qwen3.7-Max diffère-t-il des autres modèles de la série Qwen3.7 ?

C’est le modèle phare de la série, positionné pour les charges agentiques et de codage les plus exigeantes ; Alibaba le décrit comme offrant des gains notables par rapport aux générations Qwen précédentes dans ces domaines, bien que le fabricant n’ait pas publié de comparaisons détaillées avec ses petits frères.

Qwen3.7 Max

2598°

#llm #qwen #raisonnement #programmation #agents #contexte long

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Qwen | contexte de 1 000 000 tokens | 1,48 $/M en entrée, 4,42 $/M en sortie. Qwen3.7-Max est le modèle phare de la série Qwen3.7 d’Alibaba. Il supporte les entrées et sorties textuelles et est conçu pour des charges de travail centrées sur les agents, avec des points forts particuliers en codage, tâches bureautiques et productivité, et exécution autonome à long terme. Le modèle offre des gains notables en performance de codage et agentique par rapport aux générations Qwen précédentes et supporte la mise en cache explicite des prompts pour une utilisation efficace des contextes répétés.

Guides pour ce modèle

Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Qwen3.7-Max est le modèle texte phare d’Alibaba dans la série Qwen3.7, conçu pour des charges de travail agentiques : tâches autonomes à long terme, codage et productivité bureautique. Il offre une fenêtre de contexte d’un million de tokens et une mise en cache explicite des prompts, utile quand on alimente plusieurs fois le même gros document. Poids fermés, API uniquement, vous le louez à la token.

Connu pour

Performance de codage solide, améliorée par rapport aux générations Qwen précédentes
Conçu pour l’exécution autonome multi-étapes d’agents
Fenêtre de contexte d’un million de tokens pour des entrées très volumineuses
Support de la mise en cache des prompts pour réduire les coûts sur les entrées répétées
Focus sur les tâches bureautiques et productives en plus du code

Attention à

Poids fermés, API uniquement — pas d’option de déploiement local
Les tokens de sortie coûtent environ trois fois plus cher que les tokens d’entrée ; les longues exécutions agentiques peuvent coûter cher
Pas de fiche modèle publiée ; les détails d’architecture interne ne sont pas disponibles

Idéal pour

Programmation

Agents et utilisation d'outils

Contexte long

Raisonnement

Prompts à essayer

Audit multi-étapes de dépôt

Vous travaillez de manière autonome. Étant donné le code Python suivant, identifiez toutes les fonctions qui effectuent des appels HTTP externes, vérifiez si chacune gère les délais et erreurs, et produisez une liste priorisée de corrections avec un exemple de code corrigé pour les trois principaux problèmes. Collez votre code ci-dessous.

Extraction de long document

Je colle un long contrat ci-dessous. Lisez le document entier, puis extrayez : toutes les conditions de paiement, toutes les clauses de résiliation, et toute clause limitant la responsabilité. Présentez chaque catégorie sous forme de liste numérotée avec la référence exacte de section dans le document.

Planification de tâche agent

Planifiez et exécutez ce qui suit de manière autonome : recherchez les cinq bases de données vectorielles open source les plus étoilées sur GitHub, comparez leurs licences, leurs revendications de latence de requête et la maturité de leur SDK Python, puis produisez un tableau de recommandations et un verdict d’un paragraphe sur celle qui convient à une petite startup avec une capacité opérationnelle limitée.

Comparer avec

Qwen3.8 Flash
Modèle à poids ouverts
Contexte de 1,000,000 tokens · entrée $0.15/M, sortie $0.47/M
Qwen3.8 27B
Modèle à poids ouverts
Contexte de 1,000,000 tokens · entrée $0.24/M, sortie $2.20/M
Qwen3.6 35B A3B
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.15/M, sortie $1.00/M
Qwen3 Coder Next
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.12/M, sortie $0.80/M

Plus de modèles de texte de qwen

Questions fréquentes

Puis-je exécuter Qwen3.7-Max localement ?: Non. Qwen3.7-Max est un modèle à poids fermés, API uniquement ; Alibaba n’a pas publié les poids pour téléchargement ou usage local.
Quel est le coût de Qwen3.7-Max et quelle est la taille de son contexte ?: Le tarif est de 1,48 $ par million de tokens d’entrée et 4,42 $ par million de tokens de sortie, avec une fenêtre de contexte d’un million de tokens et une mise en cache des prompts disponible pour réduire les coûts sur les entrées répétées.
En quoi Qwen3.7-Max diffère-t-il des autres modèles de la série Qwen3.7 ?: C’est le modèle phare de la série, positionné pour les charges agentiques et de codage les plus exigeantes ; Alibaba le décrit comme offrant des gains notables par rapport aux générations Qwen précédentes dans ces domaines, bien que le fabricant n’ait pas publié de comparaisons détaillées avec ses petits frères.

Verdict du capitaine
Un modèle agentique sérieux pour le codage avec une fenêtre d’un million de tokens vraiment utile, tarifé raisonnablement à l’entrée mais attention à la facture sortie sur les longues sessions.

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

Modèles d'IA pour générer image, vidéo et texte

Qwen3.7 Max est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm qwen raisonnement programmation agents contexte long

Parcourir par famille de modèles