IMPORTANT: the default model is Qwen3.7-Plus. We should manually choose Qwen3.7-Max after each startup!
Qwen3.7-Max 和 Qwen3.7-Plus 是阿里云通义千问 3.7 系列中的两款核心模型，它们并非简单的上下级关系，而是在核心定位、能力侧重点和适用场景上有明确划分。简单来说，Max 是“纯文本的旗舰大脑”，而 Plus 是“能看会动的多模态全能选手”。
🎯 核心定位差异
| 对比维度 | Qwen3.7-Max | Qwen3.7-Plus |
|---|---|---|
| 核心定位 | 纯文本旗舰推理模型，追求极致的文本逻辑与代码能力。 | 高性价比多模态模型，在文本基础上增加了视觉理解与交互能力。 |
| 模态支持 | 仅支持纯文本输入输出，无法直接处理图片、视频。 | 支持文本、图像、视频输入，可以“看懂”截图、图表和设计稿。 |
| 核心优势 | 更强的复杂推理、编程能力（如 SWE-Pro 得分 60.6%），适合深度文本任务。 | 多模态理解与 GUI 操作能力（如 ScreenSpot Pro 得分 79.0），能看图写代码、操作界面。 |
| 响应速度 | 为追求推理精度，响应时间相对较长。 | 速度约为 Max 的 3倍，更适合需要快速反馈的场景。 |
💰 价格与性价比
Plus 在成本上具有碾压性优势，是绝大多数场景下的“性价比之王”。
- Qwen3.7-Max (折后价)：输入 6元 / 百万 tokens，输出 18元 / 百万 tokens。
- Qwen3.7-Plus (折后价)：输入 1.6元 / 百万 tokens (256K内)，输出 6.4元 / 百万 tokens。
Plus 的调用成本仅为 Max 的六分之一左右。此外，两款模型在夜间错峰时段（22:00-08:00）还有额外折扣，Max 折后倍率可达 0.1x，Plus 可达 0.04x，能进一步节省成本。
💡 场景选择建议
你可以根据实际需求来做决定：
-
选 Qwen3.7-Max 的场景：
- 纯文本重度任务：如大型代码库重构、复杂算法实现、法律合同审核、金融深度分析等。
- 不计较成本，只求最强文本能力：对逻辑推理和输出质量有最极致的要求。
-
选 Qwen3.7-Plus 的场景（绝大多数情况）：
- 任何需要处理图片、视频的任务：如根据 UI 设计稿写前端代码、图表信息提取、截屏 Bug 分析等。
- 追求性价比的综合业务：日常办公、内容创作、绝大多数企业级应用和中小型开发项目。
- 构建视觉 Agent：模型能“看”屏幕并操作 GUI，适用于自动化流程。
总结一下：如果任务纯文本且追求极致，选 Max；其他所有情况，特别是涉及图像或追求高性价比时，Plus 是更明智的默认选择。
以下是 Qwen3.7-Max、Claude Opus 4.6、Claude Opus 4.8 和 Claude Sonnet 5 的详细性能对比。
关于模型名称的说明：你提到的“Sonnet 4.8”在Anthropic官方命名中为 Claude Sonnet 5。同时，在本次对比中，Claude Opus 4.8 是性能标杆，而 Claude Sonnet 5 是其高性价比“平替”。
🚀 核心性能与评测基准
| 能力维度 | 评测基准 | Qwen3.7-Max | Claude Opus 4.6 | Claude Opus 4.8 | Claude Sonnet 5 | 结果分析 |
|---|---|---|---|---|---|---|
| 编程智能体 | SWE-bench Pro | 60.6% | 57.3% | 69.2% | 63.2% | Opus 4.8 绝对领先。Sonnet 5 进步明显，而 Qwen3.7-Max 超越了 Opus 4.6。 |
| 编程智能体 | Terminal-Bench 2.0/2.1 | 69.7% (v2.0) | 65.4% (v2.0) | 74.6% – 82.7% (v2.1) | 80.4% (v2.1) | Sonnet 5 表现突出，甚至在某些版本上超过 Opus 4.8。 |
| 推理能力 | GPQA Diamond | 92.4% | 91.3% | 93.6% | 未明确公布 | Opus 4.8 微弱领先。所有模型都达到了顶尖水平。 |
| 科学知识 | ScienceQA | 70.8% | 未明确公布 | 76.4% (登顶) | 未明确公布 | Opus 4.8 优势显著，是该榜单首个突破75分的模型。 |
| 知识工作 | GDPval-AA v2 | 未明确公布 | 未明确公布 | 1615 分 | 1618 分 | Sonnet 5 与 Opus 4.8 基本持平，互有胜负。 |
💰 成本与性价比
Qwen3.7-Max 拥有最高的账面性价比，但需注意其“啰嗦”带来的隐藏成本。Sonnet 5 则在性能接近 Opus 4.8 的同时，提供了显著的价格优势。
- Qwen3.7-Max：官方输入/输出定价为 $2.50 / $7.50 (每百万token)，远低于所有 Claude 模型。但需注意，在基准测试中它平均生成的 token 数是其他模型的 4倍，可能导致实际任务总成本接近 Opus 4.8。
- Claude Opus 4.8：标准定价为输入 $5 / 输出 $25 (每百万token)，是性能最强但最贵的选项。
- Claude Sonnet 5：标准定价为输入 $3 / 输出 $15 (每百万token)，约为 Opus 4.8 的 60%。但在2026年8月31日后的标准期，由于其新分词器会将文本切分成多约 30% 的 token，实际使用成本可能比旧模型更高。
⚙️ 核心特性与定位
| 特性 | Qwen3.7-Max | Claude Opus 4.6 | Claude Opus 4.8 | Claude Sonnet 5 |
|---|---|---|---|---|
| 核心定位 | 长周期自主执行的智能体 | 上一代旗舰通用模型 | 当前最强旗舰，复杂推理与编码 | 高性价比智能体，日常高频工作流 |
| 长上下文 | 100万 token | 100万 token | 100万 token | 100万 token (但新tokenizer下实际容量缩水约23%) |
| 多模态 | 不支持 (纯文本) | 支持 (视觉) | 支持 (视觉，但能力非优势项) | 支持 (视觉) |
| 关键优势 | 极强的自主执行与成本效益；兼容 Anthropic API | – | 编程、推理、数学能力顶峰 | 接近旗舰的能力，价格仅为其60%，智能体能力强 |
| 主要短板 | 生成内容冗长，“啰嗦”有隐藏成本 | 已被新模型超越 | 价格昂贵；有“作弊”和“降智”争议 | 标准期后实际成本可能高于账面；使用新tokenizer需适配 |
💡 总结与选择建议
- 追求极限性能，预算充足：选 Claude Opus 4.8。它在最难的编程、推理和数学任务上表现最佳。
- 平衡性能与成本，用于大规模部署：Claude Sonnet 5 是最佳选择。它以 Opus 4.8 约60%的价格提供了其85-90%的能力，是当前“性价比之王”。
- 专注长周期自主任务，且成本敏感：Qwen3.7-Max 值得考虑。它在编程和智能体基准上超越了 Opus 4.6，价格极具竞争力，但务必注意“啰嗦”带来的真实成本。
- 不推荐：在大多数场景下，Claude Opus 4.6 已被后面三个模型全面超越，不再是优选。