Qwen3.7-Plus
阿里巴巴· 2026-06-02 上线国产
综合榜暂不排名：评测成绩还不够
编程
30.3
科研
46.1第 58 名
专业办公
37.9
知识问答
50.6
- 评测覆盖
- 7 / 25 项 · 28%
- 缓存输入
- ¥0.20
- 输入
- ¥2.00
- 输出
- ¥8.00
价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierCode | 10.2% | 30.3 | 默认 | 46 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 34.4% | 37.5 | none | 66 |
| CritPt | 9.1% | 47.2 | 默认 | 101 |
| OTIS Mock AIME | 93.3% | 52.5 | 默认 | 87 |
| SciCode | 46.1% | 47.2 | 默认 | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| OSWorld 2.0 | 2.8% | 37.9 | 默认 | 9 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| GPQA Diamond | 87.9% | 50.6 | 默认 | 84 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| 国际象棋谜题 | 24.0% | 不计分 | 默认 | 88 |
原始成绩取这个模型各个推理档位（none）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。