Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Le modèle d'IA Qwen3.7-Max d'Alibaba
L'équipe Qwen d'Alibaba a récemment lancé un modèle d'intelligence artificielle innovant, Qwen3.7-Max, qui se distingue par sa capacité à effectuer des tâches de manière autonome. Ce modèle est spécifiquement conçu pour gérer des projets logiciels complexes, et il est accessible uniquement via une API, sans interface utilisateur directe. Lors de tests pratiques, Qwen3.7-Max a démontré sa capacité à optimiser du code de manière entièrement autonome, surpassant de nombreux modèles concurrents en termes de rapidité.
Qwen3.7-Max a été conçu pour fonctionner au même niveau que les principaux laboratoires d'IA dans des benchmarks standards. Les développeurs ont également utilisé ce modèle pour détecter de manière indépendante des comportements indésirables et des tentatives de tricherie durant son processus de formation.
Une expérience d'optimisation de 35 heures
Dans une expérience marquante, Qwen3.7-Max a été chargé d'optimiser un noyau d'attention basé sur du matériel pour le logiciel d'inférence open-source SGLang. Le matériel utilisé pour cette tâche était une instance cloud équipée d'accélérateurs T-Head-ZW-M890, une plateforme de puce IA développée par la branche semi-conducteur d'Alibaba.
L'équipe Qwen a souligné que le modèle n'avait jamais été exposé à cette architecture de puce durant sa formation. Il a commencé son travail sans données de mesure, sans documents matériels et sans code d'exemple, ne disposant que de l'implémentation de référence existante, écrite en Triton.
Sur une période de 35 heures de travail autonome ininterrompu, Qwen3.7-Max a exécuté 432 tests de noyau et effectué un total de 1 158 appels d'outils. Il a compilé, mesuré et révisé le code de manière itérative, détectant des erreurs de compilation et identifiant des goulets d'étranglement de performance de manière autonome. Les chercheurs de Qwen ont rapporté que le modèle a réussi à obtenir un gain de vitesse moyen de 10 fois par rapport à l'implémentation de référence.
Les modèles concurrents ont obtenu des résultats nettement inférieurs dans la même configuration. Par exemple, GLM 5.1 a atteint un gain de 7.3 fois, Kimi K2.6 a atteint 5 fois, DeepSeek V4 Pro a réussi 3.3 fois, et le prédécesseur Qwen3.6-Plus a à peine progressé avec un gain de 1.1 fois. Les modèles qui ont abandonné tôt ont terminé leurs sessions après cinq tours consécutifs sans appels d'outils. Sur le benchmark standardisé KernelBench L3, Qwen3.7-Max a produit des noyaux accélérés 96 % du temps, juste derrière Opus 4.6 d'Anthropic à 98 %.
Formation et surveillance autonomes
Qwen3.7-Max repose sur une approche de formation que l'équipe a initialement mise en œuvre avec Qwen3.5. Chaque tâche de formation est divisée en trois parties indépendantes : la tâche réelle, l'environnement d'outils et le validateur qui vérifie le résultat. Ces éléments peuvent être combinés librement, permettant au modèle d'adopter des stratégies efficaces dans divers contextes.
Le modèle a également été utilisé comme un gardien durant sa propre formation. Sur une période de plus de 80 heures, Qwen3.7-Max a surveillé les sessions de formation pour des tâches d'ingénierie logicielle, effectuant plus de 10 000 vérifications. Il a cherché des astuces que le modèle en formation pourrait utiliser pour manipuler ses récompenses, comme obtenir des réponses correctes directement depuis GitHub. Au total, Qwen3.7-Max a écrit 13 nouvelles règles de détection et a signalé 1 618 cas de tricherie potentielle.
Tests de simulation et planification à long terme
Pour évaluer ses capacités de planification à long terme, l'équipe a utilisé YC-Bench, un benchmark qui simule le cycle de vie complet d'une startup sur une année. Le modèle doit gérer le personnel à travers des centaines de tours de décision, examiner des contrats, identifier des clients de mauvaise foi et maintenir des marges bénéficiaires saines face à l'augmentation des coûts de main-d'œuvre.
Qwen3.7-Max a généré 2,08 millions de dollars de revenus totaux et a terminé 237 tâches. Son prédécesseur, Qwen3.6-Plus, a atteint 1,05 million de dollars, tandis que Qwen3.5-Plus a réussi seulement 352 000 dollars.
Dans la plupart des benchmarks, Qwen3.7-Max se mesure à Claude Opus 4.6 Max, Kimi K2.6 Thinking, GLM-5.1 Thinking, et DeepSeek V4 Pro Max. Sur SWE-Verified, le modèle a obtenu un score de 80.4, presque à égalité avec Opus 4.6 Max (80.8) et DeepSeek V4 Pro Max (80.6). Sur les benchmarks de mathématiques et de sciences GPQA Diamond (92.4), HMMT 2026 février (97.1), et Apex (44.5), Qwen3.7-Max surpasse le tableau de comparaison du fournisseur.
Qwen3.7-Max est généralement en tête ou à égalité avec Claude Opus 4.6 Max, DeepSeek V4 Pro Max, GLM-5.1, Kimi K2.6, et son propre prédécesseur Qwen3.6-Plus à travers douze benchmarks. Claude Opus 4.6 reste cependant gagnant sur NL2Repo, ClawEval, et CoWorkBench.
Alors que le nombre d'environnements de formation augmente, Qwen3.7-Max-Thinking grimpe dans les classements à travers huit benchmarks, dépassant DeepSeek V4 Pro Max, GLM-5.1, et Kimi K2.6 - mais restant juste en dessous de Claude 4.6 Opus Max, selon l'équipe Qwen.
Certaines de ces évaluations sont internes. QwenWebDev, QwenClawBench, CoWorkBench, et QwenWorldBench proviennent toutes de l'équipe Qwen elle-même. Chaque résultat ici est auto-rapporté. Un examen plus approfondi des dynamiques de mise à l'échelle et de la méthodologie sera présenté dans un prochain rapport technique.
Au-delà des cas d'utilisation habituels, l'équipe a également montré Qwen3.7-Max dirigeant un robot à quatre pattes. Utilisant son propre cadre de robotique et un modèle de navigation associé, le modèle de langage guide le robot à travers des espaces physiques.
