Qwen3.7-Max-Preview vs DeepSeek-V4-Pro 评测对比

自动展示选中模型的核心信息与各评测得分，可左右滑动查看完整表格。当前对比 2 个模型的评测数据与核心参数。

Qwen3.7-Max-Preview

阿里巴巴

能力分布概览

每条轴代表一个评测领域的平均水平，并统一映射到 100 分雷达坐标。

视图: 非并行模式平均·4 个维度

Qwen3.7-Max-Preview

相对优势: 数学推理 +19.0 / 相对落后: 暂无明显落后

DeepSeek-V4-Pro

相对优势: 暂无明显优势 / 相对落后: 数学推理 -19.0

计算口径：同一模型在同一 benchmark 下先平均当前模式范围内的所有分数，不取最高分；再按评测领域对这些 benchmark 分数求平均。只纳入至少两个模型有数据的 benchmark，缺项不按 0 分处理。

综合领先

Qwen3.7-Max-Preview · 78.46

单项最高

DeepSeek-V4-Pro · LiveCodeBench 93.50

模态覆盖

Qwen3.7-Max-Preview · 1 种模态

正面对比

Qwen3.7-Max-Preview

DeepSeek-V4-Pro

领先持平落后

评测基准

领先项

落后项

+1.88

平均分差

支持不同模式与工具的榜单对比。

数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。了解数据收集方法

筛选: 最佳可用·2 个模式 · 9 评测基准

图表加载中...

完整列出各模型/模式的评测得分，便于横向比较。

9 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。

评测项	Qwen3.7-Max-Preview	DeepSeek-V4-Pro
GPQA Diamond 综合评估	92.40思考水平·高	90.10思考水平·高
HLE 综合评估	53.50开启思考｜工具	48.20思考水平·极高｜工具
MMLU Pro 综合评估	89.60思考水平·高	87.50思考水平·高
LiveCodeBench 编程与软件工程	91.60思考水平·高	93.50思考水平·高
SWE-bench Multilingual 编程与软件工程	78.30开启思考｜工具	76.20思考水平·极高｜工具
SWE-Bench Pro - Public 编程与软件工程	60.60开启思考｜工具	55.40思考水平·极高｜工具
SWE-bench Verified 编程与软件工程	80.40开启思考｜工具	80.60思考水平·极高｜工具
Terminal Bench 2.0 AI Agent - 工具使用	69.70开启思考｜工具	67.90思考水平·极高｜工具
IMO-AnswerBench 数学推理	90.00思考水平·高	89.80思考水平·高

输入输出 token 价格并排展示

是否 MoE、商业授权、模态支持等附加能力对比。