阿里发布 Qwen3.7-Plus：首个视觉与语言统一的多模态智能体基座，支持 GUI/CLI 混合交互、端到端代码生成及 11+ 小时自主 APP 研发闭环
阿里巴巴今日正式发布 Qwen3.7-Plus，这是一款将视觉与语言深度融合的多模态智能体基座模型。在继承 Qwen3.7 强大文本与编码能力的基础上，Qwen3.7-Plus 实现了从“被动理解”到“主动执行”的质的飞跃，能够无缝融合 GUI（图形用户界面） 与 CLI（命令行界面） 交互，成为真正的全能型生产力助手。
- 官方介绍：https://qwen.ai/blog?id=qwen3.7-plus
一核心亮点：多模态混合智能体
1. 统一智能体基座
- 全模态输入：同时处理图像、视频、屏幕截图、网页内容及文本。
- 混合交互：在单一智能体循环中，既能通过 CLI 调用工具、编写代码，又能通过 GUI 感知屏幕、操作控件，实现“看、想、写、做、验”的完整闭环。
- 跨框架兼容：无论部署于 Claude Code、OpenClaw 还是 Qwen Code，均能保持稳定表现。
2. 极致工程能力：11+ 小时自主研发
- APP 全链路开发：基于 Qwen3.7-Plus 构建的 Hybrid-Agent 系统，持续稳定运行 11+ 小时，自主完成了一款英语单词学习 APP 的完整研发。
- 成果：生成代码 10,000+ 行，触发调用 1,000+ 次。
- 覆盖环节：需求文档、代码编写、自动部署、GUI 测试、版本迭代。
- 桌面应用高保真复刻：自主复刻 macOS 原生 Stocks（股市） 应用。
- 流程：理解 UI -> 生成 SwiftUI 源码 ->接入 LongBridge API -> 编译构建 -> 10 项功能验证（全部通过）。
- 效果：完美复现暗色主题、实时行情及交互体验。
3. 强大的 Visual Agent 能力
- 程序化视觉推理：结合代码解释器，自主解决找不同、华容道、迷宫、拼图等需要空间建模与路径搜索的复杂任务。
- 搜索增强视觉问答：提取视觉线索 + 网络搜索，回答依赖最新知识的真实世界问题（如识别地点、分析商品、理解事件背景）。
- 视觉编程 (Visual Coding)：
- 图像/视频转 SVG：精确表达几何结构、颜色与动态变化。
- 视觉驱动网页设计：从参考图/视频生成完整交互式网页，整合素材与逻辑。
4. 浏览器智能助手
- Qwen for Chrome 插件：嵌入浏览器的智能 Agent，可感知页面、规划步骤并执行点击、输入、跳转等操作。
- 实战案例：自主完成“采购最便宜 ECS 服务器”全流程，包括比价、选型、配置、安全组设置、订单确认及后续扩容运维，无需人工干预。
性能表现：全面领先
| 领域 | 基准测试 | 表现亮点 |
|---|---|---|
| 纯文本/编码 | SWE-bench, Terminal Bench 2.0, SciCode | 接近 Max 级别，擅长真实软件工程与科学编程 |
| 通用 Agent | MCP-Mark, Deep-Planning, Kernel Bench L3 | 稳健的工具使用与复杂多步规划，GPU Kernel 优化突出 |
| 多模态推理 | BabyVision, MathVision, VisFactor | 显著提升空间关系与物理常识理解，泛化能力强 |
| Visual Agent | ScreenSpot Pro, OSWorld-Verified, AndroidWorld | 精准 UI 元素定位与多步交互，从“看懂”到“操作” |
| 视觉编程 | QwenVision2Code | 强视觉到代码生成能力，支持 SVG/网页/前端转化 |
| 视频/驾驶 | VideoMMU, LingoQA, SURDS | 理解长视频时序语义及动态驾驶场景，奠定 Embodied AI基础 |
技术架构：MSA 与端到端优化
- 多模态原生训练：从第 0 步进行混合模态训练，实现语义空间深度融合。
- 交错数据增强：利用文本与图像自然交错的训练数据，扩展至 100 万亿 Token 量级，提升整体性能。
- preserve_thinking：API 支持保留前序轮次思维内容，推荐用于复杂智能体任务，确保上下文连贯性。
快速开始
Qwen3.7-Plus 现已通过 阿里云百炼 提供服务：
- API 调用：支持文本、图像、视频多模态输入。
- 服务层级：
- 标准层级：常规请求。
- 优先级层级：高并发下的低延迟保障（即将全面开放）。
- 适用场景：Multimodal Agent, Visual Agent, Visual Coding, GUI Agent, Real-world Perception.
© 版权声明
文章版权归作者所有，未经允许请勿转载。
