阿里巴巴发布Qwen3.7-Plus 视觉语言能力全面升级

6月2日，阿里巴巴千问正式发布了一款重磅升级——Qwen3.7-Plus。这并非一次常规迭代，而是将视觉与语言能力真正深度融合，构建了统一的多模态智能体底座。简言之，Qwen3.7本身的文本处理能力已十分出色，此次更新全面增强了视觉与语言理解能力，并在编码、工具调用、生产力工作流等智能体核心功能上，实现同步提升。 究竟“融会贯通”到了何种程度？该模型最突出的亮点，在于其作为多模态交互混合智能体的综合性能。具体而言，它不仅能“识别”真实世界的视觉场景，还能读取屏幕内容、操作界面、根据视觉参考自动生成代码。更关键的是，它具备端到端的移动应用导航能力，可结合网络知识回答视觉相关问题——整个流程在一个智能体闭环中，无缝融合了图形用户界面（GUI）与命令行界面（CLI）两种交互方式。作为全能型编码智能体，它从设计原型到复杂软件工程任务，再到多步骤工作流自动化，几乎都能胜任。无论你是通过Claude Code、OpenClaw、Qwen Code还是其他框架部署，它都能稳定运行，不会因环境切换而出现异常。 基于Qwen3.7-Plus打造的Hybrid-Agent智能体系统，进一步将大模型的代码能力与GUI自动化执行深度耦合。举例来说，它在稳定运行十余小时的过程中，完全自动完成了一款英语单词学习APP的完整研发闭环。期间累计生成超过10000行代码，触发超过1000次模型调用。从需求文档自动生成、代码自动编写、安装部署、测试用例创建、GUI自动化测试、多场景并行测试，到产品说明自动更新、版本自动迭代——覆盖了软件开发的所有核心环节。这已不仅仅是“辅助”，而是真正意义上的全链路自动化。 此外，Qwen3.7-Plus在视觉推理方面同样亮点突出。它能解析地铁线路图等复杂视觉信息，支持搜索增强型视觉问答，可将图像或视频直接转化为SVG矢量代码，还能驱动视觉化的网页设计。在浏览器Agent场景中，它甚至能自动完成ECS云服务器采购、运维链路闭环等操作任务。在BabyVision、MathVision、ScreenSpot Pro、AndroidWorld等多项高难度基准测试中，表现均十分出色。目前，Qwen3.7-Plus已在阿里云百炼平台上线，支持OpenAI兼容API和Anthropic协议调用，开发者和企业可直接上手体验。