阿里巴巴(09988)正式发布Qwen3.7-Plus 视觉-语言能力全面升级

6月2日，阿里巴巴千问正式放出了一个重磅更新——Qwen3.7-Plus。这不是一次简单的迭代，而是把视觉和语言真正融为了一体，打造了一个统一的多模态智能体底座。说白了吧，Qwen3.7本身的文本能力已经很强了，现在又全面升级了视觉和语言的理解能力，而且在编码、工具使用、生产力工作流这些智能体核心能力上，一点也没落下。  到底“融会贯通”到什么程度？这款模型最大的亮点，就是它作为一个多模态交互混合智能体的能力。简单说，它不光能“看懂”真实世界的场景，还能读取你的屏幕、帮你操作界面、根据你给的视觉参考直接生成代码。更厉害的是，它能端到端地导航移动应用，还能结合网络知识回答视觉相关的问题——整个过程在一个智能体循环里，无缝融合了GUI（图形用户界面）和CLI（命令行界面）两种交互方式。作为全能型编码智能体，它从最前端的设计原型到复杂的软件工程任务，再到多步骤的工作流自动化，几乎都能接手。而且，不管你用Claude Code、OpenClaw、Qwen Code还是其他框架去部署它，它都能稳定发挥，不会因环境切换而“翻车”。 基于Qwen3.7-Plus构建的Hybrid-Agent智能体系统，更是把大模型的代码能力和GUI自动化执行深度结合了。举个实在的例子：它曾经稳定运行了十多个小时，全程自动完成了一款英语单词学习APP的完整研发闭环。整个过程累计生成了超过10000行代码，触发了超过1000次模型调用。从需求文档生成，到代码自动编写、安装部署、测试用例创建、GUI自动化测试、多场景并行测试，再到产品说明自动更新、自动版本迭代，覆盖了软件开发的每一个核心环节——这已经不只是“辅助”，而是真正意义上的全链路自动化了。 除此之外，Qwen3.7-Plus在视觉推理上也有不少看点。它能解析地铁线路图这种复杂的视觉信息，支持搜索增强的视觉问答，还能把图像或视频直接转成SVG矢量代码，视觉驱动的网页设计也不在话下。在浏览器Agent场景中，甚至能自动完成ECS云服务器采购、运维链路闭环这类操作任务。在BabyVision、MathVision、ScreenSpot Pro、AndroidWorld等多项高难度基准测试中，表现都相当抢眼。目前，Qwen3.7-Plus已经在阿里云百炼平台上线，支持OpenAI兼容API和Anthropic协议调用，开发者和企业可以直接上手试用了。