2026年6月2日，阿里巴巴通義千問團隊正式發佈Qwen3.7-Plus多模態大模型。呢個模型係Qwen3.7系列嘅多模態升級版，核心定位為視覺與語言統一嘅智能體基座，實現咗「睇、諗、寫、做、驗」嘅端到端閉環能力。目前，Qwen3.7-Plus已經喺阿里雲百鍊平台上線，提供API服務，並推出限時推理後付費八折優惠。

Qwen3.7-Plus喺保留Qwen3.7強大嘅文本、編碼同工具使用能力基礎上，全面加強咗視覺理解同多模態交互能力。佢唔單止能處理圖像同視頻輸入，仲支持屏幕截圖、GUI介面理解同實際操作，成為國內首個真正具備多模態混合智能體能力嘅開源級模型。

核心能力突破

根據阿里官方技術報告同第三方評測，Qwen3.7-Plus喺多模態任務上取得顯著進展：

視覺理解與介面操作：模型可準確理解手機/桌面截圖、設計稿或真實場景相片，並自主生成操作指令、代碼或執行步驟。例如，用戶提供一張App介面截圖，模型即可生成對應嘅前端代碼或自動化操作腳本。
多模態智能體閉環：支持「睇圖→思考→寫代碼→調用工具→驗證結果」嘅完整工作流，特別適合複雜GUI自動化、桌面軟件複刻同多步Agent任務。
基準表現：喺Vision Arena全球視覺大模型榜單中跻身前五、成為中國第一；喺ScreenSpot Pro、OmniDocBench等多模態基準上亦展現領先性能。

同前代Qwen3.7相比，Qwen3.7-Plus喺視覺—語言融合能力同長上下文多模態推理上實現質嘅飛躍，同時維持較低嘅推理成本，適合企業級大規模部署。

技術架構亮點

Qwen3.7-Plus採用咗原生多模態混合架構，唔係後期拼接視覺模組。咁樣令模型處理跨模態資訊時更加自然同高效。具體包括：

統一嘅視覺—語言編碼器，支持高分辨率圖像同長視頻理解；
增強嘅Agentic推理鏈，支持長時間、多工具協同任務；
優化嘅上下文管理機制，預設支持百萬token級超長輸入，適用於複雜文檔分析同長時間Agent工作流。

阿里雲百鍊平台已同步上線Qwen3.7-Plus，用戶可以用一行代碼快速調用，支持文本、圖像、視頻等多種輸入形式，並兼容主流Agent框架。

行業意義與影響

Qwen3.7-Plus嘅發佈，進一步提升咗中國大模型喺多模態同智能體領域嘅競爭力。佢唔單止為開發者提供高性能、低成本嘅多模態工具，仲為AI Agent喺實際生產環境中嘅落地提供重要基座。

加速多模態Agent落地：模型喺GUI理解同操作上嘅突破，有望推動自動化測試、桌面助手、智能辦公等應用快速發展。
性價比優勢明顯：相比國際頂級閉源模型，Qwen3.7-Plus喺保持高性能嘅同時具備明顯成本優勢，有利中小企同開發者廣泛採用。
推動開源生態發展：阿里雲同時開放咗部分中小規模模型同工具鏈，進一步壯大國產開源AI社區。

結語

Qwen3.7-Plus嘅正式發佈，係阿里通義千問喺多模態智能體方向嘅又一重要成果。佢標誌住國產大模型正由單一文本能力向全模態、強Agent能力快速演進。喺全球AI競爭日益激烈嘅2026年，呢項成果唔單止畀國內開發者提供強大工具，亦為中國AI產業喺國際舞台贏得更多關注同競爭力。