2026年6月2日，阿里巴巴通义千问团队正式发布Qwen3.7-Plus多模态大模型。该模型是Qwen3.7系列的多模态升级版，核心定位为视觉与语言统一的智能体基座，实现了“看、想、写、做、验”的端到端闭环能力。目前，Qwen3.7-Plus已通过阿里云百炼平台提供API服务，并开启限时推理后付费8折优惠。

Qwen3.7-Plus在保留Qwen3.7强大文本、编码和工具使用能力的基础上，全面强化了视觉理解与多模态交互能力。它不仅能处理图像和视频输入，还支持屏幕截图、GUI界面理解和实际操作，成为国内首个真正具备多模态混合智能体能力的开源级模型。

核心能力突破

根据阿里官方技术报告和第三方评测，Qwen3.7-Plus在多模态任务上取得了显著进步：

视觉理解与界面操作：模型能准确理解手机/桌面截图、设计稿或真实场景图片，并自主生成操作指令、代码或执行步骤。例如，用户提供一张App界面截图，模型即可生成对应的前端代码或自动化操作脚本。
多模态智能体闭环：支持“看图→思考→写代码→调用工具→验证结果”的完整工作流，特别适合复杂GUI自动化、桌面软件复刻和多步Agent任务。
基准表现：在Vision Arena全球视觉大模型榜单中跻身前五、中国第一；在ScreenSpot Pro、OmniDocBench等多模态基准上也展现出领先性能。

与前代Qwen3.7相比，Qwen3.7-Plus在视觉-语言融合能力和长上下文多模态推理上实现了质的飞跃，同时保持了较低的推理成本，适合企业级大规模部署。

技术架构亮点

Qwen3.7-Plus采用了原生多模态混合架构，而非后期拼接视觉模块。这使得模型在处理跨模态信息时更加自然和高效。具体包括：

统一的视觉-语言编码器，支持高分辨率图像和长视频理解；
增强的Agentic推理链，支持长时间、多工具协同任务；
优化的上下文管理机制，默认支持百万token级超长输入，适用于复杂文档分析和长时间Agent工作流。

阿里云百炼平台已同步上线Qwen3.7-Plus，用户可通过一行代码快速调用，支持文本、图像、视频等多种输入形式，并兼容主流Agent框架。

行业意义与影响

Qwen3.7-Plus的发布，进一步提升了中国大模型在多模态和智能体领域的竞争力。它不仅为开发者提供了高性能、低成本的多模态工具，也为AI Agent在实际生产环境中的落地提供了重要基座。

加速多模态Agent落地：模型在GUI理解和操作上的突破，有望推动自动化测试、桌面助手、智能办公等应用的快速发展。
性价比优势明显：相比国际顶级闭源模型，Qwen3.7-Plus在保持高性能的同时具备显著成本优势，有利于中小企业和开发者广泛采用。
推动开源生态发展：阿里云同时开放了部分中小规模模型和工具链，进一步壮大了国产开源AI社区。

结语

Qwen3.7-Plus的正式发布，是阿里通义千问在多模态智能体方向的又一重要成果。它标志着国产大模型正从单一文本能力向全模态、强Agent能力快速演进。在全球AI竞争日趋激烈的2026年，这一成果不仅为国内开发者提供了强大工具，也为中国AI产业在国际舞台上赢得了更多关注和竞争力。