阿里发布Qwen3.7-Plus多模态智能体模型：11小时自主完成APP开发

Qwen3.7-Plus

  据千问大模型官微消息，6月2日，阿里正式发布Qwen3.7-Plus多模态智能体模型。据介绍，该模型在Qwen3.7文本能力的基础上，全面升级了视觉-语言能力，同时保持了在编码、工具使用和生产力工作流方面的完整智能体能力。

  Qwen3.7-Plus — 现已通过阿里云百炼提供服务：

• Multimodal Agent： 统一处理图像、视频、屏幕、网页和文本输入，并在 GUI / CLI / 工具环境中完成任务
• Visual Agent： 结合视觉理解、代码解释器和搜索增强，解决视觉谜题、真实世界问答和复杂推理任务
• Visual Coding： 从图像或视频生成 SVG、网页和交互式前端，实现视觉参考到代码的端到端转化
• GUI Agent： 理解移动端和桌面端界面，进行控件定位、任务规划和多步操作
• Real-world Perception & Reasoning： 覆盖真实场景、文档图表、OCR、视频和驾驶场景理解