阿里发布 Qwen3.7-Plus 模型，升级多模态交互混合 AI 智能体

6月2日，阿里千问大模型正式推出了全新的Qwen3.7-Plus模型。从命名就能猜到，这不是一次简单的迭代——它的核心定位是多模态交互混合智能体，说白了，就是让AI不仅能理解文字，还能看懂图像、视频甚至屏幕画面，并基于这些信息去执行任务。

Qwen3.7-Plus是基于Qwen3.7的多模态升级版。简单来说，它在保留原有文本处理、编码能力、工具调用和生产力工作流的基础上，重点强化了视觉理解、视觉推理以及跨模态任务处理能力。这意味着，AI不再只是一个“文本对话器”，而是开始向“能看会做的助手”进化。

目前，该模型已通过阿里云百炼提供服务，用户也可以在Qwen Studio上直接体验。它支持图像、视频、屏幕、网页和文本等多种输入方式，面向的是复杂的软件与办公流程——无论是图形用户界面（GUI）、命令行界面（CLI）还是工具环境，它都能尝试完成任务。

在模型表现上，Qwen3.7-Plus凭借Vision Arena的成绩，帮助阿里跻身全球前5、中国第1。纯文本测试方面，它的表现接近Max级别模型，在编码智能体、通用智能体、推理、指令遵循和多语言任务上保持强劲。多模态测试中，强化后的视觉推理、工具调用和任务执行链路表现突出，在BabyVision、MathVision、ScreenSpot Pro、OSWorld-Verified、AndroidWorld等评测中均有明显提升。

附上参考地址：Qwen3.7-Plus：想得深，看得懂，做得到