编程与GUI双向通吃!Qwen3.7-Plus_登场，11小时自主闭环开发真实APP

阿里最近放了个大招——正式推出全新的多模态大模型 **Qwen3.7-Plus**。拿这次发布的新模型来说，它不只是简单地增强了文本理解能力，而是把视觉和语言彻底打通了，在此基础上构建了一个统一的智能体底层架构。更重要的是，它同时支持图形界面（GUI）和命令行（CLI）两种交互方式，成为了一款真正意义上的多模态混合智能体——从界面原型设计到大型软件系统开发，几乎可以实现全链路的自动化闭环。  数据不会说谎。在国际权威视觉大模型评测平台 **Vision Arena** 上，Qwen3.7-Plus 的表现相当亮眼，直接让阿里站到了全球前五、国内第一的位置。 ### 关键技术能力与实测性能 这次升级到底厉害在哪？可以从三个维度来看。 Qwen3.7-Plus 的核心突破在于，它构建了一条“感知—思考—表达—执行—验证”的完整智能循环。换句话说，它不仅能看懂，还能想明白、做出来，最后还会检查自己干得怎么样。 先说**纯文本推理与 Agent 能力**。在 Terminal Bench2.0、SWE-bench 以及 SciCode 这些高难度软件工程和科学计算任务中，Qwen3.7-Plus 的表现相当稳定。尤其在 GPQA Diamond 这种极具挑战性的 STEM 领域推理基准测试里，它在同类 Plus 模型中排在了前列。这不是运气，是实打实的能力。 再看**多模态理解与视觉编程**。举个例子，在 BabyVision 测试中，Qwen3.7-Plus 的几何建模和路径规划能力提升非常明显。更厉害的是，它可以把截图、图像甚至视频这些视觉输入，直接一键转换成可运行的代码——无论是 SVG 渲染，还是搭建一个响应式网页，都能做到。 最后是**现实场景感知与动态视频解析**。文档结构识别、高精度 OCR、长短视频的时序事件建模，这些能力一个都没落下。在面向自动驾驶场景的 LingoQA 评测中，它甚至可以精准捕捉复杂动态空间关系。这不只是看懂画面，而是理解了画面背后的逻辑。  ### 突破性的落地应用案例 发布会上演示的几个案例，确实让人眼前一亮。不是那种“理论上可以”的空谈，而是真正跑通了全流程。 第一个案例是**端到端 APP 自主研发**。Hybrid-Agent 系统在实际测试中，连续无间断运行超过了 **11 个小时**，累计触发操作上千次，**自动生成的代码量突破了 10,000 行**。全程没有任何人工介入，一个英语单词学习类 App 从需求分析、编码、测试到部署上线，一气呵成。说实话，这个效率已经远远超出了“辅助开发”的范畴。 第二个案例是**桌面级应用的像素级复刻**。智能体主动操作了 macOS 原生的“股市”App，深度解析它的 UI 布局之后，自主编写了 SwiftUI 源码，还集成了真实的行情接口。结果呢？全部 10 项功能验收测试一次性通过，连原生暗色主题和交互逻辑都还原得完完整整。这意味着什么？意味着模型对界面设计语言的理解，已经深入到了“像素”级别。 第三个案例是**云平台的全自动运维助理**。基于 Qwen3.7-Plus 打造的浏览器插件“Qwen for Chrome”，可以直接听懂用户用自然语言提出的云资源管理需求。你只要说一句话，它就能自动登录阿里云控制台，完成 ECS 实例比价、规格筛选、参数配置、下单购买，甚至还能独立执行停机扩容这种进阶运维任务。对于不熟悉云平台的普通用户来说，这无疑大大降低了使用门槛。 目前，Qwen3.7-Plus 已经正式上线阿里云百炼和 Qwen Studio 平台，面向开发者开放调用。无论你用的是 Claude Code、OpenClaw 还是 Qwen Code 这些主流框架，这个模型都展现出高度一致的跨平台兼容性和泛化稳定性。它正在为具身智能（embodied AI）的演进，以及下一代生产力自动化工作流，提供一个足够坚实的技术底座。