# Qwen3.7-Plus – 阿里通义推出的智能体多模态大模型 - Link: https://paooo.com/aigc-news/38589/ - Published: 2026-07-29T08:30:00+08:00 - Author: 站外新闻 ## Qwen3.7-Plus是什么 Qwen3.7-Plus 是通义千问推出的新一代多模态[大模型](https://paooo.com/ai-study/)， 将视觉与语言统一为一体化智能体基座。模型能感知真实世界场景、读取屏幕并操作 GUI、 基于视觉参考生成代码，支持端到端导航移动应用、结合网络知识回答视觉问题，在单一智能 体循环中无缝融合 GUI 与 CLI 交互。作为全能型编码智能体与生产力助手，模型用全模态 输入处理从前端原型到复杂软件工程、再到多步工作流自动化的全方位任务，且具备跨框架 泛化能力。 阅读目录 * [Qwen3.7-Plus是什么](https://paooo.com/aigc-news/38589/#qwen37plus%e6%98%af%e4%bb%80%e4%b9%88) * [Qwen3.7-Plus的主要功能](https://paooo.com/aigc-news/38589/#qwen37plus%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [Qwen3.7-Plus的技术原理](https://paooo.com/aigc-news/38589/#qwen37plus%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [如何使用Qwen3.7-Plus](https://paooo.com/aigc-news/38589/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8qwen37plus) * [Qwen3.7-Plus的核心优势](https://paooo.com/aigc-news/38589/#qwen37plus%e7%9a%84%e6%a0%b8%e5%bf%83%e4%bc%98%e5%8a%bf) * [Qwen3.7-Plus的项目地址](https://paooo.com/aigc-news/38589/#qwen37plus%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [Qwen3.7-Plus的同类竞品对比](https://paooo.com/aigc-news/38589/#qwen37plus%e7%9a%84%e5%90%8c%e7%b1%bb%e7%ab%9e%e5%93%81%e5%af%b9%e6%af%94) * [Qwen3.7-Plus的应用场景](https://paooo.com/aigc-news/38589/#qwen37plus%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) ![Qwen3.7-Plus](https://paooo.com/wp-content/uploads/2026/07/Qwen3.7-Plus-website- 3.avif) ## Qwen3.7-Plus的主要功能 * **多模态交互混合[智能体](https://paooo.com/trends/)**：统一处理图像、视频、屏幕、 网页和文本输入，在 GUI/CLI/工具环境中完成复杂任务闭环。 * **视觉智能体**：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。 * **视觉编程**：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 智能体**：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。 * **真实世界感知与推理**：覆盖真实场景、文档图表、OCR、视频和驾驶场景理解。 ## Qwen3.7-Plus的技术原理 * **视觉感知与推理融合**：模型在 BabyVision、MathVision、HiPhO 等高难度视觉推理 基准上表现强劲，体现出对图像细节、空间关系、物理常识和多步逻辑的综合理解能力。 尤其在 BabyVision 上相比前代有显著提升，说明模型在更接近人类早期视觉认知和空间 推理的任务上具备更强泛化能力。 * **视觉到代码的端到端转化**：通过代码解释器集成，模型能将视觉问题转化为可计算的 问题表示，自主编写并执行代码进行求解、搜索或验证。在找不同、补图块、华容道、迷宫 和拼图等任务中，模型能识别图像内容，进行空间建模、路径搜索、状态推演和结果校验。 * **GUI 自动化与多步交互**：模型能识别屏幕内容，定位关键 UI 元素、理解任务意图并 完成多步交互操作。在 ScreenSpot Pro、OSWorld-Verified 和 AndroidWorld 上显著提升， 支撑从”看懂界面”走向”操作界面”和”构建界面”。 * **搜索增强的多模态知识问答**：模型将视觉输入与外部知识检索结合，先从视觉输入中 提取关键实体、场景、文字和上下文线索，通过搜索获取外部知识，综合视觉证据和检索 结果给出答案。 * **视频理解与驾驶场景感知**：增强对短视频和长视频中事件、动作、时序和语义关系的 处理能力，同时在 LingoQA、SURDS 和 VLADBench 等驾驶相关评测中展现出对动态场景、 交通参与者和空间关系的强理解能力。 ## 如何使用Qwen3.7-Plus * **访问官方平台**：通过[阿里云百炼](https://ai-bot.cn/sites/50019.html)或 [Qwen Studio](https://ai-bot.cn/qwen-chat/) 官网访问模型服务。 * **选择模型版本**：在模型市场中选择 Qwen3.7-Plus，根据需求配置调用参数。 * **输入多模态内容**：支持上传图像、视频、屏幕截图或网页链接，结合文本指令进行交互。 * **执行任务**：根据场景选择对应能力模式（Visual Agent、GUI Agent、Visual Coding 等），模型将自动完成感知、推理与执行闭环。 ## Qwen3.7-Plus的核心优势 * **多模态 Agent 闭环能力**：将看、想、写、做、验整合进统一智能体工作流，支撑复杂 软件任务从理解到交付的端到端自动完成。 * **跨框架泛化**：无论通过 [Claude](https://paooo.com/aigc-news/) Code、OpenClaw、 Qwen Code 还是其他框架部署，均能保持稳定表现。 * **视觉编程领先**：在 QwenVision2Code 上得分 1772.0，接近 GPT-5.4 的 1884.0，显著 领先 Claude-Opus-4.6（1518.0）和 Gemini-3.1 Pro（1632.0）。 * **GUI 操作能力强**：ScreenSpot Pro 79.0、AndroidWorld 81.0，在界面理解和操作任务 上处于第一梯队。 * **长时自主运行**：案例显示 Agent 可持续稳定运行 11+ 小时，累计生成代码超 10,000 + 行，触发调用超 1,000+ 次。 ## Qwen3.7-Plus的项目地址 * **项目官网**：https://qwen.ai/blog?id=qwen3.7-plus ## Qwen3.7-Plus的同类竞品对比 | 对比维度 | Qwen3.7-Plus | [GPT-5.4](https://ai-bot.cn/gpt%e2%80%915-4/) | | **定位** | 多模态交互混合智能体基座模型 | 通用多模态大模型 | | **Vision Arena 排名** | 全球第5 / 中国第一 | 未进入前7 | | **ScreenSpot Pro** (GUI定位) | **79.0** | 67.4 | | **AndroidWorld** (移动端操作) | **81.0** | 未测试 | | **QwenVision2Code** (视觉编程) | 1772.0 | **1884.0** | | **BabyVision** (视觉推理) | **70.4/64.7** | 53.1 | | **RealWorldQA** (真实世界问答) | **86.9** | 83.8 | | **Terminal Bench 2.0** (终端编码) | **70.3** | 未测试 | | **SWE-bench 多语言** | 75.8 | **77.5** | | **视频理解 VideoMMMU** | 88.0 | **89.5** | | **多模态搜索 MMSearchPlus** | **41.4** | 19.7 | | **核心优势** | GUI操作、视觉推理、长时Agent闭环、跨框架泛化 | 视觉编程、视频理解、通用语言任务 | | **适用场景** | 复杂软件工程自动化、桌面/移动端GUI操作、多模态Agent工作流 | 通用内容生成、视觉参考转代码、多语言翻译 | ## Qwen3.7-Plus的应用场景 * **智能软件开发**：从需求文档生成到代码编写、测试用例创建、GUI 自动化测试、版本 迭代演进的全链路 APP 开发。 * **桌面应用复刻**：自主理解原生应用 UI 布局与功能细节，生成对应源码并接入真实 API，实现高保真应用复刻。 * **视觉内容生成**：将设计参考图转化为可执行的 SVG、网页或交互式前端代码，降低从 视觉到代码资产的成本。 * **多模态知识问答**：结合图像、视频与网络搜索，回答开放世界的视觉问题，如地点识别、 事件背景分析、商品信息查询。 * **自动驾驶与具身智能**：理解动态驾驶场景、交通参与者和空间关系，支撑真实世界多 模态智能体和 embodied 场景。 **🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词 咒语库 [🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/) [⚡ AIGC 早报生成器](https://paooo.com/mtool/)