阿里发布Qwen3.7-Plus多模态大模型支持GUI

阿里巴巴刚刚放出了一个重磅消息：千问3.7系列多模态大模型Qwen3.7-Plus正式亮相。这次不是小修小补，而是在文本理解、视觉推理等核心能力上实现了一次系统性的跃升——深度逻辑推理、自主编程、工具调用、持续迭代优化，这些能力被整合成一个统一的智能体工作流程，从观察、思考到撰写、执行、验证，一条龙搞定。更直观的是，这个模型能直接复刻手机App或桌面专业软件的高复杂度操作，一键生成。目前模型已经在阿里云百炼平台开放，支持标准化API接入。

文本能力显著提升：逼近行业顶尖水平

先看文本能力。Qwen3.7-Plus在编程任务、科学计算类问题求解等权威评测中表现突出，综合得分较前代大幅提升，已经逼近行业顶尖水平。尤其是智能体协同能力显著增强——在数学推理专项评测中，性能指标直接飙到了前代模型的近三倍。

视觉能力突破：纯视觉推理与知识问答全面提升

视觉能力方面也是突破性进展。纯视觉推理基准测试中，Qwen3.7-Plus得分大幅超越前代，并优于同级别主流竞品。在搜索增强型知识问答等关键场景下，多项评测结果提升超过两倍，整体准确率与鲁棒性明显增强。面对开放性问题的响应，更加可靠、精准。

多模态混合智能体架构：从理解到执行的一体化工作流

文本与视觉能力的深度融合，催生了新一代多模态混合智能体架构。这个架构具备高精度图形用户界面理解能力，可以模拟真实的人机交互过程——自动生成适配代码，动态调用外部工具获取实时信息，独立完成任务执行与闭环验证。最终效果是：用户只需要下达指令，模型就能把复杂的桌面应用完整地复现出来。这才是真正的智能体工作流。