Qwen3.7-Plus 版本說明 / 新功能

Qwen3.7-Plus：統一的多模態代理基礎

Qwen3.7-Plus 是一個多模態代理模型，將視覺與語言統合為單一基礎，使其能作為多模態互動混合代理運作。它被設計用來感知現實場景、操作 GUI、根據視覺參考撰寫程式碼，並端到端導覽行動應用，於單一代理迴圈中無縫結合 GUI 與 CLI 互動。

多模態互動混合代理功能

Qwen3.7-Plus 整合「觀察、思考、撰寫、執行與驗證」的工作流程，以自動化複雜的軟體任務。

端到端軟體開發

使用基於 Qwen3.7-Plus 的混合代理系統，團隊展示了英語詞彙學習 APP 研發週期的全自動化。該代理運作超過 11 小時，產生超過 10,000 行程式碼，並觸發超過 1,000 次代理呼叫。此過程涵蓋需求文件生成、自動程式編寫、部署、測試案例建立、基於 GUI 的自動測試，以及自主的版本演進。

專業應用程式複製

該模型能自主複製專業桌面應用程式。舉例而言，它透過與原生 macOS Stocks 應用互動以了解 UI 版面，重新製作出高保真度的版本，產生 SwiftUI 原始碼，整合 LongBridge 市場 API 以取得即時資料，並通過 10 項自主功能驗證測試。

瀏覽器自動化

透過 Qwen for Chrome 擴充功能，Qwen3.7-Plus 可作為瀏覽器代理。它感知網頁並執行點擊、輸入與導覽，以完成複雜工作流程，例如透過雲端控制台購買最便宜的 ECS 伺服器，並能動態調整價格變動或庫存限制。

技術效能與基準測試

文字與一般代理效能

Qwen3.7-Plus 提供與 Max 級模型相近的競爭性文字效能。主要基準結果包括：

Coding Agents：在 Terminal Bench 2.0（70.3）、SWE-bench 系列與 SciCode（51.3）上表現強勁。
General Agents：在 MCP-Mark（58.7）與 Deep-Planning（62.3）上具備穩健的工具使用與規劃能力，且在 GPU 核心優化上於 Kernel Bench L3 獲得 2.06 倍加速（比 torch.compile 快 98%）。
STEM & Reasoning：在 GPQA Diamond（90.3）、HMMT（92.9）與 IMOAnswerBench（86.0）上表現優異。

多模態推理與理解

Qwen3.7-Plus 展示了視覺代理能力的系統性提升：

Multimodal Reasoning：在 BabyVision（70.4/64.7）、MathVision（90.3）與 HiPhO（84.1）上取得顯著提升，展現整合空間關係與物理常識的能力。
Visual Agent & Coding：在 ScreenSpot Pro（79.0）、OSWorld-Verified（73.3）與 AndroidWorld（81.0）上有顯著改善。在 QwenVision2Code 上取得 1772.0 分，顯示其將設計參考轉換為可執行程式碼的能力。
Multimodal Search & Knowledge QA：透過結合視覺輸入與外部搜尋增強，在 SimpleVQA（81.7）與 WorldVQA（61.1）上取得提升。
General Visual Understanding：在文件解析（OmniDocBench 1.5：91.4）與 OCR（OCR-Bench-V2 ZH：67.1）上表現強勁。

影片與駕駛情境理解

模型對影片中的時間動態與語意關係進行推理，在 VideoMMMU（85.4）與 TVBench（78.2）上取得高分。在自動駕駛情境中，於 LingoQA（83.4）與 SURDS（77.2）上展現空間關係理解能力。

視覺代理工具整合

Qwen3.7-Plus 結合視覺理解與程式化問題解決：

Code Interpreter Integration：模型能分析圖像以解決滑塊拼圖、迷宮導航與拼圖組裝，透過自主產生與執行程式碼完成。
Vision-to-Code Generation：它將圖像、影片與 UI 截圖轉換為可執行程式碼，包含 SVG 重建以及從視覺參考生成完整互動式網頁。

部署與框架相容性

Qwen3.7-Plus 可透過阿里雲 Model Studio 取得，並支援與 OpenAI 規範相容的業界標準協議。它包含 preserve_thinking 功能，以在回合間保留思考內容，建議於代理任務中使用。

該模型在多樣的代理框架中具備廣泛的泛化能力，且相容於：

Claude Code：支援 Anthropic API 協議。
OpenClaw：透過 Model Studio 連接。
Qwen Code：深度優化於 Qwen 系列。