通義實驗室近日宣布推出Qwen3.7-Plus多模態智能體模型，該模型在文本處理與智能代理能力的基礎上，創新性整合視覺感知功能，形成"感知-決策-執行"的完整技術閉環。通過深度融合計算機視覺與自然語言處理技術，模型實現了對圖形界面的精準解析、應用程序的自主操作以及代碼生成與驗證的全流程覆蓋，可同時處理GUI交互、CLI命令調用及代碼自我修正等復雜任務。

在持續11小時的實測中，基于該模型構建的Hybrid-Agent系統展現了強大的開發能力，獨立完成英語單詞學習應用的完整開發周期。系統累計生成超過10,000行高質量代碼，觸發1,000余次API調用，覆蓋從需求分析、代碼編寫到自動化測試的全流程，包括需求文檔生成、持續集成部署、測試用例創建及版本迭代等關鍵環節。這一成果驗證了模型在復雜軟件開發場景中的實用價值。

針對桌面應用場景，研究人員展示了模型與macOS原生Stocks應用的深度交互能力。通過解析UI布局與功能組件，模型自動生成SwiftUI源代碼，并接入LongBridge金融數據接口獲取實時行情。在完成編譯構建后，系統自主執行10項功能驗證測試，成功復現原生應用的暗色主題設計、多欄信息布局及實時數據交互體驗，展現了在金融科技領域的潛在應用價值。

該模型的多模態推理能力覆蓋多個專業領域：可解析地鐵線路圖等復雜視覺信息，支持基于圖像搜索的增強型問答，具備將圖像視頻轉換為SVG矢量代碼的技術能力，并能根據視覺輸入自動生成網頁設計代碼。在瀏覽器智能體場景中，模型已實現云服務器采購、配置管理及運維監控的自動化閉環，在BabyVision、MathVision等權威基準測試中取得優異成績。

目前Qwen3.7-Plus已通過阿里云百煉平臺正式上線，開發者可通過OpenAI兼容接口或Anthropic協議進行調用。該模型支持跨平臺部署，可適配多種開發環境，為智能應用開發提供從視覺理解到代碼生成的全鏈條技術支持，標志著多模態智能體技術向實用化邁出重要一步。