阿里旗下通義千問(wèn)團(tuán)隊(duì)近日宣布，推出具備多模態(tài)交互能力的智能體模型Qwen3.7-Plus，標(biāo)志著人工智能從單一感知向復(fù)合操作能力邁出重要一步。該模型突破傳統(tǒng)多模態(tài)模型"看圖說(shuō)話"的局限，通過(guò)整合界面感知、工具調(diào)用、代碼生成與任務(wù)驗(yàn)證能力，形成"觀察-推理-執(zhí)行-驗(yàn)證"的完整閉環(huán)，可自主完成網(wǎng)頁(yè)設(shè)計(jì)、應(yīng)用開(kāi)發(fā)、復(fù)雜任務(wù)執(zhí)行等場(chǎng)景化操作。

在技術(shù)架構(gòu)層面，Qwen3.7-Plus創(chuàng)新性地將GUI操作、CLI命令調(diào)用、代碼生成與自我驗(yàn)證機(jī)制整合為統(tǒng)一智能體循環(huán)。實(shí)測(cè)數(shù)據(jù)顯示，該模型在BabyVision多模態(tài)推理測(cè)試中取得70.4分，超越GPT-5.4（53.1分）與Gemini 3.1 Pro（55.9分）；在ScreenSpot Pro視覺(jué)編程測(cè)試中，以79.0分領(lǐng)先同類模型10個(gè)百分點(diǎn)以上。特別在RealWorldQA開(kāi)放場(chǎng)景測(cè)試中，其86.9分的成績(jī)展現(xiàn)出強(qiáng)大的真實(shí)環(huán)境適應(yīng)能力。

開(kāi)發(fā)團(tuán)隊(duì)構(gòu)建的Hybrid-Agent系統(tǒng)驗(yàn)證了模型的實(shí)際工程價(jià)值。在持續(xù)11小時(shí)的測(cè)試中，該系統(tǒng)自主完成英語(yǔ)單詞學(xué)習(xí)App的全流程開(kāi)發(fā)，生成超過(guò)1萬(wàn)行代碼，觸發(fā)1000余次工具調(diào)用，最終產(chǎn)品包含單詞本、消消樂(lè)游戲、限時(shí)挑戰(zhàn)等8個(gè)功能模塊。更引人注目的是，模型成功復(fù)刻macOS Stocks應(yīng)用，不僅還原暗色主題與分欄布局，更通過(guò)接入實(shí)時(shí)行情API實(shí)現(xiàn)數(shù)據(jù)動(dòng)態(tài)更新，所有功能驗(yàn)證測(cè)試均一次性通過(guò)。

針對(duì)復(fù)雜視覺(jué)任務(wù)，Qwen3.7-Plus展現(xiàn)出獨(dú)特的解題范式。在"找不同"測(cè)試中，模型先進(jìn)行圖像幾何結(jié)構(gòu)分析，繼而生成差異坐標(biāo)圖，最終通過(guò)5輪代碼迭代精準(zhǔn)定位5處差異點(diǎn)。處理植物病害診斷時(shí)，模型結(jié)合葉片特征分析與7輪網(wǎng)絡(luò)檢索，輸出包含病斑顏色、紋理等12項(xiàng)參數(shù)的詳細(xì)診斷報(bào)告。在地鐵線路規(guī)劃場(chǎng)景中，模型可解析新加坡地鐵圖上200余個(gè)站點(diǎn)的拓?fù)潢P(guān)系，自動(dòng)規(guī)劃最優(yōu)換乘路徑。

瀏覽器智能助手應(yīng)用進(jìn)一步拓展了模型的應(yīng)用邊界。通過(guò)Chrome插件實(shí)現(xiàn)的Agent模式，可自動(dòng)感知網(wǎng)頁(yè)內(nèi)容并執(zhí)行多步驟操作。在云服務(wù)器采購(gòu)測(cè)試中，系統(tǒng)自動(dòng)比對(duì)12家云廠商價(jià)格，完成機(jī)型選型、安全組配置等17個(gè)操作步驟，遇到庫(kù)存不足時(shí)能智能切換備選方案。該功能特別優(yōu)化了非技術(shù)用戶的操作體驗(yàn)，用戶僅需輸入自然語(yǔ)言需求即可完成復(fù)雜采購(gòu)流程。

盡管在3D渲染等復(fù)雜場(chǎng)景仍存在穩(wěn)定性挑戰(zhàn)，但開(kāi)發(fā)團(tuán)隊(duì)通過(guò)引入"思考模式"顯著提升交付質(zhì)量。在生成"騎自行車的鵜鶘"3D作品時(shí)，模型先進(jìn)行場(chǎng)景要素分析，繼而分階段生成靜態(tài)圖像與HTML代碼，最終產(chǎn)品支持多角度旋轉(zhuǎn)與動(dòng)態(tài)光影效果。這種多輪迭代機(jī)制為解決復(fù)雜任務(wù)提供了新思路，標(biāo)志著多模態(tài)模型向高可靠工程應(yīng)用邁出關(guān)鍵一步。