Qwen3.7-Plus:多模态智能体模型发布

Qwen:Blog Retrieval(API)·2026-06-01 10:00·85天前·QwenTeam
AI 导读

阿里云通义千问推出 Qwen3.7-Plus,基于 Qwen3.7 文本骨干,增强视觉语言能力,保留编码、工具使用和生产工作流的智能体能力。它支持感知现实场景、读取并操作 GUI、从视觉参考编写代码、端到端导航手机应用、基于网络知识回答视觉问题,融合 GUI 与 CLI 交互,跨 Claude Code、OpenClaw、Qwen Code 等框架泛化。在 Terminal Bench 2.0-Terminus 得分 70.3,SWE-Verified 77.7,QwenWorldBench 62.1,GPQA Diamond 90.3,MMLU-Pro 88.5。通过阿里云 Model Studio API 提供。

Qwen:Blog Retrieval(API)
精选
81AI 编辑部评分,满分 100

Qwen3.7-Plus:多模态智能体模型发布

2026-06-01 10:00· 85天前· QwenTeam
AI 导读

阿里云通义千问推出 Qwen3.7-Plus,基于 Qwen3.7 文本骨干,增强视觉语言能力,保留编码、工具使用和生产工作流的智能体能力。它支持感知现实场景、读取并操作 GUI、从视觉参考编写代码、端到端导航手机应用、基于网络知识回答视觉问题,融合 GUI 与 CLI 交互,跨 Claude Code、OpenClaw、Qwen Code 等框架泛化。在 Terminal Bench 2.0-Terminus 得分 70.3,SWE-Verified 77.7,QwenWorldBench 62.1,GPQA Diamond 90.3,MMLU-Pro 88.5。通过阿里云 Model Studio API 提供。

推荐理由

Qwen3.7-Plus 把视觉感知、GUI 操作和编码能力整合进同一个 agent 模型,在 ScreenSpot 和浏览器操作上的提升很实在,做自动化的开发者值得上手试试。

正文 · AI 翻译

DISCORD 今天我们推出 Qwen3.7-Plus——一款多模态智能体模型,它将视觉与语言统一到一个全能型智能体基础之上。基于 Qwen3.7 强大的文本主干,Qwen3.7-Plus 在视觉-语言能力方面实现了全面升级,同时保留了在编程、工具使用和生产力工作流中的完整智能体能力。

Qwen3.7-Plus 的独特之处在于它能够作为多模态交互式混合智能体运行。它可以感知真实世界场景、读取屏幕并操作 GUI、根据视觉参考编写代码、端到端地导航移动应用,并回答基于网络知识的视觉问题——在单个智能体循环中无缝融合 GUI 和 CLI 交互。作为一款全能型编程智能体和生产力助手,它能够处理从前端原型设计到复杂软件工程以及多步骤工作流自动化的全谱系任务,支持全模态输入。它能够跨智能体框架泛化,无论是通过 Claude Code、OpenClaw、Qwen Code 还是其他框架部署,都能保持一致的性能表现。

Qwen3.7-Plus——现已通过阿里云百炼平台提供:多模态交互式混合智能体:跨视觉和文本任务的统一 GUI 与 CLI 操作;全能型编程智能体与生产力助手,支持全模态输入;视觉智能体:感知、推理、定位与搜索增强的问答;跨多种智能体框架的跨框架泛化能力。

通过阿里云百炼平台的 API 调用。

文本基准测试#

Opus-4.6 Max K2.6 Thinking GLM-5.1 Thinking DeepSeek-V4-Pro Max Qwen3.6-Plus Qwen3.7-Plus
编程智能体
Terminal Bench 2.0-Terminus 65.4 66.7 63.5 67.9 61.6 70.3
SWE-Verified 80.8 80.2 -- 80.6 78.8 77.7
SWE-Pro 57.3 59.5 58.8 59.0 56.6 57.6
SWE-Multilingual 77.5 76.7 -- 76.2 73.8 75.8
NL2repo 47.6 42.8 41.0 35.5 34.4 41.1
SciCode 51.9 52.2 45.1 -- 41.4 51.3
QwenWebDev 1617 -- 1564 1570 1500 1536
QwenSVG 1541 1325 1605 1506 1432 1588
通用智能体
Qwenclaw 65.5 54.7 58.7 59.2 57.2 61.8
CoWorkBench 68.2 58.2 66.0 66.3 64.5 65.1
ClawEval 70.4 61.5 62.7 58.4 57.1 62.7
Skillsbench -- 56.2 53.1 52.3 45.7 54.9
BFCL-V4 76.7 71.3 70.9 70.6 68.9 72.9
MCP-Mark 56.7 55.9 57.5 57.1 48.2 58.7
MCP-Atlas 75.8 66.6 71.8 73.6 74.1 73.2
Vitabench -- 39.1 45.1 51.9 42.8 45.6
Deep-Planning 58.9 42.3 34.1 44.6 40.9 62.3
SpreadSheetBench-v1 89.3 84.5 85.2 84.9 80.2 86.3
Kernel Bench L3 2.63/98% 1.41/80% 2.00/78% 1.07/54% 1.03/48% 2.06/98%
QwenWorldBench 56.1 50.9 50.2 52.3 47.6 62.1
STEM 与推理
GPQA Diamond 91.3 90.5 86.2 90.1 90.4 90.3
HLE 40.0 36.4 34.7 37.7 28.8 34.7
LiveCodeBench 88.8 89.6 -- 93.5 87.1 89.6
HMMT 2026 Feb 96.2 92.7 89.4 95.2 87.8 92.9
IMOAnswerBench 75.3 86.0 83.8 89.8 83.8 86.0
CritPT 12.6 8.0 4.6 12.9 2.9 6.0
Apex 34.5 24.0 11.5 38.3 8.8 22.7
通用能力
MMLU-Pro 89.7 87.1 86.3 87.5 88.5 88.5
MMLU-Redux 95.2 95.3 94.3 94.8 94.5 94.5
SuperGPQA 72.5 71.3 68.0 69.9 71.6 71.4
IFEval 91.9 94.5 94.5 91.9 94.3 94.6
IFBench 62.5 76.0 76.0 77.0 74.2 79.1
MRCR-v2 128k 84.0 63.1 62.0 74.4 85.9 91.7
多语言能力
WMT24++ 82.7 81.6 81.8 82.2 84.3 84.6
MAXIFE 81.3 87.7 87.7 88.9 88.2 88.8
MMMLU 90.6 87.5 87.2 87.9 89.5 89.0
MMLU-ProX 86.1 83.7 83.9 83.9 84.7 85.4
NOVA-63 59.1 56.7 54.6 52.8 57.9 58.8
INCLUDE 87.4 84.2 84.3 86.1 85.1 83.0
Global PIQA 91.2 89.2 89.5 90.5 89.8 90.3
PolyMATH 80.2 82.7 67.6 72.0 77.4 84.0

Terminal-Bench 2.0:使用 Harbor/Terminus-2 测试框架;超时时间 5 小时,12 CPU/24 GB RAM;温度=1.0,top_p=0.95,top_k=20,最大 token 数=80K,256K 上下文;5 次运行的平均值。所有实验在每轮对话前添加一个 token,让模型自行决定是否启用扩展思考。

SWE-Bench 系列:内部智能体框架(bash + 文件编辑工具);温度=1.0,top_p=0.95,200K 上下文窗口。

SWE-bench Pro:对有问题的任务进行了修正,所有基线均在优化后的基准上进行了评估。

QwenClawBench:一个基于真实用户分布的 Claw 智能体基准;开源地址:https://github.com/SKYLENAGE-AI/QwenClawBench。

CoWorkBench:一个内部协作基准;涵盖计算机科学、金融、法律、医疗及其他生产力领域的长期任务。

SkillsBench:通过 OpenCode 在 78 个任务上评估(排除了 9 个依赖外部 API 的任务);5 次运行的平均值。

MCP-Mark:GitHub MCP v0.30.3;Playwright 响应截断至 32K token。

MCP-Atlas:公开集得分;使用 gemini-2.5-pro 作为评判器。

VITA-Bench:各子领域平均得分;使用 claude-4.5-sonnet 作为评判器,因为旧的官方评判器已不再可用。

Kernel Bench L3:报告的指标包括:在 50 个问题上,每个问题相对于 PyTorch eager 参考实现的加速比中位数,以及比 torch.compile 更快的问题占比。每个测试样本在隔离的 Docker 容器中运行,配备一块 H100 80GB GPU,网络访问仅限于 CUTLASS 代码库和官方 CUDA 文档,最多允许 500 次工具调用,并在连续 100 次无改进的轮次后提前停止。使用 GPT-5.4 (xhigh) 检测潜在的作弊行为。CUPTI 用于内核级计时。

推理场景:推荐系统提示词:“推理努力程度设置为 xhigh。请仔细思考任务,验证关键假设,考虑合理的替代方案,并在最终答案中优先确保正确性、一致性和清晰度。”

WMT24++:更难的 WMT24 子集;通过 XCOMET-XXL 在 55 种语言上的平均得分。

MAXIFE:在英文及多语言提示词(共 23 种设置)上的准确率。

MMLU-ProX:在 29 种语言上的平均准确率。

空单元格(--)表示分数尚未公布。

Qwen3.7-Plus 提供了具有竞争力的文本性能,全面接近 Max 级别模型。在编程智能体方面,它在 Terminal Bench 2.0、SWE-bench 系列和 SciCode 上表现强劲,能够有效处理现实世界的软件工程和科学编程任务。在通用智能体方面,它在 MCP-Mark、Deep-Planning 和 Kernel Bench L3 上展示了强大的工具使用和规划能力,在复杂的多步规划和 GPU 内核优化方面尤为突出。在 GPQA Diamond、HMMT 和 IMOAnswerBench 上的推理性能,使其在困难的 STEM 基准测试中跻身最强的 Plus 级别模型之列。在指令遵循和多语言任务方面,它在 IFBench、WMT24++ 和 PolyMATH 上表现出一致的质量,覆盖了多种语言。

多模态基准测试#

GPT-5.4 (xhigh) Opus-4.6 Max Gemini-3.1 Pro Qwen3.6-Plus Qwen3.7-Plus
多模态推理
MMMU-Pro 81.2 73.9 81.8 78.8 79.0
MathVision 91.0 65.5 87.4 88.0 90.3
BabyVision 53.1 12.6 55.9 37.4 70.4 / 64.7
CharXiv(RQ) 84.5 66.0 84.4 81.5 85.9 / 84.4
HiPhO 65.0 40.8 85.4 80.4 84.1
ERQA 67.8 40.8 68.0 65.7 69.8
VisFactor 40.8 24.4 39.8 36.0 42.8
MedXpertQA-MM 77.3 64.4 80.7 68.7 71.0
视觉智能体与编程
ScreenSpot Pro 67.4 49.5 68.1 68.2 79.0
OSWorld-Verified 75.0 72.7 -- 62.5 73.3
AndroidWorld -- 62.0 70.7 67.2 81.0
QwenVision2Code 1884.0 1518.0 1632.0 1522.0 1772.0
ClawEval-MM 54.4 54.7 45.7 49.1 55.7
多模态搜索与知识问答
SimpleVQA 69.4 79.6 76.9 69.4 81.7
WorldVQA 45.9 65.4 56.1 33.6 61.1
MMSearchPlus 19.7 38.9 42.0 19.6 41.4
BC-VL 48.1 51.5 49.9 26.1 51.1
MMBC 18.8 46.3 28.2 18.3 46.3
通用视觉理解
RealWorldQA 83.8 73.9 83.5 85.4 86.9
CountQA 58.4 32.5 72.8 71.7 77.0
OmniDocBench1.5 85.5 86.6 90.0 91.2 91.4
OCR-Bench-V2(英文) 59.1 54.3 64.6 67.0 70.7
OCR-Bench-V2(中文) 57.7 54.9 58.2 63.6 67.1
ODinW13 -- -- -- 51.8 51.1
自动驾驶
LingoQA 78.2 77.6 66.8 76.0 83.4
Ego3D-Bench↓ 6.9 8.1 10.4 6.1 5.9
SURDS 64.6 58.3 64.0 73.2 77.2
VLADBench 77.1 48.0 73.1 75.6 77.2
视频理解
VideoMME(含字幕) 89.5 86.1 88.4 87.8 88.0
VideoMMMU 82.4 85.2 85.3 84.0 85.4
MLVU(M-Avg) 86.1 81.7 84.7 86.7 87.4
TVBench 82.5 69.8 73.0 76.0 78.2
LVBench 77.4 63.0 75.1 74.8 76.2

多模态搜索与知识问答:所有模型均在启用搜索增强的条件下进行评估。

BabyVision 和 CharXiv(RQ):分数以"带 CI / 不带 CI"的形式报告。

VideoMME(含字幕):分数在带字幕的条件下报告。

BC-VL 和 MMBC:分数在 BC 任务中采用推荐的 presence penalty 1.5 的条件下报告。

ScreenSpot Pro 和 OSWorld-Verified:分数在"enablethinking=False"的条件下报告。

空单元格(--)表示该分数尚未公布。

Qwen3.7-Plus 的多模态改进并不仅限于视觉理解方面的孤立提升。相反,它们反映了多模态智能体所需核心能力的系统性增强:理解复杂视觉输入、对视觉信息进行推理、使用工具解决问题,以及最终在代码或 GUI 环境中执行任务。

在多模态推理方面,Qwen3.7-Plus 在 BabyVision、MathVision、HiPhO、ERQA 和 VisFactor 等具有挑战性的视觉推理基准上表现强劲。这些结果表明该模型能够整合细粒度视觉感知、空间关系、物理常识以及多步骤逻辑推理。特别是,它在 BabyVision 上相比 Qwen3.6-Plus 的显著提升,表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有更强的泛化能力。

在视觉智能体与编程方面,Qwen3.7-Plus 在 ScreenSpot Pro、OSWorld-Verified 和 AndroidWorld 上表现出显著提升。这表明该模型不仅能识别屏幕内容,还能定位关键 UI 元素、理解任务意图并完成多步骤交互。在 QwenVision2Code 上,该模型还展现出强大的视觉到代码生成能力,可将图像、视频和设计参考转化为可执行代码。这些能力为多模态智能体从“理解界面”走向“操作界面”乃至“构建界面”奠定了基础。

在多模态搜索与知识问答方面,Qwen3.7-Plus 在 SimpleVQA、WorldVQA、MMSearchPlus、BC-VL 和 MMBC 上均取得明显进步。该模型能够将视觉输入与外部知识检索相结合,回答仅凭图像内容无法解决的问题。这使得它更适用于真实世界任务——用户不再只是简单询问“图像里有什么”,而是期望模型结合视觉证据、常识和最新知识来提供可靠答案。

在通用视觉理解方面,Qwen3.7-Plus 在真实场景、文档解析、图表理解、OCR、计数和空间定位等任务上均保持强劲性能。它在 RealWorldQA、CountQA、OmniDocBench、CharXiv 和 OCR-Bench-V2 等基准测试中表现优异。这些能力对于稳健处理真实业务输入至关重要,包括截图、收据、表格、报告、海报、产品图片和复杂 UI 页面。

除图像外,Qwen3.7-Plus 进一步增强了视频理解和驾驶场景理解能力。在 VideoMMMU、MLVU、TVBench 和 LVBench 等视频基准测试中,它能够对长短视频中的事件、动作、时间动态和语义关系进行推理。在 LingoQA、Ego3D-Bench、SURDS 和 VLADBench 等驾驶相关评估中,它也展现出对动态场景、交通参与者和空间关系的深刻理解。这些能力为真实世界多模态智能体、自动驾驶理解和具身 AI 场景奠定了重要基础。

使用 Qwen3.7-Plus 进行构建#

Qwen3.7-Plus 现已通过阿里云百炼平台(Alibaba Cloud Model Studio)提供。

作为多模态模型,Qwen3.7-Plus 支持文本和图像/视频输入。它还支持保留思考(preservethinking)功能:保留消息中所有先前轮次的思考内容,推荐用于智能体任务。

阿里云百炼平台支持行业标准协议,包括兼容 OpenAI 规范的对话补全和响应 API。

""" 环境变量: DASHSCOPEAPIKEY:您的 API 密钥,来自 https://modelstudio.console.alibabacloud.com DASHSCOPEBASEURL:(可选)兼容模式 API 的基础 URL。 - 北京:https://dashscope.aliyuncs.com/compatible-mode/v1 - 新加坡:https://dashscope-intl.aliyuncs.com/compatible-mode/v1 - 美国(弗吉尼亚):https://dashscope-us.aliyuncs.com/compatible-mode/v1 """from openai import OpenAIimport osapikey = os.environ.get("DASHSCOPEAPIKEY")if not apikey: raise ValueError( "DASHSCOPEAPIKEY is required. " "Set it via: export DASHSCOPEAPIKEY='your-api-key'" )client = OpenAI( apikey=apikey, baseurl=os.environ.get( "DASHSCOPEBASEURL", "https://dashscope-intl.aliyuncs.com/compatible-mode/v1", ),)messages = [{"role": "user", "content": "Write a Python function to merge two sorted linked lists."}]completion = client.chat.completions.create( model="qwen3.7-plus", messages=messages, extrabody={ "enablethinking": True, # "preservethinking": True, }, stream=True)reasoningcontent = ""answercontent = ""isanswering = Falseprint("\n" + "=" 20 + "Reasoning" + "=" 20 + "\n")for chunk in completion: if not chunk.choices: print("\nUsage:") print(chunk.usage) continue delta = chunk.choices[0].delta if hasattr(delta, "reasoningcontent") and delta.reasoningcontent is not None: if not isanswering: print(delta.reasoningcontent, end="", flush=True) reasoningcontent += delta.reasoningcontent if hasattr(delta, "content") and delta.content: if not isanswering: print("\n" + "=" 20 + "Answer" + "=" 20 + "\n") isanswering = True print(delta.content, end="", flush=True) answercontent += delta.content

多模态交互式混合智能体

Qwen3.7-Plus 具备多模态混合智能体能力,专为真实世界任务的闭环执行而设计。它不仅能理解视觉界面、感知屏幕内容、执行 GUI 交互和 CLI 操作,还能利用环境反馈进行代码生成、应用操控、测试、验证和迭代优化。通过将“观察、思考、编写、执行、验证”的完整工作流整合到统一的智能体循环中,它能够实现从初始理解到最终交付的复杂软件任务端到端自动化。

我们基于 Qwen3.7 构建了混合智能体系统,深度集成大语言模型的代码生成能力与 GUI 自动化执行,实现了从需求分析到版本迭代的全链路 APP 开发。该智能体连续稳定运行超过 11 小时,全自动完成了一款英语词汇学习 APP 的完整研发周期。它生成了超过 10000 行代码,触发了超过 1000 次智能体调用,并覆盖了软件开发生命周期的全部核心阶段:需求文档生成、自动化编码、安装部署、测试用例创建、基于 GUI 的自动化测试、多场景并行化测试、产品文档自动更新以及自主版本演进。

针对专业桌面应用场景,混合智能体系统深度融合了模型的图形界面感知与代码生成能力,可实现专业桌面应用的一键自主复刻。该智能体自主完成了原生 macOS 股票应用的高保真复刻,覆盖从需求理解到交付验证的完整流程:自主与原生应用交互以理解界面布局和功能细节,根据交互记录生成 SwiftUI 源代码,集成长桥真实市场 API 获取实时数据,自动编译并启动复刻应用,最后自主执行 10 项功能验证测试——包括实时行情加载、股票选择与切换、多周期视图切换、搜索筛选以及详细统计面板展示——全部通过。交付的应用忠实再现了原生股票应用的深色主题、分栏布局、实时市场数据及完整交互性。

视觉智能体#

Qwen3.7-Plus 可作为强大的视觉智能体,将视觉理解与工具使用相结合,解决复杂的视觉任务。通过与代码解释器集成,它能够分析图像以找出差异、补全缺失拼图块、解决滑块拼图、穿越迷宫以及组装拼图——全部通过自主生成并执行代码来完成。借助搜索增强功能,它还能利用网络知识对真实世界的视觉问题进行推理,并提供跨单图、多图和视频输入的多模态答案。

下面,我们展示几个示例,以演示 Qwen3.7-Plus 的多模态智能体能力。

多模态推理#

在多模态推理方面,我们引入代码执行以进一步增强模型的问题解决能力。模型首先理解视觉输入中的结构和约束,然后将视觉任务转化为可计算的表示,最后编写并执行代码来求解、搜索或验证答案。

在找不同、补全缺失方块、滑块拼图、迷宫和拼图等任务中,模型需要超越对视觉内容的识别。它还必须执行空间建模、路径搜索、状态模拟和结果验证。这些例子凸显了 Qwen3.7-Plus 从视觉感知迈向程序化问题解决的能力。

演示1 找不同

多模态搜索#

在搜索增强的视觉问答中,Qwen3.7-Plus 可以将图像、视频或多图像输入与网络搜索相结合,回答现实世界的知识性问题。模型首先从视觉输入中提取关键实体、场景、文本和上下文线索,然后通过搜索检索外部知识,最后将视觉证据与检索到的信息进行综合,生成答案。

这使得模型能够处理广泛领域的开放性问题,例如识别地点、理解事件背景、分析产品或物体,以及回答依赖最新知识的视觉问题。

演示1 现实世界视觉问答

视觉编程#

Qwen3.7-Plus 展示了强大的视觉到代码生成能力。它可以将图像、视频、UI 截图和设计参考转化为可执行代码,涵盖从 SVG 重建到完整网页生成的广泛场景。

图像/视频转 SVG#

在图像/视频转 SVG 任务中,模型需要理解视觉内容中的几何结构、颜色、布局、层级关系以及动态变化,然后在代码中精确地表达这些元素。这不仅需要视觉理解能力,还需要结构化表示和代码生成能力。

对于图标、插画、动画、平面设计和信息可视化,这一能力可以显著降低将视觉参考转化为可编辑代码资产的成本。

演示1 视觉转 SVG

请根据图像生成 SVG 代码。

Qwen3.7

视觉驱动网页设计#

在视觉驱动的网页设计中,Qwen3.7-Plus 能够根据视觉参考、视频素材或设计意图生成完整的交互式网页。该模型还可以使用生成工具来制作网页设计所需的素材。

它不仅能够复现参考页面的视觉风格,还能组织布局、编写前端代码、处理交互逻辑,并将多模态素材整合到最终页面中。这展示了 Qwen3.7-Plus 作为视觉编码助手的潜力:从“给定参考图像”到“生成可运行的网页原型”。

演示1:结合视频生成的网页设计

浏览器智能体#

基于 Qwen3.7-Plus 构建的浏览器智能体,通过嵌入 Chrome 的浏览器扩展 Qwen for Chrome 进行演示和录制。用户可以直接在浏览器侧边栏与 Qwen 交互,并在授权后将其切换为智能体模式。在此模式下,Qwen 能够感知当前网页、理解用户任务、规划后续步骤,并作为浏览器智能体在真实的浏览器环境中直接执行点击、输入、导航、配置和验证等操作。

通过这种设置,Qwen3.7 浏览器智能体将页面理解、任务规划和图形用户界面自动化整合在一起,在真实的网页工作环境中运行。当非技术用户提出购买最便宜 ECS 服务器的请求时,该智能体可以导航云控制台、比较实例选项、选择低成本配置、设置镜像、存储、安全组和订单详情,同时在价格变动、库存有限或出现购买限制时动态调整策略。在后续任务中,该智能体进一步处理实例的扩缩容与维护,完成关机、配置更新、磁盘扩容、服务恢复和最终验证。这一场景涵盖了从服务器购买到升级的真实云工作流程,将复杂的控制台操作转变为连续、高效且可交付的浏览器自动化任务。

真实世界感知与推理#

Qwen3.7-Plus 在真实世界感知和多模态推理方面也展现出强劲性能。真实场景往往比标准的视觉问答复杂得多,可能涉及遮挡、杂乱背景、小目标、多实体间的关系、跨图像比较以及隐含的物理常识。

要可靠地回答这些问题,模型必须首先稳健地识别视觉细节,然后将它们与空间关系、常识知识和逻辑推理结合起来。

演示1:真实世界计数

编码助手#

Qwen3.7-Plus 与主流智能体框架和编码助手无缝集成:

Claude Code#

Qwen API 支持 Anthropic API 协议,可直接与 Claude Code 配合使用:

npm install -g @anthropic-ai/claude-code export ANTHROPICMODEL="qwen3.7-plus"export ANTHROPICSMALLFASTMODEL="qwen3.7-plus"export ANTHROPICBASEURL=https://dashscope-intl.aliyuncs.com/apps/anthropic export ANTHROPICAUTHTOKEN= claude

OpenClaw#

通过 Model Studio 连接 OpenClaw:

curl -fsSL https://molt.bot/install.sh | bash export DASHSCOPEAPIKEY= openclaw dashboard

配置 ~/.openclaw/openclaw.json:

{ "models": { "mode": "merge", "providers": { "modelstudio": { "baseUrl": "https://dashscope-intl.aliyuncs.com/compatible-mode/v1", "apiKey": "DASHSCOPEAPIKEY", "api": "openai-completions", "models": [ { "id": "qwen3.7-plus", "name": "qwen3.7-plus", "reasoning": true, "input": ["text"], "contextWindow": 1000000, "maxTokens": 65536 } ] } } }, "agents": { "defaults": { "model": { "primary": "modelstudio/qwen3.7-plus" } } }}

Qwen Code#

Qwen Code 针对 Qwen 系列进行了深度优化:

npm install -g @qwen-code/qwen-code@latest qwen

Qwen3.7-Plus 是我们能力最强的多模态智能体模型,它将视觉理解与语言推理统一到一个通用的智能体基础之上。它作为一个多模态交互式混合智能体运行——能够感知真实世界场景、操作图形界面、根据视觉参考编写代码,并在 GUI 和 CLI 两种环境中完成端到端任务。作为一款通用的编码智能体和生产力助手,它能够处理从前端原型设计到复杂软件工程以及多步骤工作流自动化的全范围任务。它能够跨多种智能体框架进行泛化,无论通过 Claude Code、OpenClaw、Qwen Code 还是其他框架部署,都能保持一致的性能表现。我们欢迎社区反馈,并期待看到大家的创作成果。

@misc{qwen37plus, title = {{Qwen3.7-Plus}: 多模态智能体智能}, url = {https://qwen.ai/blog?id=qwen3.7-plus}, author = {{Qwen 团队}}, month = {5 月}, year = {2026}}