MiniMax M3 模子昨日刚炸场，阿里千问又发布了一个强到可怕的新"怪物"。
6 月 2 日，阿里云通义千问团队在 X 平台注意晓谕发布Qwen3.7-Plus。这是一个多模态 Agent 模子，官方表述是"将视觉与言语长入为一体化智能体基座"。
团队用一句话来概述了它的居品定位："一个模子，能看、能思、能写代码、能行为。"
用 Qwen3.7-Plus 作念 App、复刻股票愚弄不在话下。千问官方博客显露，基于 Qwen3.7-Plus 构建的 Hybrid-Agent 系统，曾一语气踏实启动 11 小时以上，自动完成一款英语单词学习 App 的圆善研发闭环。Hybrid-Agent 系统还自主完成了 macOS 原生 Stocks 股市愚弄的高保真复刻。而模子屏幕意会得分 79，也跨越 GPT-5.4 和 Gemini-3.1 Pro。
而千问此次发布的时辰点颇为神秘。就在前一天，MiniMax 刚刚推出新一代旗舰开源模子 M3，声称同期终结顶尖编程才气、1M 超长高下文与原生多模态。两家在吞并周内密集发布，国内大模子开源竞赛愈发尖锐化。
Qwen3.7-Plus 的订价为：输入 $0.4/ 百万 token，输出 $1.6/ 百万 token。
"看、思、写、作念"买通了：一个模子看屏幕、写代码、操作 App
Qwen3.7-Plus 的中枢看点，是把视觉意会和任务践诺确凿连在了一齐。
官方博客刻画，这个模子能 "感知确凿寰球场景、读取屏幕并操作 GUI、基于视觉参考生成代码、端到端导航转移愚弄"，并在单一智能体轮回中无缝和会 GUI 与 CLI 交互。
这里有两个关节词：GUI 和 CLI。GUI 等于图形界面，比如网页按钮、手机 App 菜单、桌面软件窗口。CLI 等于大叫行，比如工程师用来安设依赖、启动测试、部署处事的玄色窗口。
浅易说：它不仅仅 " 看懂图片 "，而是能看懂你的手机屏幕或电脑界面，然后我方点击、输入、跳转，把任务作念完。
比如，它不错读取屏幕，意会手机 App 或网页界面里哪个按钮该点；也不错看一张想象图，然青年景 SVG、网页或前端原型；还不错在大叫行里跑代码、看报错、再改代码。
一语气跑 11 小时，缔造一个英语单词学习 App
对于 Qwen3.7-Plus 具体能作念什么：官方给了几个很居品化的演示。
Qwen 官方博客称，基于 Qwen3.7-Plus 构建的 Hybrid-Agent 系统，一语气踏实启动 11 小时以上，自动完成一款英语单词学习 App 的研发闭环。
细节包括：生成代码跨越 10000 行，触发 Agent 调用跨越 1000 次，诡秘需求文档生成、代码自动编写、自动化安设部署、测试用例创建、GUI 自动化测试、多场景并行测试、居品讲明自动更新和版块迭代。
这个案例的关节点不在于"写了若干代码"，而在于链路够长。一个确凿软件任务延续不是一次生成代码就终结，还要安设、启动、测试、改 Bug、再考据。官方演示思强调的恰是这种长经过才气。
复刻炒股 APP，还接入确凿行情 API
另一个官决策例是，平直作念一个炒股 APP。
AG真人国际厅中国官网Qwen 官方博客称，Hybrid-Agent 系统自主完成了 macOS 原生 Stocks 股市愚弄的高保真复刻。经过包括：交互原生愚弄并意会 UI 布局和功能细节，基于交互纪录生成 SwiftUI 源码，接入 LongBridge 确凿行情 API 取得及时市集数据，自动编译构建并启动复刻愚弄。
模子自主践诺了 10 项功能考据测试，执行包括及时行情加载、股票选拔与切换、多周期视图切换、搜索过滤和属目数据面板展示等，且全部通过。
这个演示更直不雅：模子不是只生成一个静态页面，而是要意会行情 App 的结构、数据源和交互逻辑，再把它作念成一个不错启动的桌面愚弄。
看图写代码：图像 / 视频转 SVG，也能生成网页原型
Qwen 官方博客称，Qwen3.7-Plus 不错将图像、视频、UI 截图和想象参考转机为可践诺代码，诡秘 SVG 复现到圆善网页生成。
在图像 / 视频转 SVG 任务中，模子需要识别几何结构、情势、布局、层级关系和动态变化，再用代码抒发出来。对于图标、插画、动效、图形想象和信息可视化，这类才气的居品价值在于：把"看见的参考图"造成"可剪辑的代码钞票"。
在网页想象任务中，百家乐软件APP下载安装2026最新版模子不仅要复现页面作风，还要组织布局、写前端代码、处理交互逻辑，并把多模态素材整合进最终页面。
同期，Qwen3.7-Plus 不错四肢视觉 Agent，把视觉意会和器具使用结合起来，处置找不同、补图块、华容说念、走迷宫、拼拼图等任务。
这里的经过不是"看一眼给谜底"。模子会先意会图像结构和管理，再把视觉问题转成可臆想的问题暗示，然后自主编写并践诺代码进行求解、搜索或考据。
跑分奈何看：屏幕意会跑赢 GPT-5.4，但不是系数情势齐第一
在多模态基准测试上，Qwen3.7-Plus 有几个数字值多礼贴：
屏幕意会和转移端操控：ScreenSpot Pro 得分 79.0，高于 GPT-5.4（67.4）和 Gemini 3.1 Pro（68.1）；AndroidWorld 得分 81.0，一样跨越 Gemini 3.1 Pro（70.7）和 Opus-4.6 Max（62.0）。
数学视觉推理：MathVision 得分 90.3，接近 GPT-5.4 的 91.0，跨越 Gemini 3.1 Pro 的 87.4。
搜索增强视觉问答：SimpleVQA 得分 81.7，WorldVQA 得分 61.1，在这一赛说念上与 Opus-4.6 Max 基本抓平。
图表识别：CharXiv ( RQ ) 得分 85.9，为系数参与对比模子中最高。
纯文本才气方面，官方暗示 Qwen3.7-Plus" 合座接近 Max 级别模子 "。
在 Terminal Bench 2.0 上得分 70.3，跨越 Opus-4.6 Max（65.4）、K2.6 Thinking（66.7）和 DeepSeek-V4-Pro Max（67.9）。
在 Deep-Planning（复杂多步筹画）上得分 62.3，一样率先同级别模子。
不外也有弱项。
在 SWE-Verified（确凿软件工程任务）上得分 77.7，低于 Opus-4.6 Max（80.8）和 DeepSeek-V4-Pro Max（80.6）；在 HLE（极难推理）上得分 34.7，低于 GPT-5.4（40.0）。
网友奈何看？
Qwen 官方账号 @Alibaba_Qwen 于 6 月 2 日凌晨 1:54 发布公告，调和 Demo 视频展示了多模态搀杂 Agent 的操作过程。放荡发文，该推文阅读量已达 20 万。
X 网友暗示，Qwen3.7-Plus 模子不仅要濒临多样屏幕，还要操作种种器具，并冒昧参差的责任经过。
还有网友暗示，Qwen 此次的打发很明晰，等于往 Agent 和 GUI 操控上押注，这个标的目下是对的。
多个网友暗示，Qwen 将"看、思、写、作念"集成于一个模子，实在太便捷了。简直是"集成了一套职工系统！"
关系批驳中，不少手艺用户体恤的重心联结在两个标的：
一是 ScreenSpot Pro 的 79 分——这被不少东说念主以为是 "GUI Agent 能否确凿商用 " 的关节门槛意见，Qwen3.7-Plus 目下是参测模子中的最高分；
二是 Kernel Bench L3 的 98% ——这个意见计算的是模子优化 GPU 臆想中枢的才气，98% 意味着简直系数问题齐能产出相当 PyTorch 默许编译器的决策。有效户指出，这个标的曩昔简直是专科工程师的 " 禁区 "。
与 MiniMax M3 的横向对比
两款模子简直同期发布，定位有所不同。
MiniMax M3 主掀开源，手艺敷陈和模子权重应承在 10 天内公开，中枢互异化是 1M 超长高下文（M3 在 1M 高下文下每 token 臆想量独一上代的 1/20）和极强的长线程 Agent 才气（147 次 benchmark 提交、1959 次器具调用完成 FP8 矩阵乘优化）。
MiniMax 团队让 M3 孤独复现一篇 ICLR 2025 获奖论文。该任务需要看懂图文、弧线、数据和公式，也需要长高下文装入论文、代码和实验日记，还需要编程和 Agent 才气完成复现。M3 自主启动接近 12 小时，最终跑通中枢实验。
Qwen3.7-Plus 目下仅提供 API 调用，不开源权重，中枢互异化是多模态与 GUI 操作才气的深度整合，以及对主流缔造框架的即插即用兼容性。
两者在编程 Agent 才气上存在平直竞争，但侧重心不同：M3 更强调长高下文下的自主科研和代码优化才气，Qwen3.7-Plus 更强调视觉感知与界面操作的端到端闭环。
关系联结：
https://x.com/Alibaba_Qwen/status/2061506641120641494
https://qwen.ai/blog?id=qwen3.7-plus
https://chat.qwen.ai/?models=qwen3.7-plus百家乐软件APP下载安装2026最新版