梦晨 发自 凹非寺
量子位 | 公众号 QbitAI
带多模态的Agent模型，真就了不起。
一句话，十几分钟，仿写一个网页版MacOS界面。
每个应用都能点进去，终端输入命令还能返回结果我是最服气的。
这就是阿里上新的Qwen-3.7 Plus，多模态交互式混合Agent。
多模态能力加入Vibe Coding
Qwen3.7-Plus把视觉和语言能力放进同一个底座，同时保留代码、工具使用。这些智能体能力。
它能感知现实场景，读屏并操作 GUI，从视觉参考里写代码，端到端导航App，还能结合网页知识回答视觉问题。
以前很多模型擅长单点能力，看图归看图，写代码归写代码，浏览网页归浏览网页。
Qwen3.7-Plus 想把它们放进同一个循环。
这也是“Hybrid”（混合）的含义。
官方展示里，最突出的是一个长程App研发任务。
团队基于Qwen3.7 构建的Hybrid-Agent系统，连续稳定运行超过 11 小时，自动完成一个英语词汇学习App的完整研发周期。
覆盖需求文档生成、自动编码、安装部署、测试用例创建、GUI 自动化测试、多场景并行测试、产品文档更新，以及自主版本演进。
10000+行代码，1000+次Agent调用。
另一个桌面应用开发案例是复刻了原生macOS Stocks App。
智能体先和原生应用交互，理解UI布局和功能细节，再生成SwiftUI源码，接入真实行情API，自动编译并启动复刻应用。
它还做了10项功能验证，包括实时行情加载、股票选择和切换、多周期视图切换、搜索过滤、详细统计面板展示等。
这10项都通过了。
Qwen3.7-Plus的基准测试环境配置有详细披露：
Terminal Bench 2.0使用Harbor/Terminus-2 harness，5小时超时，12核CPU/24GB内存，温度1.0，最大token数80K，上下文256K，取5次运行均值，每轮开头预置一个think token让模型自行决定是否启动深度思考；
Kernel Bench L3每个测试样本在独立Docker容器中运行，配备一块H100 80GB GPU，限制500次工具调用，连续100轮无改进则提前停止，并使用GPT-5.4检测潜在的作弊行为。
结果如何？
代码任务，各家模型表现已经非常接近，只有长程代码任务还能拉开一点差距。
通用智能体任务，Qwen 3.7 Plus基本也在第一梯队。
到了多模态任务，就是Qwen 3.7 Plus的强项了。
Qwen3.7-Plus提供API调用，支持文本和图像/视频混合输入，并提供“preserve_thinking”功能，
在多轮对话的消息中保留每一轮的思考内容，官方推荐在智能体任务中开启此功能。
模型兼容OpenAI规范的chat completions和responses API。
在跨框架泛化方面，Qwen3.7-Plus在Claude Code、OpenClaw、Qwen Code等不同Agent框架中均能稳定运行，无需为特定框架做适配。
不过还是有大量开发者希望能继续像Qwen之前的模型一样开放权重，在本地部署。
— 欢迎AI产品从业者共建 —
一键关注 👇 点亮星标
