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 平台端庄晓示发布Qwen3.7-Plus。这是一个多模态 Agent 模子，官方表述是"将视觉与谈话挽救为一体化智能体基座"。
团队用一句话来综合了它的产物定位："一个模子，能看、能念念、能写代码、能行为。"
用 Qwen3.7-Plus 作念 App、复刻股票利用不在话下。千问官方博客显露，基于 Qwen3.7-Plus 构建的 Hybrid-Agent 系统，曾一语气结实来源 11 小时以上，自动完成一款英语单词学习 App 的完竣研发闭环。Hybrid-Agent 系统还自主完成了 macOS 原生 Stocks 股市利用的高保真复刻。而模子屏幕清楚得分 79，也跳动 GPT-5.4 和 Gemini-3.1 Pro。
而千问此次发布的期间点颇为奥密。就在前一天，MiniMax 刚刚推出新一代旗舰开源模子 M3，声称同期已毕顶尖编程本事、1M 超长陡立文与原生多模态。两家在团结周内密集发布，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、念念、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，是把视觉清楚和任务扩充真确连在了一王人。
官方博客描摹，这个模子能 "感知真实宇宙场景、读取屏幕并操作 GUI、基于视觉参考生成代码、端到端导航挪动利用"，并在单一智能体轮回中无缝交融 GUI 与 CLI 交互。
这里有两个要道词：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 等于号令行，比如工程师用来装配依赖、来源测试、部署办事的玄色窗口。
浅陋说：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，清楚手机 App 或网页界面里哪个按钮该点；也不错看一张设想图，然青年景 SVG、网页或前端原型；还不错在号令行里跑代码、看报错、再改代码。
一语气跑 11 小时，建筑一个英语单词学习 App
对于 Qwen3.7-Plus 具体能作念什么：官方给了几个很产物化的演示。
Qwen 官方博客称，基于 Qwen3.7-Plus 构建的 Hybrid-Agent 系统，一语气结实来源 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：生成代码跳动 10000 行，触发 Agent 调用跳动 1000 次，掩盖需求文档生成、代码自动编写、自动化装配部署、测试用例创建、GUI 自动化测试、多场景并行测试、产物表现自动更新和版块迭代。
这个案例的要道点不在于"写了几许代码"，而在于链路够长。一个真实软件任务经常不是一次生成代码就终局，还要装配、来源、测试、改 Bug、再考据。官方演示念念强调的恰是这种长经过本事。
复刻炒股 APP，还接入真实行情 API
2026世界杯滚球中国官网入口另一个官决策例是，平直作念一个炒股 APP。
Qwen 官方博客称，Hybrid-Agent 系统自主完成了 macOS 原生 Stocks 股市利用的高保真复刻。经过包括：交互原生利用并清楚 UI 布局和功能细节，基于交互记载生成 SwiftUI 源码，接入 LongBridge 真实行情 API 得回及时商场数据，自动编译构建并启动复刻利用。
模子自主扩充了 10 项功能考据测试，推行包括及时行情加载、股票选拔与切换、多周期视图切换、搜索过滤和谨慎数据面板展示等，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，而是依次会行情 App 的结构、数据源和交互逻辑，再把它作念成一个不错来源的桌面利用。
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 截图和设想参考升沉为可扩充代码，掩盖 SVG 复现到完竣网页生成。
在图像 / 视频转 SVG 任务中，模子需要识别几何结构、热沈、布局、层级联系和动态变化，再用代码抒发出来。对于图标、插画、动效、图形设想和信息可视化，这类本事的产物价值在于：把"看见的参考图"形成"可剪辑的代码财富"。
在网页设想任务中，尊龙凯时官方网站模子不仅要复现页面立场，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 不错动作视觉 Agent，把视觉清楚和器具使用贯串起来，责罚找不同、补图块、华容谈、走迷宫、拼拼图等任务。
这里的经过不是"看一眼给谜底"。模子会先清楚图像结构和管制，再把视觉问题转成可缠绵的问题默示，然后自主编写并扩充代码进行求解、搜索或考据。
跑分怎样看：屏幕清楚跑赢 GPT-5.4，但不是扫数面貌都第一
在多模态基准测试上，Qwen3.7-Plus 有几个数字值得关心：
屏幕清楚和挪动端操控：ScreenSpot Pro 得分 79.0，高于 GPT-5.4（67.4）和 Gemini 3.1 Pro（68.1）；AndroidWorld 得分 81.0，一样跳动 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，跳动 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，在这一赛谈上与 Opus-4.6 Max 基本执平。
图表识别：CharXiv ( RQ ) 得分 85.9，为扫数参与对比模子中最高。
纯文本本事方面，官方默示 Qwen3.7-Plus" 合座接近 Max 级别模子 "。
在 Terminal Bench 2.0 上得分 70.3，跳动 Opus-4.6 Max（65.4）、K2.6 Thinking（66.7）和 DeepSeek-V4-Pro Max（67.9）。
在 Deep-Planning（复杂多步计算）上得分 62.3，一样最先同级别模子。
不外也有弱项。
在 SWE-Verified（真实软件工程任务）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）。
网友怎样看？
Qwen 官方账号 @Alibaba_Qwen 于 6 月 2 日凌晨 1:54 发布公告，合作 Demo 视频展示了多模态羼杂 Agent 的操作过程。戒指发文，该推文阅读量已达 20 万。
X 网友默示，Qwen3.7-Plus 模子不仅要濒临各式屏幕，还要操作各种器具，并搪塞狼藉的职责经过。
还有网友默示，Qwen 此次的布置很显著，等于往 Agent 和 GUI 操控上押注，这个想法当今是对的。
多个网友默示，Qwen 将"看、念念、写、作念"集成于一个模子，确凿太便捷了。简直是"集成了一套职工系统！"
接洽驳斥中，不少时刻用户关心的要点围聚在两个想法：
一是 ScreenSpot Pro 的 79 分——这被不少东谈主以为是 "GUI Agent 能否真确商用 " 的要道门槛方针，Qwen3.7-Plus 刻下是参测模子中的最高分；
二是 Kernel Bench L3 的 98% ——这个方针预计的是模子优化 GPU 缠绵中枢的本事，98% 意味着险些扫数问题都能产出杰出 PyTorch 默许编译器的决策。有效户指出，这个想法昔日险些是专科工程师的 " 禁区 "。
与 MiniMax M3 的横向对比
两款模子险些同期发布，定位有所不同。
MiniMax M3 主绽开源，时刻敷陈和模子权重容或在 10 天内公开，中枢互异化是 1M 超长陡立文（M3 在 1M 陡立文下每 token 缠绵量唯有上代的 1/20）和极强的长线程 Agent 本事（147 次 benchmark 提交、1959 次器具调用完成 FP8 矩阵乘优化）。
MiniMax 团队让 M3 寂然复现一篇 ICLR 2025 获奖论文。该任务需要看懂图文、弧线、数据和公式，也需要长陡立文装入论文、代码和实验日记，还需要编程和 Agent 本事完成复现。M3 自主来源接近 12 小时，最终跑通中枢实验。
Qwen3.7-Plus 刻下仅提供 API 调用，不开源权重，中枢互异化是多模态与 GUI 操作本事的深度整合，以及对主流建筑框架的即插即用兼容性。
两者在编程 Agent 本事上存在平直竞争，但侧要点不同：M3 更强调长陡立文下的自主科研和代码优化本事，Qwen3.7-Plus 更强调视觉感知与界面操作的端到端闭环。
接洽阿谀：
https://x.com/Alibaba_Qwen/status/2061506641120641494
https://qwen.ai/blog?id=qwen3.7-plus
https://chat.qwen.ai/?models=qwen3.7-plus尊龙凯时2026世界杯中国官网