最新版通义千问（Qwen3.7-Plus）功能介绍

2026-08-06 47

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 作为通义千问3.7系列的中端主力旗舰，Qwen3.7-Plus以35B稠密参数架构为核心，定位“高性价比多模态智能体基座”，彻底打破传统多模态模型“只能看懂、无法做事”的局限。它原生统一文本、图片、截图、短视频、网页五大输入形态，打通GUI可视化界面与CLI命令行双操作环境，实现“看、想、写、做、验”全流程闭环，在全球多模态评测榜单跻身前五、国产榜单登顶，标志国产多模态AI从“内容解析”迈向“自主执行”的关键跨越。相比同系列旗舰Max，它以更轻量化的参数、更低的使用成本，实现了接近旗舰的多模态与智能体能力，成为个人开发者、中小企业与行业数字化场景的首选AI基座。

作为通义千问3.7系列的中端主力旗舰，Qwen3.7-Plus以35B稠密参数架构为核心，定位“高性价比多模态智能体基座”，彻底打破传统多模态模型“只能看懂、无法做事”的局限。它原生统一文本、图片、截图、短视频、网页五大输入形态，打通GUI可视化界面与CLI命令行双操作环境，实现“看、想、写、做、验”全流程闭环，在全球多模态评测榜单跻身前五、国产榜单登顶，标志国产多模态AI从“内容解析”迈向“自主执行”的关键跨越。相比同系列旗舰Max，它以更轻量化的参数、更低的使用成本，实现了接近旗舰的多模态与智能体能力，成为个人开发者、中小企业与行业数字化场景的首选AI基座。

一、核心架构：35B稠密设计，平衡性能与落地效率

Qwen3.7-Plus采用35B稠密参数架构，区别于旗舰Max的万亿级MoE稀疏设计，这种架构让模型在保持强大能力的同时，拥有更稳定的推理性能、更低的算力消耗与更亲民的使用成本，完美适配大规模落地场景。模型预训练数据量高达36万亿Tokens，覆盖119种语言，涵盖文本、图像、视频、代码、专业文档等多元数据，构建了深厚的知识与能力底座。详情👉访问阿里云百炼大模型服务平台页面了解。

在上下文处理能力上，Qwen3.7-Plus支持100万Tokens超大上下文窗口，最长可输出64万Tokens内容，相当于可一次性完整处理整本书籍、整套项目源码、数百页行业报告或长篇合同，无需拆分分段，大幅提升长文档处理效率。同时，模型内置高效缓存机制，可缓存长上下文请求的公共前缀，减少重复计算，进一步提升响应速度并降低使用成本。

技术层面，Qwen3.7-Plus延续通义千问系列的双推理机制，支持思考模式与快速模式自由切换。思考模式适用于复杂推理、代码开发、高精度文档解析等场景，模拟人类分步思考、逐层推演、自主校验，确保输出精准可靠；快速模式则针对轻量化批量生成、日常问答等场景，精简推理链路，响应速度提升2倍，同等额度调用量可翻2-3倍，让用户在精度与效率间自由取舍。

二、核心能力：四大维度突破，实现多模态全链路执行

（一）多模态统一理解：从图文到视频，全域感知无死角

Qwen3.7-Plus是通义千问系列中唯一同时支持文本、图片、视频三种模态的主力模型，原生实现多模态信息的统一编码与深度理解，无需依赖外部插件。在视觉处理方面，单图支持1600万像素高清输入，一次最多可处理2048张图片，可精准识别图像中的文字、图表、场景、界面、工程图纸等复杂内容，OCR准确率与视觉推理能力位居全球前列。详情👉访问阿里云百炼大模型服务平台页面了解。

针对视频内容，模型最长支持2小时视频输入，可同时处理64个视频素材，实现关键帧提取、内容理解、人物追踪、事件梳理、字幕生成等全流程处理，可围绕人物、事件、时间、场景构建视频记忆，精准解析长视频中的复杂逻辑与信息关联。此外，模型还支持音频输入，可完成语音转文字、情感分析、内容摘要、语音指令理解等功能，真正实现“能看、能听、能理解”的全模态感知。

（二）GUI+CLI混合操作：从屏幕到命令，自主执行闭环

Qwen3.7-Plus最核心的突破，是成为国内首款实现“看图识屏+自主操控+代码执行”一体化的混合智能体，打通GUI可视化界面与CLI命令行双操作环境，让AI从“被动问答”升级为“主动执行”。它能精准识别桌面端、移动端的各类界面，定位按钮、输入框、菜单等控件，理解界面逻辑与交互规则，自主规划操作步骤并执行多步骤任务，例如自动操作APP完成注册、下单、数据导出等流程。

同时，模型可无缝衔接CLI命令行操作，根据视觉内容或文本指令，自动生成Shell、Python、SQL等命令并执行，实现从界面操作到系统命令的全链路打通。在实测案例中，模型曾稳定运行11小时，自主完成从需求分析、界面设计、代码编写到测试部署的全流程，生成超过1万行代码，独立交付完整的英语学习APP，展现出强大的长程自主执行能力。

（三）全栈视觉编程：从草图到项目，视觉到代码一键转化

视觉编程是Qwen3.7-Plus的差异化核心优势，也是同价位模型中独有的能力。它可直接根据产品草图、界面截图、设计稿等视觉素材，自动生成完整的前端代码（HTML/CSS/JavaScript）、后端逻辑、数据库设计与接口文档，实现从视觉灵感到可执行代码的端到端转化。无论是简单的网页原型、复杂的管理系统界面，还是SVG动画、交互式组件，模型都能精准还原视觉设计，并生成可直接运行的工程代码。

模型内置Code Interpreter工具，可直接执行生成的代码，输出运行结果并进行调试优化，支持复杂算法验证、数据可视化与功能测试。以下是通过DashScope API调用Qwen3.7-Plus视觉编程能力的示例代码：

import os
import dashscope

# 配置API密钥与基础URL
dashscope.api_key = os.getenv("DASHSCOPE_API_KEY")
dashscope.base_http_api_url = "https://dashscope.aliyuncs.com/api/v1"

# 多模态输入：界面截图+文本指令
messages = [
    {
   
        "role": "user",
        "content": [
            {
   "image": "https://example.com/admin-panel-screenshot.png"},  # 后台管理界面截图
            {
   "text": "根据这张后台管理界面截图，生成完整的HTML+CSS+JavaScript代码，实现页面布局与基础交互功能"}
        ]
    }
]

# 调用多模态对话接口，开启代码解释器
response = dashscope.MultiModalConversation.call(
    model="qwen3.7-plus",
    messages=messages,
    extra_body={
   
        "enable_code_interpreter": True,
        "enable_thinking": True  # 开启思考模式，保证代码精准性
    }
)

# 输出生成的代码
print(response.output.choices[0].message.content[0]["text"])

此外，模型支持函数调用功能，可将大模型与外部工具、API接口、数据库无缝连接，实现代码与真实业务系统的联动开发，满足企业级工程化需求。

（四）长程智能体自治：35小时自主运行，千次工具调用

Qwen3.7-Plus具备强大的长程任务自主规划与闭环迭代能力，官方标称可实现35小时自治运行，支持1000+次顺序工具调用，无需人工频繁干预。它能自主拆解复杂任务目标，制定详细执行计划，根据任务需求动态调用代码解释器、联网搜索、文件处理、界面操作等工具，完成子任务后自动验证结果，发现问题并优化方案，形成完整的任务执行闭环。

在复杂推理领域，Qwen3.7-Plus表现同样出色。在AIME数学竞赛测试中，它与旗舰Max答对相同数量的题目，但单题耗时仅113秒，比Max的303秒快近3倍，展现出稠密架构在推理效率上的优势。模型可精准求解复杂数学题、进行逻辑推演、分析科研数据、制定决策方案，思考模式下可展示完整推理步骤，大幅降低幻觉生成率，确保输出结果的可靠性与可追溯性。

三、应用场景：全领域覆盖，赋能各行业数字化升级

（一）软件开发与IT运维

为开发者提供全栈开发支持，从需求文档生成、架构设计、代码编写到测试部署，一站式完成项目交付；可根据界面草图自动生成前端代码，辅助后端逻辑开发、数据库设计与接口文档编写；在IT运维场景，可分析系统日志、定位故障原因、生成运维脚本，实现智能运维自动化，大幅提升开发与运维效率。

（二）企业办公与自动化

助力企业实现办公流程智能化，自动处理合同审阅、财报分析、报表生成、会议纪要整理等工作；可自动操作办公软件完成数据录入、格式转换、内容汇总等重复任务；作为智能办公助手，整合协作工具，实现任务自动分配、进度跟踪与结果汇总，提升企业办公效率与数字化水平。

（三）内容创作与多媒体制作

支持文本、图像、视频的全模态内容创作，自动生成营销文案、短视频脚本、新闻稿件、小说故事；可根据图文素材自动剪辑视频、生成字幕与配音；在设计领域，辅助UI设计、海报制作、插画生成，满足多样化内容生产需求，降低内容创作门槛。

（四）行业数字化与专业服务

在金融领域，提供量化策略编写、风险评估、投资分析、财报解读等服务；在法律领域，辅助合同起草、法律条文检索、案件分析、法律文书生成；在教育领域，可根据教材内容生成教案、习题、课件，辅助个性化教学；在医疗领域，辅助医学文献分析、病例解读、医疗报告生成，提升专业服务效率与准确性。

（五）智能体与自动化系统

作为智能体基座，可部署于各类自动化系统，实现从感知、决策到执行的全流程自主化。例如，在电商场景中，自主完成市场分析、选品、定价、营销、订单处理、复盘优化；在工业场景中，辅助设备监控、故障诊断、生产流程优化；在智能家居场景中，实现多设备联动控制与场景自动化，推动各行业智能化升级。

四、使用方式：多入口接入，快速上手模型能力

Qwen3.7-Plus提供多种接入方式，满足不同用户的使用需求，无论是个人体验还是企业级集成，都能快速上手：

网页端直接体验：访问通义千问官网，选择Qwen3.7-Plus模型，即可直接进行文本、图像、视频交互，无需开发基础，适合个人用户快速体验模型的多模态与智能体能力。
API接口调用：通过DashScope API接入，支持Python、Node.js等多种SDK，兼容OpenAI协议，方便开发者快速集成到自有应用中。获取API Key后，配置环境变量即可调用，以下是基础文本生成与多模态调用的示例代码：
```python
基础文本生成示例（兼容OpenAI SDK）
import os
from openai import OpenAI

client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)

response = client.chat.completions.create(
model="qwen3.7-plus",
messages=[{"role": "user", "content": "分析Qwen3.7-Plus在企业数字化转型中的核心应用价值"}]
)

print(response.choices[0].message.content)

多模态对话示例（DashScope原生SDK）

import dashscope

dashscope.api_key = os.getenv("DASHSCOPE_API_KEY")

messages = [
{
"role": "user",
"content": [
{"image": "https://example.com/product-chart.png"}, # 产品数据图表
{"text": "分析这张图表中的数据趋势，并生成一份数据报告"}
]
}
]

response = dashscope.MultiModalConversation.call(
model="qwen3.7-plus",
messages=messages
)

print(response.output.choices[0].message.content[0]["text"])
```

企业级智能体平台：配套千问办公平台，将本地电脑操作、云端长任务与企业协作整合，提供可视化任务管理、专家套件、定时任务等功能，适合企业团队部署智能体应用，实现规模化自动化办公。

五、总结：Qwen3.7-Plus，高性价比多模态智能体的最优解

Qwen3.7-Plus以35B稠密参数架构、100万Tokens上下文、全模态统一输入与GUI+CLI混合操作能力，构建了高性价比多模态智能体的全新标杆。它跳出传统多模态模型的局限，实现从“看懂内容”到“自主做事”的跨越，以接近旗舰的能力、更低的成本，为个人开发者、中小企业与各行业提供强大的AI生产力支撑。

无论是软件开发、企业办公、内容创作还是行业数字化，Qwen3.7-Plus都能提供端到端的解决方案，助力用户快速实现智能化升级。随着模型能力的持续迭代与生态的不断完善，Qwen3.7-Plus将成为多模态AI落地的主流选择，推动通用人工智能在各领域的规模化应用，开启智能体时代的全新发展阶段。