编程与GUI双向通吃!Qwen3.7-Plus 登场，11小时自主闭环开发真实APP
- 发布多模态混合智能体—阿里发布Qwen3.7-Plus，在文本基础上增强视觉-语言能力，无缝融合GUI与CLI交互，实现从原型到软件工程的端到端自动化。
- Vision Arena跻身全球前五—凭借Qwen3.7-Plus强劲表现，阿里在权威视觉模型榜单Vision Arena中排名全球前五、中国第一。
- 三大核心技术能力—模型将“看、想、写、做、验”整合，在纯文本推理Agent、多模态视觉编程、真实世界视频理解三大方向表现顶尖。
- 真实应用案例展示—Hybrid-Agent系统持续运行11+小时，自主调用超1000次、生成超10000行代码，完成APP全链路开发，并能复刻桌面应用和自主运维云控制台。
阿里新模型自己写了个APP，全程没碰键盘
阿里昨天把 Qwen3.7-Plus 扔上线了——这个多模态大模型在 Qwen3.7 的文本底子上，硬塞进了“看、想、写、做、验”的全套技能，还能无缝混用图形界面和命令行，直接从前端原型怼到软件工程闭环。结果 Vision Arena 榜单上阿里冲进全球前五，中国第一。
三大硬核技能
纯文本与推理 Agent 有开发者试了说，在 Terminal Bench 2.0、SWE-bench 和 SciCode 这些魔鬼级软件工程和科学编程任务里，Qwen3.7-Plus 跑分很猛；GPQA Diamond 这类高难度 STEM 推理基准上，它排在 Plus 级别模型的第一梯队。
多模态推理与视觉编程 群里在传，这货能看懂图片、视频、UI 截图，然后直接吐可执行代码——比如把 SVG 还原成交互网页，或者根据一张截图自动写 HTML。BabyVision 这种空间建模任务上，表现明显比之前好一截。
真实世界感知与视频理解 文档解析、高级 OCR、长短视频事件流理解全包了。有测试者在 LingoQA 驾驶场景评测里发现，它对动态空间关系的把握挺准，比如路况变化能跟着理解。
真实应用场景：现场直接复刻macOS股市App
群里疯传的几个演示案例，一个比一个离谱：
-
APP全链路自主开发 一群工程师让 Hybrid-Agent 系统自己搞了个英语单词学习 APP。结果它从需求文档开始，到写代码、测试、部署，全程无人工干预，持续跑了11+小时，触发调用超 1000次，自主生成超 10,000行代码——相当于一个人不吃不喝通宵写完一本小书。
-
桌面应用高保真复刻 智能体自己打开 macOS 原生“股市”App，截图分析布局，然后自动写 SwiftUI 代码，还接入了真实行情 API。最后跑 10项功能验证测试，全部通过，连暗色主题和交互体验都完美复刻。有开发者看了说：“这比我招的实习生快。”
-
云控制台无人值守运维 基于 Qwen3.7-Plus 做的“Qwen for Chrome”浏览器插件，能听懂非专业用户的话，比如“给我配个便宜点的服务器”，然后自己进阿里云控制台比价、选型、配置、购买，甚至自主处理停机扩容这些复杂运维操作。
现在能用吗
Qwen3.7-Plus 已经通过阿里云百炼和 Qwen Studio 对外提供服务。有开发者用 Claude Code、OpenClaw 或 Qwen Code 框架部署后说，这模型跨框架表现挺稳，没掉链子。
接下来盯着看什么：这会让 Copilot、Cursor 这类代码助手很难受——人家还在帮你补代码，阿里这货已经开始自己接需求写完整个 App 并上线了。更让云运维人睡不着觉的是，连买服务器、停机扩容都能自动干了。谁会受益？中小团队可以省掉前端+后端+运维三组人。