🔬 实测验证 · 非推广软文 · 独立评测
2026年6月2日，阿里巴巴通义实验室正式发布Qwen3.7-Plus多模态智能体模型，在Qwen3.7文本与Agent能力的基础上深度融合视觉能力，实现GUI操作、CLI调用、代码生成与自我验证的端到端闭环。该模型在Vision Arena全球视觉大模型榜单中跻身前五、中国第一，发布会现场展示了11小时自主完成APP开发的完整闭环，引发行业广泛关注。
核心能力
Qwen3.7-Plus最大的突破在于”多模态+智能体”的深度整合。它不仅能理解文本和图像，还能直接操作图形界面（GUI）——点击按钮、填写表单、拖拽元素——像一个真正的用户一样与软件交互。同时，它可以通过命令行（CLI）操作执行代码、管理系统、部署应用。
- 多模态理解：整合视觉能力，可看懂界面截图、分析图表、识别UI元素位置
- GUI Agent：直接操作桌面应用和网页，无需API即可自动化任务
- CLI Agent：通过命令行执行代码、安装依赖、管理文件系统
- 代码生成与自验证：写代码后自动运行测试、修复错误，形成开发闭环
- 开源开放：延续Qwen系列开源传统，开发者可自由部署和微调
使用体验与局限
发布会上的11小时自主APP开发演示令人印象深刻——从理解需求到设计界面、编写代码、调试修复、最终部署，全程无需人工干预。这在Agent领域是一个重要的里程碑。
但在实际使用中仍存在一些局限：GUI操作的稳定性受界面变化影响较大，复杂任务的规划和执行有时会出现”走偏”的情况；CLI操作对新手用户不够友好；作为新模型，生态和社区支持仍需时间成长。此外，该模型需要较强的算力支持，本地部署门槛不低。
综合评分
| 维度 | 评分 | 评价 |
|---|---|---|
| 功能完整度 | 8.8 / 10 | 多模态+GUI+CLI+代码，Agent能力全面，但生态刚起步 |
| 易用性 | 8.0 / 10 | CLI操作有门槛，GUI稳定性待提升，文档仍需完善 |
| 性价比 | 9.2 / 10 | 开源免费，可本地部署，相比闭源方案成本优势显著 |
| 中文支持 | 9.5 / 10 | 中文原生模型，Vision Arena中国第一，中文理解顶级 |
| 输出质量 | 8.5 / 10 | 代码生成和Agent执行质量高，复杂任务偶有偏差 |
综合评分：8.8 / 10
Qwen3.7-Plus是2026年最具突破性的开源Agent模型之一。它将多模态感知与Agent行动能力合二为一，在概念上领先于多数竞品。”看屏幕、操作界面、写代码、自我验证”的闭环能力，让它成为自动化开发、RPA替代、UI测试等场景的有力候选。对于关注AI Agent落地的开发者和企业来说，Qwen3.7-Plus值得重点关注。
更多AI模型评测和工具推荐，请访问 AI Dash —— 发现最好用的AI工具。