阿里釋出 Qwen 3.7 Plus：主打多模態 Agent，連續 11 小時自主寫 App

平時讓 AI 寫程式碼，最折磨人的往往是這種節奏：跑通一段，蹦出個報錯就停下來等你貼終端日誌；丟給它一張介面截圖，它連按鈕該點哪都說不清楚。

阿里 Qwen 團隊釋出了多模態模型 Qwen 3.7 Plus。這一次，它不再只想跟你聊天，而是把視覺感知、程式碼生成、終端操作和介面點選全都塞進了同一個 Agent 迴圈裡。

連續幹 11 個小時，自己寫 App 自己測

為了展示自主工作能力，Qwen 團隊做了一個相當硬核的演示：讓 Qwen 3.7 Plus 從零開始做一款英語單詞背誦 App。

在這個任務裡，模型一口氣連續跑了 11 個小時，期間經歷了 1000 多次 Agent 鏈條呼叫，最終輸出了超過 10000 行程式碼。

關鍵在於它不需要人一步步盯著。從寫需求文件、生成程式碼、本地安裝，到編寫測試用例、自己盯著 GUI 介面做點選測試、跑並行場景，甚至連版本管理都是它自己獨立完成的。

另一個測試更直觀。它在桌面端直接操作 macOS 原生「股市」應用，自己解析介面結構，然後用 SwiftUI 完整重寫了一遍，甚至順手接上了外部即時股票 API，自己跑了十項功能測試。

在瀏覽器裡，配合官方的「Qwen for Chrome」外掛，給它授權後它能直接接管雲控制台，自動比價並下單買下最划算的虛擬伺服器，配置好映象和安全組，連後續的擴容運維也能一併包攬。

偏科高手：螢幕操作登頂，硬核推理有短板

從官方公佈的評測資料來看，Qwen 3.7 Plus 是個特點極為鮮明的「偏科生」。

它最擅長的是操作介面。在 AndroidWorld 和 ScreenSpot Pro 這類專門考察螢幕理解與點選的基準測試中，它的表現明顯壓過了 GPT-5.4、Opus 4.6 Max 以及 Gemini 3.1 Pro。

但在嚴肅的多模態科學推理上，它並沒有全面勝出。比如在 MedXpertQA-MM 這類醫療科學測試中，它依然落後於 Gemini 3.1 Pro 和 GPT-5.4。

純文本能力方面，團隊稱其與頂尖梯隊持平。此外它還支援影片理解和駕駛場景分析，阿里顯然打算讓它覆蓋端側和自動駕駛場景。

更有意思的是它的生態打法。Qwen 3.7 Plus 原生支援 Anthropic 的 API 協議，這意味著你可以無縫把它接到 Claude Code、OpenClaw 或者阿里自家的 Qwen Code 裡。

API 還提供了一個叫 preserve_thinking 的功能，能在多輪對話中保留前面的推理思路，團隊特別建議在長時間的 Agent 任務中開啟。

不過，這款模型並沒有開源權重，只在阿里雲百鍊提供商業 API。價格定得極低：每百萬輸入 token 收費 0.40 美元，輸出收 2.40 美元，大概只有自家 Qwen 3.7 Max 的幾分之一，甚至不到海外旗艦模型的一個零頭。

為什麼重要

我們認為，阿里這次走了一步非常精明的實用主義路線。

以前跑長鏈條的 Agent，開發者最頭疼的就是費用。一次任務呼叫成百上千次，用海外頂級模型跑幾個小時，賬單往往幾百美元就出去了。Qwen 3.7 Plus 把價格壓到每百萬輸入 0.40 美元，還直接相容 Anthropic API，說白了就是明擺著給 Claude Code 的重度使用者遞上了一個便宜好用的替代品。

它不再去硬卷那些虛無縹緲的通用跑分，而是把技能點全點在「看懂螢幕」和「動手幹活」上。對於需要自動化操作軟體、做批次測試或管理雲資源的團隊來說，它現在就值得拉進生產流水線裡試試水。

但也要清醒看到它的侷限。它更像一個手腳麻利、執行力強的高階實習生，而不是架構師。在面對複雜的科學推理或底層架構設計時，它依然不如頂尖閉源模型靠譜。

阿里的策略看起來很明確：既然全能答題難分勝負，那就先把能幫你點螢幕、寫指令碼、省真金白銀的 Agent 做到極致。