Qwen3.7 Plus

Qwen3.7-Plus est le modèle d'agent multimodal le plus performant d'Alibaba, unifiant la vision et le langage en une seule fondation d'agent polyvalente. Construit sur le socle textuel Qwen3.7, il offre une mise à niveau complète de la compréhension vision-langage tout en conservant toute la puissance agentive pour le codage, l'utilisation d'outils et les flux de productivité. Il accepte des entrées textuelles, images et vidéos avec une sortie textuelle, et propose une fenêtre de contexte de 1 million de tokens avec jusqu'à 65 000 tokens de sortie — suffisante pour garder cohérents les longs documents, les grandes bases de code, les enregistrements d'écran et les sessions d'agent multitours sans troncature. Ce qui le distingue, c'est sa capacité à fonctionner comme un agent hybride multimodal interactif : il perçoit des scènes du monde réel, lit les écrans et opère les interfaces graphiques, écrit du code à partir de références visuelles, navigue dans les applications mobiles de bout en bout, et répond à des questions visuelles ancrées dans la connaissance web — en mêlant interactions GUI et CLI au sein d'une seule boucle agent. Il se généralise à travers différents échafaudages d'agents, avec des performances constantes qu'il soit piloté par Claude Code, OpenClaw, Qwen Code ou d'autres frameworks, avec appel de fonction natif, sorties structurées et profondeur de raisonnement contrôlable. Cela en fait un choix par défaut fiable pour les assistants de codage IA, les agents de navigation et d'utilisation d'ordinateur, les pipelines de questions-réponses visuelles, et l'automatisation longue durée où perception, raisonnement et exécution doivent rester alignés.