Qwen3.7 Plus API

Especificaciones técnicas de Qwen3.7-Plus

¿Qué es Qwen3.7-Plus?

Qwen3.7-Plus es el buque insignia multimodal equilibrado de la generación Qwen 3.7 de Alibaba. Mientras que Qwen3.7-Max se centra en el razonamiento de texto puro y la programación de largo horizonte, Qwen3.7-Plus amplía esas capacidades con comprensión nativa de imágenes y video, lo que le permite razonar sobre información visual y textual dentro de un único modelo.

El modelo está diseñado en torno a la idea de un agente híbrido interactivo multimodal: puede interpretar capturas de pantalla, analizar gráficos, comprender interfaces, generar código a partir de referencias visuales y usar herramientas para completar tareas en múltiples pasos. Esto lo hace especialmente atractivo para agentes de IA, automatización de GUI y flujos de trabajo de productividad donde el contexto visual importa.

Características principales de Qwen3.7-Plus

• Entrada multimodal nativa que admite texto, imágenes y video en una canalización de razonamiento unificada.
• Ventana de contexto de hasta 1M de tokens, lo que permite el análisis de grandes bases de código y flujos de trabajo con documentos extensos.
• Capacidades de agente híbrido GUI + CLI, que permiten al modelo comprender pantallas e interactuar con entornos de software.
• Programación avanzada y uso de herramientas, incluidas llamadas a funciones, salidas estructuradas e integración con herramientas externas.
• Comprensión visual de gráficos, documentos y capturas de pantalla, útil para tareas empresariales, de ingeniería y de IU.
• Endpoint de API compatible con OpenAI, lo que permite una migración relativamente sencilla desde infraestructura de LLM existente.

Rendimiento en benchmarks de Qwen3.7-Plus

Según informes públicos de benchmarks y plataformas de evaluación de terceros, Qwen3.7-Plus ofrece rendimiento de vanguardia en capacidades multimodales y de agente:

• Artificial Analysis Intelligence Index: 53.3.
• GPQA Diamond: aproximadamente 90.0%.
• IFBench: aproximadamente 78.0%.
• AA Long Context Reasoning (AA-LCR): aproximadamente 65.0%.
• Terminal-Bench Hard: aproximadamente 47.0%, lo que refleja sólidas capacidades de programación como agente.

Alibaba también informa que Qwen3.7-Plus rinde de forma competitiva frente a modelos propietarios líderes en benchmarks de agentes y programación, con especial fortaleza en tareas multimodales y en la interacción con la IU.

Qwen3.7-Plus vs Qwen3.7-Max vs Claude Opus 4.6

Para proyectos que impliquen capturas de pantalla, automatización de IU, depuración visual o flujos de trabajo multimodales, Qwen3.7-Plus suele ser la mejor opción. Para razonamiento puramente basado en texto o programación a escala de repositorios, Qwen3.7-Max sigue siendo la opción más sólida.

Limitaciones

• Qwen3.7-Plus se publica actualmente como un modelo propietario en etapa de vista previa, y algunas capacidades pueden evolucionar antes del lanzamiento estable.
• La llamada a funciones y ciertas características de herramientas para agentes aún se están desplegando.
• Para cargas de trabajo puramente de texto con razonamiento intensivo, Qwen3.7-Max puede ofrecer un rendimiento ligeramente superior.
• Como con la mayoría de modelos multimodales grandes, los desarrolladores deben validar el rendimiento en sus propios conjuntos de datos de imágenes e IU antes del despliegue en producción.

Casos de uso representativos

1. Agentes de IA que combinan interacciones de navegador, GUI y terminal.
2. Depuración de software a partir de capturas de pantalla y de IU.
3. Análisis de documentos, gráficos y paneles.
4. Asistentes de programación visual que generan código a partir de maquetas o diagramas.
5. Flujos de trabajo de productividad empresarial que involucran entradas mixtas de texto e imagen.
6. Asistentes de investigación multimodales que combinan búsqueda web con comprensión visual.