Qwen3.7 Plus API

ข้อกำหนดทาง技术ของ Qwen3.7-Plus

Qwen3.7-Plus คืออะไร?

Qwen3.7-Plus คือรุ่นเรือธงแบบมัลติโมดัลที่สมดุลในสายผลิตภัณฑ์ Qwen 3.7 ของ Alibaba ขณะที่ Qwen3.7-Max มุ่งเน้นการให้เหตุผลเชิงข้อความล้วนและการเขียนโค้ดระยะยาว Qwen3.7-Plus ขยายความสามารถเหล่านั้นด้วยความเข้าใจภาพและวิดีโอแบบเนทีฟ ทำให้สามารถให้เหตุผลข้ามข้อมูลเชิงภาพและเชิงข้อความภายในโมเดลเดียว

โมเดลนี้ถูกออกแบบภายใต้แนวคิดของ เอเจนต์ไฮบริดเชิงโต้ตอบแบบมัลติโมดัล: สามารถตีความภาพหน้าจอ วิเคราะห์แผนภูมิ เข้าใจอินเทอร์เฟซ สร้างโค้ดจากข้อมูลอ้างอิงเชิงภาพ และใช้เครื่องมือเพื่อทำงานหลายขั้นตอนให้เสร็จสมบูรณ์ ทำให้เหมาะอย่างยิ่งสำหรับเอเจนต์ AI ระบบอัตโนมัติบน GUI และเวิร์กโฟลว์เพิ่มผลิตภาพที่บริบทเชิงภาพมีความสำคัญ

คุณสมบัติหลักของ Qwen3.7-Plus

• อินพุตมัลติโมดัลแบบเนทีฟ รองรับข้อความ ภาพ และวิดีโอในสายการให้เหตุผลแบบรวม
• หน้าต่างบริบทสูงสุด 1M โทเค็น ช่วยให้วิเคราะห์ฐานโค้ดขนาดใหญ่และเวิร์กโฟลว์เอกสารยาวได้
• ความสามารถเชิงเอเจนต์แบบผสาน GUI + CLI ทำให้โมเดลเข้าใจหน้าจอและโต้ตอบกับสภาพแวดล้อมซอฟต์แวร์ได้
• ความสามารถการเขียนโค้ดและการใช้เครื่องมือขั้นสูง รวมถึงการเรียกใช้ฟังก์ชัน เอาต์พุตที่มีโครงสร้าง และการผสานเครื่องมือภายนอก
• ความเข้าใจเชิงภาพสำหรับแผนภูมิ เอกสาร และภาพหน้าจอ ทำให้เหมาะกับงานด้านธุรกิจ วิศวกรรม และ UI
• ปลายทาง API ที่เข้ากันได้กับ OpenAI ช่วยให้ย้ายจากโครงสร้างพื้นฐาน LLM ที่มีอยู่ได้ค่อนข้างง่าย

ประสิทธิภาพตามเกณฑ์มาตรฐานของ Qwen3.7-Plus

ตามรายงานเกณฑ์มาตรฐานสาธารณะและแพลตฟอร์มประเมินจากบุคคลที่สาม Qwen3.7-Plus มอบประสิทธิภาพระดับแนวหน้าด้านมัลติโมดัลและความสามารถเชิงเอเจนต์:

• Artificial Analysis Intelligence Index: 53.3.
• GPQA Diamond: ประมาณ 90.0%.
• IFBench: ประมาณ 78.0%.
• AA Long Context Reasoning (AA-LCR): ประมาณ 65.0%.
• Terminal-Bench Hard: ประมาณ 47.0%, สะท้อนความสามารถเชิงเอเจนต์ด้านการเขียนโค้ดที่แข็งแกร่ง

Alibaba ยังรายงานว่า Qwen3.7-Plus ทำผลงานได้ทัดเทียมกับโมเดลเชิงกรรมสิทธิ์ชั้นนำในการทดสอบด้านเอเจนต์และการเขียนโค้ด โดยเฉพาะอย่างยิ่งในงานมัลติโมดัลและการโต้ตอบกับ UI

Qwen3.7-Plus เทียบกับ Qwen3.7-Max และ Claude Opus 4.6

สำหรับโปรเจ็กต์ที่มีภาพหน้าจอ ระบบอัตโนมัติบน UI การดีบักเชิงภาพ หรือเวิร์กโฟลว์แบบมัลติโมดัล โดยทั่วไปแล้ว Qwen3.7-Plus เป็นตัวเลือกที่ดีกว่า สำหรับงานให้เหตุผลเชิงข้อความล้วนหรือการเขียนโค้ดระดับคลังเก็บข้อมูล Qwen3.7-Max ยังคงแข็งแกร่งกว่า

ข้อจำกัด

• Qwen3.7-Plus ขณะนี้เปิดตัวเป็น โมเดลเชิงกรรมสิทธิ์ระยะพรีวิว และความสามารถบางอย่างอาจเปลี่ยนแปลงก่อนรุ่นเสถียร
• ฟังก์ชันการเรียกใช้และคุณสมบัติเครื่องมือบางอย่างของเอเจนต์ยังอยู่ระหว่างทยอยเปิดใช้งาน
• สำหรับงานที่เป็นข้อความล้วนและต้องการการให้เหตุผลอย่างเข้มข้น Qwen3.7-Max อาจให้ประสิทธิภาพดีกว่าเล็กน้อย
• เช่นเดียวกับโมเดลมัลติโมดัลขนาดใหญ่ส่วนใหญ่ นักพัฒนาควรตรวจสอบประสิทธิภาพกับชุดข้อมูลภาพและ UI ของตนเองก่อนใช้งานจริง

กรณีใช้งานตัวอย่าง

1. เอเจนต์ AI ที่ผสานการโต้ตอบกับเบราว์เซอร์ GUI และเทอร์มินัล
2. การดีบักซอฟต์แวร์จากภาพหน้าจอและการจับภาพ UI
3. การวิเคราะห์เอกสาร แผนภูมิ และแดชบอร์ด
4. ผู้ช่วยการเขียนโค้ดเชิงภาพที่สร้างโค้ดจากม็อกอัปหรือไดอะแกรม
5. เวิร์กโฟลว์เพิ่มผลิตภาพระดับองค์กรที่มีอินพุตแบบผสมระหว่างข้อความและภาพ
6. ผู้ช่วยวิจัยแบบมัลติโมดัลที่ผสานการค้นเว็บกับความเข้าใจเชิงภาพ