Alibaba
Qwen3.8 Omni Flash
最大上下文
1M
最大输出
131.1K
发布日期
暂无
qwen3.7-plusQwen3.7 Plus 延续 Qwen3.7 面向 Agent 的设计方向,但更偏性价比。三方模型卡描述它支持文本和图片输入,并强化视觉语言能力,以及 GUI、移动端导航、视觉参考等混合 Agent 任务。它适合需要 Qwen3.7 新一代能力,但不一定需要 Max 档位成本的场景。
上下文窗口
1M Token
最大输出
64K Token
发布日期
2026年6月2日
模态
| Token 阶梯 | 输入价格 | 输出价格 | 缓存读取 | 缓存创建 5m | 缓存读取 5m |
|---|---|---|---|---|---|
| <=256K | $0.2857/M | $1.1429/M | $0.0571/M | $0.3571/M | $0.0286/M |
| >256K | $0.8571/M | $3.4286/M | $0.1714/M | $1.0714/M | $0.0857/M |
推理
工具调用
Temperature 参数
附件
知识库
Endpoint 协议
Qwen3.7 Plus 结合多模态理解、Agent 级编程与生产力能力以及百万 Token 上下文,适合构建综合型应用。
模型可综合处理文本、图像和视频,对文档、界面和现实场景进行视觉推理。
模型能够理解屏幕和视觉参考并规划交互,将环境感知与后续操作衔接起来。
百万 Token 上下文可处理大型代码库、长篇文档和长视频,减少拆分原始资料的需要。
Qwen3.7 Plus 适合视觉辅助开发、面向 GUI 的 Agent,以及长篇视觉文档或视频分析。
分析截图、设计稿或界面录屏,为对应的应用组件生成实现建议和代码。
读取界面状态、判断下一步操作,并引导完成网站或移动应用中的多步骤导航。
审阅长视频和图像密集型文档,识别重要事件或细节,并输出条理清晰的文本摘要。
import OpenAI from "openai"
const client = new OpenAI({
apiKey: process.env.TOKENHUB_API_KEY,
baseURL: "https://us-api.tokenhub.com/v1",
})
const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)Qwen3.7 Plus
| 指数分数 | ||
|---|---|---|
| Artificial Analysis 综合能力指数 | Artificial Analysis 综合能力评分 | 39 |
| Artificial Analysis 代码能力指数 | Artificial Analysis 软件任务评分 | 46.5 |
| 知识与推理 | ||
| GPQA | 高阶科学问题求解 | 90% |
| HLE | 广泛专家级考试集合 | 33.4% |
| 代码与工程 | ||
| SciCode | 科学计算代码挑战 | 45.5% |
| Terminal-Bench Hard | 高难度终端任务执行 | 47.0% |
| 指令遵循与 Agent 任务 | ||
| IFBench | 指令约束遵循 | 78.0% |
| AA-LCR | 长上下文推理 | 65% |
| τ²-Bench | Agent 工作流任务 | 93.0% |
指标来源 Artificial Analysis
Qwen 3.7 Plus 的能力、适用场景、限制和 TokenHub 使用指南。
Qwen 3.7 Plus 是 Alibaba Qwen 面向多模态理解和通用智能体流程的模型。
适合图像和视频理解、智能体流程、文档分析,尤其适合重视多模态输入的场景。
核心优势是统一的多模态理解和智能体级工具调用,并具备可在深度思考和直接回答之间切换的混合思考。
它用部分峰值质量换取更好的速度或成本。 更看重最高回答质量时,可考虑 Qwen 3.7 Max。
使用 TokenHub 显示的精确标识符,并按账户文档确认当前功能。
通过一个 API Key 接入 Qwen3.7 Plus 与更多 AI 模型。
媒体与讨论
精选与此模型相关的公开视频和帖子。
X (Twitter)
Reddit
YouTube