アリババのQwenチーム、Qwen3.7-Plusを発表：百連プラットフォームで視覚、深層推論、ツール呼び出し、自律的反復を追加

アリババのQwenチームは、マルチモーダル大規模言語モデルQwen3.7-Plusを正式にリリースしました。本モデルは、アリババクラウドの百連プラットフォーム（国際ユーザー向けにはModel Studio）を介してAPIとして提供されます。今回の発表は、今年5月に発表されたQwen3.7世代に続くものです。

Qwen3.7-Plusは、画像、動画、およびテキスト入力を理解できるマルチモーダルモデルです。ただし、これは視覚理解であり、生成ではありません。モデルは画像や動画を読み取りますが、それらを作成することはありません。アリババの画像・動画生成機能は別のモデルファミリーに属しています。

アリババチームは、このリリースをマルチモーダルハイブリッドエージェント技術の一歩と位置づけています。エージェントとは、複数のステップにわたって計画し行動するモデルです。画像および動画理解に加えて、Qwen3.7-Plusは5つの機能を追加しています。すなわち、深層推論、自己プログラミング、ツール呼び出し、検証とテスト、そして自律的反復です。自己プログラミングはモデルが自身のコードを記述・修正することを意味し、ツール呼び出しは外部関数やAPIを呼び出すことを指します。検証とテストは出力を実行して結果を確認し、自律的反復はタスクが完了するまでループします。これらは、単に答えるだけでなく行動するために構築されたモデルを示しています。

Qwen3.7-Plusは3.7ファミリーのマルチモーダル部分です。そのプレビュー版はすでに測定可能な視覚性能を示しています。Vision Arenaにおいて、Qwen3.7-Plus-Previewは総合16位にランクされ、アリババを視覚分野で5位のラボとしました。モデルランクとラボランクは別の指標です。Vision ArenaはLM Arenaが運営する中立的なリーダーボードで、ユーザーはブラインドマッチで画像理解の回答に投票します。16位という結果は米国のトップラボには劣るものの、十分に競争力のある位置です。大規模OCR、チャート読み取り、ビデオフレーム分析などの画像中心のタスクでは、このシグナルが重要です。

テキスト専用のMax兄弟モデルは、この世代の推論力を支えています。MaxはArtificial Analysis Intelligence Indexで56.6点を獲得し、リリース時点で中国モデルの中で最高位でした。

Qwen3.7の明確なシフトは、そのエージェント志向です。アリババチームは、長時間実行タスク向けにモデルを位置づけています。ホストプラットフォームである百連は、関連する2つの要素を追加しています。1つ目はエージェント強化学習メカニズムで、実世界の実行フィードバックを使用してモデルの精度を時間とともに洗練します。2つ目は組み込みのセーフティガードレールで、自律ツールを事前設定された運用限界内に保ちます。これはエージェントがコマンドを実行したりファイルを編集する際に重要です。

現時点では、Qwen3.7-Plusの公開価格表、コンテキストウィンドウサイズ、出力トークン制限、オープンウェイトは公開されていません。本モデルはプロプライエタリなAPIのみで提供されます。開発者はコミットする前に、自身のデータで精度を検証する必要があります。