アリババ、Qwen3.7-Plus発表。Opus超えの性能

Alibaba（アリババ）のAI研究チーム「Qwen（Tongyi Lab）」は、テキスト・画像・動画の入力に対応した最新のAIモデル「Qwen3.7-Plus」を発表しました。このモデルは、視覚と言語の機能を統合したマルチモーダル（テキストや画像、動画など複数の異なる情報を同時に処理できる性質）対応のAIエージェント（自律的にタスクを計画・実行するAIシステム）として動作します。エージェント性能を測定するベンチマーク（AIの性能や精度を測定するための標準的なテスト）である「Terminal-Bench 2.0」において、米Anthropicの「Claude Opus 4.6」などの主要なクローズドモデルを上回るスコアを記録したことが公表されました。

1. GUIとCLIを融合した高度な操作能力

Qwen3.7-Plusは、単一のエージェントループ内でGUI（視覚的な操作画面）とCLI（コマンドによる文字入力画面）のやり取りをシームレスに融合させています。現実世界のシーン認識や画面上のUI認識を通じて、アプリの自動ナビゲーションや視覚的参照に基づくコード記述などが可能です。デモでは、Python（プログラミング言語の一つ）を用いて画像の差分を検出し間違い探しを自動で解く様子や、既存アプリケーションのクローンコードを自動で記述する様子が公開されました。

2. 多様な開発フレームワークへの対応と低価格なAPI

同モデルは汎用性が高く、Claude CodeやOpenClawなどの多様な開発フレームワークで一貫したパフォーマンスを実現します。現在はチャットサービス「Qwen Studio」や「Alibaba Cloud Model Studio」を通じて利用可能で、業界標準のAPI（外部からAI機能を呼び出す仕組み）も提供されています。APIの利用価格は100万トークンあたり入力0.4ドル（キャッシュありは0.08ドル）、出力1.6ドルと、極めて低コストに設定されています。

Qwen3.7-Plusの登場により、高度なAIエージェント機能がより低価格かつ実用的な形で開発者へ提供されることになります。これは、商用のクローズドモデルとオープンな開発エコシステムとの競争をさらに活性化させると見られます。また、容易にデプロイ可能なハイブリッドエージェントの普及によって、多様なビジネス領域における業務自動化やソフトウェア開発の効率化が一段と加速することが期待されます。