Qwen3.7-Plus విడుదలతో agentic AIపై దూకుడు పెంచిన Alibaba

పూర్తి agent workflows వైపు Qwen‌ను మళ్లిస్తున్న Alibaba

Alibaba యొక్క Qwen బృందం Qwen3.7-Plus‌ను విడుదల చేసింది. ఇది visual understanding‌ను coding మరియు tool use వంటి సాంప్రదాయ agent సామర్థ్యాలతో కలిపే కొత్త multimodal model. కంపెనీ దీనిని multimodal interactive hybrid agent‌గా వివరిస్తోంది, మరియు దీని స్థానం గమనించదగినది: image input ఉన్న chatbot‌గా కాదు, interfaces‌ను గ్రహించి వాటిలో పనిచేయడానికి ఉద్దేశించిన system‌గా దీనిని ప్రతిపాదిస్తోంది.

ఇచ్చిన source text ప్రకారం, Qwen3.7-Plus నిజ జీవిత దృశ్యాలను గుర్తించడం, screen content చదవడం, graphical user interfaces‌ను నిర్వహించడం, visual templates నుండి code రాయడం, మరియు mobile apps‌ను end to end నావిగేట్ చేయడం కోసం రూపొందించబడింది. పనిచేసే మోడల్ ముఖ్యమైనది. UI clicks మరియు command-line instructions ఒకే agent loop‌లో నడుస్తాయి, దీని వల్ల perception, planning, execution కోసం వేర్వేరు models కంటే automation యొక్క మరింత ఏకీకృత రూపాన్ని Alibaba లక్ష్యంగా పెట్టుకున్నట్లు తెలుస్తోంది.

దీర్ఘకాల tasks ఈ ప్రతిపాదనలో కేంద్రంగా ఉన్నాయి

Alibaba చూపించిన ఉదాహరణలు పొడవైన workflows‌పై autonomy‌ను కేంద్రీకరిస్తాయి. ఒక demonstration‌లో, ఒక hybrid agent system 11 గంటలకుపైగా English vocabulary learning app‌ను నిర్మించింది. source ప్రకారం, ఆ run‌లో 1,000కి పైగా agent calls ద్వారా 10,000కి పైగా code lines ఉత్పత్తి అయ్యాయి.

అక్కడ చూపిన ప్రక్రియలో requirements documentation, automated code generation, dependency installation, test-case creation, GUI-based testing, parallel test scenarios, మరియు version management ఉన్నాయి. ఈ వివరాలు ముఖ్యమైనవి, ఎందుకంటే ఇవి కథను ఒకసారి చేసే coding demo దాటిస్తాయి. Alibaba వాదన ఏమిటంటే, model ఒక multi-stage software project‌లో కొనసాగుతూ పని చేయగలదని, మరియు మానవ సహాయం పదే పదే లేకుండానే tools మరియు interfaces అంతటా పనిచేస్తూనే ఉండగలదని.

రెండో demonstration software generation నుంచి software imitation వైపు వెళ్లింది. interface‌ను parse చేసి, SwiftUI code రూపొందించి, బాహ్య real-time stock data API‌ను కలిపి, ఫలితాన్ని compile చేసి, తనంతట తానే పది functional tests నడిపి, Apple యొక్క native macOS Stocks app‌ను agent తిరిగి రూపొందించిందని Alibaba చెబుతోంది. ఆ పనితీరు సాధారణమైతే, model విలువ prompts‌కు సమాధానం ఇవ్వడంలో కంటే, పని చేసే interface‌ను చూడటం మరియు దానిని code‌లో పునఃసృష్టించడ మధ్య సమయాన్ని తగ్గించడంలో ఎక్కువగా ఉండవచ్చు.

Browser మరియు cloud operations పరిధిని విస్తరిస్తున్నాయి

మూడవ use case model‌ను browser-based operations‌కు విస్తరిస్తోంది. Qwen for Chrome అనే sidebar extension ద్వారా, system user permission‌తో agent mode‌లోకి మారి cloud console tasks‌ను చేయగలదు. source text‌లో ఒక ఉదాహరణగా, image, storage, మరియు security-group options సెటప్‌తో పాటు అందుబాటులో ఉన్న అతి చౌక virtual server instance‌ను model కొనుగోలు చేసినట్లు పేర్కొనబడింది.

Alibaba కూడా model తర్వాతి scaling మరియు maintenance tasks‌ను నిర్వహించిందని చెబుతోంది. ఇది ముఖ్యమైనది, ఎందుకంటే ఇది ప్రతిపాదనను విడి విడి పనులు పూర్తిచేయడం నుంచి lifecycle management వైపు తీసుకెళ్తుంది. సేవను సృష్టించగల, పరీక్షించగల, configure చేయగల, మరియు తరువాత నిర్వహించగల model, సాధారణంగా engineers, scripts, మరియు workflow tools కలయిక కోసం enterprises కేటాయించే ప్రాంతంలోకి ప్రవేశిస్తుంది.

బలమైన GUI పనితీరు, కానీ pure reasoning‌లో బలహీనత

ఇచ్చిన material‌లో benchmark చిత్రం మిశ్రమంగా ఉంది. Alibaba ప్రకటించిన ఫలితాలు Qwen3.7-Plus graphical interface tasks‌లో ప్రత్యేకంగా బాగా పనిచేస్తోందని reportedly చూపుతున్నాయి. AndroidWorld మరియు ScreenSpot Proలో, model GPT-5.4 (xhigh) కంటే స్పష్టంగా ముందుందని వివరించబడింది. ఇది crowded market‌లో Alibaba‌కు ఒక స్పష్టమైన కోణాన్ని ఇస్తుంది: interface manipulation AIకి పెద్ద యుద్ధభూమిగా మారితే, Qwen సంభాషణపై మాత్రమే కాదు, execution‌పై కూడా పోటీ పడాలని చూస్తోంది.

అదే సమయంలో, source text system pure logic benchmarks‌లో వెనుకబడుతోందని చెబుతోంది. ఈ caveat ముఖ్యమైనది. వాతావరణం స్వయంగా structure, visual anchors, మరియు action affordances‌ను అందించినప్పుడు Qwen3.7-Plus మరింత ఉపయోగకరంగా ఉండవచ్చని ఇది సూచిస్తోంది; ఆ context లేకుండా abstract reasoning tasks‌ను పరిష్కరించాల్సినప్పుడు అంతగా కాకపోవచ్చు.

ప్రాక్టికల్‌గా చూస్తే, model బలాలు software‌ను చూడటంలో మరియు దాని లోపల చర్య తీసుకోవడంలో ఉన్నట్లు కనిపిస్తున్నాయి. ఇది intelligence‌కు సంకుచితమైన కానీ వాణిజ్యపరంగా విలువైన నిర్వచనం, ముఖ్యంగా enterprise automation, testing, customer operations, మరియు software prototyping కోసం.

ఈ విడుదల ఎందుకు ముఖ్యమైంది

Qwen3.7-Plus‌ను Alibaba Cloud ద్వారా proprietary అయినప్పటికీ తులనాత్మకంగా తక్కువ ఖర్చుతో కూడిన option‌గా కూడా ఉంచుతున్నారు. ధర మరియు deployment path ముఖ్యమైనవి, ఎందుకంటే agentic systems దీర్ఘ sessions నడిపినప్పుడు, అనేక calls execute చేసినప్పుడు, మరియు external tools‌తో interact చేసినప్పుడు ఖర్చు త్వరగా పెరగవచ్చు. Alibaba operating costs‌ను తగ్గిస్తూ బలమైన interface performance అందించగలిగితే, frontier-model ధరలేని automation కోరుకునే developers మరియు businesses‌లో ఇది మంచి ఆదరణ పొందవచ్చు.

మొత్తం ప్రాధాన్యం ఏమిటంటే, Qwen3.7-Plus AI vendors progress‌ను ఎలా నిర్వచిస్తున్నారో ఒక మార్పును ప్రతిబింబిస్తోంది. benchmark scores లేదా chat quality‌పై మాత్రమే దృష్టి పెట్టకుండా, model ఒక interface‌ను గమనించగలదా, నిర్ణయాలు తీసుకోగలదా, tools‌ను పిలవగలదా, code రాయగలదా, మరియు గంటలపాటు task‌పై నిలబడగలదా అన్నదానిపై Alibaba దృష్టి పెడుతోంది. ఇది reliability, oversight, మరియు failure handling చుట్టూ ఉన్న కఠిన ప్రశ్నలను పరిష్కరించదు. కానీ పోటీ ఏ దిశగా వెళ్తోందో చూపిస్తుంది: AI systems‌ను అవి ఏమి చెబుతాయో కాదు, ఏమి పూర్తిచేస్తాయో ఆధారంగా అంచనా వేసే దిశగా.

ఈ వ్యాసం The Decoder నివేదిక ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.