AI能看著我的電腦螢幕代替我工作？阿里巴巴 Qwen3.7-Plus 登場

想像一下：早晨來到辦公室，打開電腦後對著 AI 說：「幫我找出昨天收到的電子郵件中附有收據的信件，並整理成 Excel 檔案。」如果換作以前的 AI，它頂多只會親切地教你如何使用 Excel 函數，或是用文字寫出報告的格式。到頭來，敲擊鍵盤、點擊滑鼠來完成工作的依然是我們自己。

但現在情況不同了。AI 會直接替你打開電子郵件視窗，用「眼睛」讀取收據圖片，接著開啟 Excel 程式，將數據逐一輸入。這就像是多了一位能與你一同看著電腦螢幕，並代替你移動滑鼠的「透明秘書」。

這種宛如科幻小說般的情節如今已化為現實。這都要歸功於阿里巴巴（Alibaba）在 2026 年 6 月 1 日全新推出的 AI 模型 Qwen3.7-Plus [Qwen3.7Plus 與 Qwen3.7Max 的 2026 對決：多模態智能體還是…]。這款 AI 已超越了單純「聰明的聊天機器人」，它能看懂電腦螢幕，像操作滑鼠般自動執行任務，扮演著真正意義上的「數位實習生」角色。

這為什麼很重要？

過去我們使用的聊天機器人 AI，就像是一位能力出眾卻「絕不離開座位」的圖書館管理員。當你提出疑問時，它能在浩瀚書海中為你找出絕佳的解答，但它絕對不會幫你完成報告並用電子郵件發送給主管。

淺顯易懂：獲得「眼睛」與「雙手」的 AI

要徹底理解 Qwen3.7-Plus 令人驚豔的能力，首先必須明白多模態（Multimodal：不僅限於文字，還能同時理解圖片、聲音等多種數據形式的技術）這個詞彙的含義。「模態（Modal）」代表著一種接收數據的「感官」。為原本只會讀字的 AI，大幅添加能一眼看懂圖片、影片，甚至是電腦螢幕的圖形使用者介面（GUI，如圖示或選單視窗等螢幕上的視覺元素）的「視覺」能力，這正是所謂的多模態技術 [Qwen3.7-Plus 評測：阿里巴巴 GUI 智能體實測]。

若用更生活化的情境來比喻，大概是這個樣子：過去基於文字的 AI，就像是一位只能透過「講電話」來工作的聰明同事。你必須把螢幕上的表格或圖片，逐字逐句冗長且鉅細靡遺地描述給他聽，他才能掌握情況並給予建議。很多時候因為實在太麻煩，索性自己做還比較快。

阿里巴巴的研究團隊在邏輯處理文字的堅實骨幹上，大幅升級了這項視覺能力。藉此，他們將「視覺掌握情況」與「用語文推論下一步行動」的過程，完美整合進一個流暢的工作流程中 [Research - Qwen]。其成果便是：它不再只是單純地辨識圖片是什麼，而是能達到「看著這個畫面，我接下來應該點擊這個按鈕並執行那個工具」般，自主決定工具調用（Tool invocation）的驚人水準 [Qwen3.7-Plus 發布：多模態 Agent 該怎麼測 - HotAI - 博客園]。

現況：旗艦文字 AI 與多模態智能體的雙軌並進

阿里巴巴在 2026 年 5 月 20 日至 21 日舉行的阿里雲峰會上，首次將這款強大的 Qwen3.7 系列搬上官方舞台 [Qwen 3.7 完整指南：阿里巴巴迄今最強 AI 模型 (2026)]。在正式活動前一天的 5 月 19 日，它還透過 Qwen Chat 率先釋出預覽版，悄悄露面並給了眾人一個大大的驚喜 [Qwen 3.7 評測：阿里巴巴新旗艦排名中國第一 …]。而最引人注目的焦點，莫過於阿里巴巴同時推出了兩款各具專長的旗艦（Flagship）模型。

第一位選手是將所有智慧專注於「文字」邏輯思考上的 Qwen3.7-Max。這款模型極度專注於純文字（pure-text）處理。在評估軟體工程能力、極為嚴苛且具權威性的 SWE-Bench Pro 測試中，它創下了高達 60.6% 的驚人正確率。這也證明了它具備足以媲美人類程式設計師頂尖水準的推論能力 [Qwen3.7Plus 與 Qwen3.7Max 的 2026 對決：多模態智能體還是…]。

那麼，我們要如何使用這位聰明的 AI 秘書呢？目前，這些模型已可透過阿里巴巴的模型服務（Model Studio）與百煉（Bailian）等平台進行體驗 [Qwen3.7-Plus：百煉平台上的多模態智能體 - kiadev.net]。它並非任何人都能下載程式碼並隨意安裝在電腦裡的「開源」形式，而是採用權重不公開（closed-weights）模式，必須透過 API（程式之間傳輸數據的通訊工具）謹慎存取來提供服務 [Qwen 3.7 完整指南：阿里巴巴迄今最強 AI 模型 (2026)]。

未來的發展趨勢？

Qwen3.7-Plus 的華麗登場向我們傳遞了一個重要訊息：全球大型語言模型（LLM）技術，已經遠遠超越了隔著螢幕進行文字對話的層次。現在，AI 正以驚人的速度，朝著能在實體現實世界或電腦作業系統環境中直接行動的「具身智能（Embodied intelligence：透過身體或工具與環境互動並解決問題的人工智慧）」及高度進階智能體（advanced agents）系統進化 [多模態智能體迎來重大升級！阿里巴巴正式 …]。

過去，把 AI 產生的程式碼複製、貼上並執行的繁瑣步驟還得仰賴人類；現在，AI 模型已跨入具備真正「行動力」的領域，能在無人為干預的情況下自主擬定工作計畫、撰寫並直接執行程式碼（self-programming），一旦出現錯誤也不會停擺，而是自行找出原因並持續修正（autonomous iteration） [阿里巴巴發布 Qwen3.7-Plus 多模態 AI 智能體模型]。

在不遠的將來，我們交辦任務的方式將發生翻天覆地的變化。僅向 AI 要求如「幫我把這份英文文件翻譯成中文」這種片段式結果的時代即將落幕。取而代之的是：「從這次新產品專案的競品市場調查開始，幫我分析數據，最後完成要用來發表的簡報報告」，我們將迎接一個能把龐大業務權限全權委託給 AI 處理的嶄新刺激時代。

MindTickleBytes AI 記者的觀點： 具備「眼睛」與「雙手」的多模態智能體登場，意味著人類與電腦溝通的典範正經歷全面性的轉變。以前是人類必須配合鍵盤和滑鼠的規則來操作電腦，現在則是電腦直接理解人類的「自然語言指令」與「視覺環境」，並主動採取行動。Qwen3.7-Plus 就像是在宣告：一位能完美領會我們指令、不知疲倦地工作的最佳秘書，已經進駐我們的電腦之中了。您下一位可靠的工作夥伴，或許不再是人類。

參考資料

1. Qwen3.7-Plus - Qwen Cloud

2. [Qwen3.7-Plus：多模態智能體智慧 — LLM…

   explainx.ai](https://explainx.ai/llms/qwen3-7-plus-multimodal-agent-intelligence)

3. Qwen3.7Plus 與 Qwen3.7Max 的 2026 對決：多模態智能體還是…

4. [Qwen3.7 Plus API

   AIML API](https://aimlapi.com/models/qwen3-7-plus)

5. [Qwen3.7 Plus 模型

   NanoGPT](https://nano-gpt.com/models/text/qwen3.7-plus)

6. Qwen 3.7 完整指南：阿里巴巴迄今最強 AI 模型 (2026)
7. Qwen3.7-Plus 評測：阿里巴巴 GUI 智能體實測
8. Qwen3.7-Plus 發布：多模態 Agent 該怎麼測 - HotAI - 博客園
9. Qwen3.7-Plus：百煉平台上的多模態智能體 - kiadev.net
10. 多模態智能體迎來重大升級！阿里巴巴正式 …
11. Research - Qwen
12. 阿里巴巴發布 Qwen3.7-Plus 多模態 AI 智能體模型

13. [Qwen3.7 Plus：均衡的多模態旗艦

    Qwen 3.7](https://qwen3lm.com/qwen3.7-plus/)

14. Qwen 3.7 評測：阿里巴巴新旗艦排名中國第一 …