Qwen3.7-Plus

复制成功!
立即体验加入对比
文本生成推理视觉理解

概述

文本生成推理视觉理解

Qwen3.7系列中高性价比Plus模型,在强大文本能力的基础上全面升级了视觉-语言能力,同时保持了在编码、工具使用和生产力工作流方面的完整智能体能力。其核心特色为多模态交互混合智能体能力,能够感知真实世界场景、读取屏幕并操作 GUI、基于视觉参考生成代码、端到端导航移动应用。

输入

图像文本视频

输出

文本

功能

前缀补全

您可在调用通义千问 API 时启用 Partial Mode,确保模型严格基于您的起始文本进行生成。查看文档

函数调用

您可以使用 函数调用 功能,通过引入外部工具,使得大模型可以与外部世界进行交互。查看文档

缓存

Context Cache 技术会缓存长上下文请求的公共前缀,减少推理时的重复计算,提升响应速度同时降低您的使用成本。查看文档

结构化输出

开启结构化输出功能可以确保大模型输出标准格式的 JSON 字符串。查看文档

批量任务

联网搜索

启用联网检索功能后,模型将基于实时检索数据进行回复。查看文档

微调

定价

  • 输入限时8折
    ¥2¥1.6
    /M tokens
  • 输出限时8折
    ¥8¥6.4
    /M tokens
  • 输入(缓存命中)限时8折
    ¥0.4¥0.32
    /M tokens
  • 输入(Batch File)
    ¥1/M tokens
  • 输出(Batch File)
    ¥4/M tokens
  • 显式缓存创建限时8折
    ¥2.5¥2
    /M tokens
  • 显式缓存命中限时8折
    ¥0.2¥0.16
    /M tokens
  • 输入(Batch Chat)限时5折
    ¥2¥1
    /M tokens
  • 输出(Batch Chat)限时5折
    ¥8¥4
    /M tokens
  • 输入限时8折
    ¥2¥1.6
    /M tokens
  • 输出限时8折
    ¥8¥6.4
    /M tokens
  • 输入(缓存命中)限时8折
    ¥0.4¥0.32
    /M tokens
  • 输入(Batch File)
    ¥1/M tokens
  • 输出(Batch File)
    ¥4/M tokens
  • 显式缓存创建限时8折
    ¥2.5¥2
    /M tokens
  • 显式缓存命中限时8折
    ¥0.2¥0.16
    /M tokens
  • 输入(Batch Chat)限时5折
    ¥2¥1
    /M tokens
  • 输出(Batch Chat)限时5折
    ¥8¥4
    /M tokens

速率限制与上下文

  • 最大输入
    991.80K
  • 最大输出
    65.53K
  • RPM每分钟请求数
    30K
  • TPM每分钟 Token 数
    5M
  • 最大输入(思考模式)
    983.61K
  • 最大输出(思考模式)
    65.53K
  • 上下文
    1M

内置工具

code_interpreterResponses API
i2i_searchResponses API
t2i_searchResponses API
web_extractorResponses API
web_searchResponses API

API 参考

获取 API Key
复制成功!
123456789101112131415161718
import os
import dashscope
dashscope.base_http_api_url = "https://dashscope.aliyuncs.com/api/v1"

messages = [
    {
        "role": "user",
        "content": [
            {"image": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg"},
            {"text": "图中描绘的是什么景象?"}]
    }]
response = dashscope.MultiModalConversation.call(
    api_key=os.getenv('DASHSCOPE_API_KEY'),
    model='qwen3.7-plus',
    messages=messages
)
print(response.output.choices[0].message.content[0]["text"])