2026年5月20日，阿里达摩院官宣推出了全新的通义千问3.7版本。这次版本更新的重点，主要是优化了多模态视觉方面的相关功能。这次的更新，也让国内的人工智能大模型，在图片处理和视频处理的相关领域有了一定的进步。通义千问3.7属于该系列的全新迭代版本，在之前旧版本的基础上，完善了视觉和语言的配合能力。这一改动提升了模型解析图片、理解视频的整体效果，也让人工智能技术能够应用在更多不同的行业场景里。

一、图像识别精度优化，适配多类基础工作场景

通义千问3.7在视觉能力方面的优化，大致可以分为三个部分。首先，这个模型识别图片的精准度有了一定的提升，能够更好地应对复杂的画面内容、细微的细节，还有各种类型的专业图表。在学术研究的过程中，科研人员可以上传带有数学公式的论文图表，模型能够识别出其中的内容，并且梳理出相应的解题思路，以此辅助日常的科研工作。在电商相关的工作中，工作人员整理素材时，该模型可以自动识别商品的外观、材质以及规格信息，能够在一定程度上提升资料整理的工作效率。

通义千问3.7图像识别精度优化展示图

二、视频处理能力升级，丰富交互使用功能

其次，模型的视频处理功能也完成了优化升级。全新的3.7版本可以解析时长一小时左右的完整视频，能够逐帧抓取视频当中的各类关键信息。在日常教学工作当中，教师可以利用这个模型整理课程视频的重点内容和核心知识点，有效缓解备课过程中的工作压力。在内容审核行业中，工作人员可以借助该模型筛查视频画面内容，让整体审核工作的效率有所提高。除此之外，文字、图片和视频之间的相互转换功能也变得更加稳定，使用者可以通过文字编辑视频脚本，也可以根据现有的视频内容整理分析内容，让人工智能不再只是单纯读取内容，还可以协助人们完成各类实际工作。

三、更新技术架构，降低模型商用成本

通义千问3.7采用了全新的技术架构，这套架构可以在保证模型正常使用效果的基础上，降低模型投入市场使用的整体成本。根据官方公开的相关资料能够看出，这款新版本对比上一代产品，运行速度更快，同时占用的内存空间更少，更加适合大范围投入商业使用。新版本还升级了空间感知和动态识别的相关能力，能够分辨图片内部的空间位置关系，以及视频当中的动作变化过程，适配智能导航等多个场景，同时也可以满足设计行业基础的图层制作和图层识别需求。

四、应用场景广泛，助力各行业智能化发展

通义千问3.7升级后的视觉相关功能，能够为多个行业的智能化升级提供帮助。该模型可以运用在医疗影像分析、工业产品质检、视频内容制作等多个工作领域，能够有效减少人工操作的工作量。对于普通用户的日常使用来说，大家只需要上传图片或者视频进行提问，模型就可以解读出画面里的各类信息，很大程度上降低了普通用户使用人工智能工具的门槛。

通义千问3.7的正式推出，是国内人工智能大模型在多模态发展领域的一次重要更新。该项目的研发团队计划在2026年对这款产品进行轻量化调整，让模型能够适配手机设备运行。同时团队也会开放对应的使用接口，方便相关从业者开发各类实用的功能。现如今国内大模型技术一直处于稳步发展的状态，整体水平慢慢追平国际主流标准。在未来，随着相关技术的不断优化完善，人工智能会普及到更多生活与工作场景中，持续为国内数字经济的发展提供助力。