Qwen3.7-Plus: la apuesta de Alibaba para convertir la IA multimodal en un agente autónomo completo

Alibaba lanza un agente de IA capaz de programar apps enteras en solitario

Alibaba ha puesto en el mercado Qwen3.7-Plus, un modelo de lenguaje que va más allá de generar texto o analizar imágenes: actúa como un agente autónomo capaz de ver, planificar y codificar aplicaciones completas sin intervención humana. La demostración más llamativa muestra cómo desarrolló por sí mismo una aplicación funcional de aprendizaje de vocabulario durante once horas ininterrumpidas.

¿Qué ha pasado?

Qwen3.7-Plus es el nuevo modelo agente multimodal de Alibaba Cloud que integra tres capacidades en un único sistema: percepción visual avanzada, operación de interfaces gráficas (GUI) y generación de código. A diferencia de modelos que requieren orquestar varios sistemas especializados, este funciona como un bucle de agente unificado.

La demostración técnica más destacada muestra cómo un agente construido sobre Qwen3.7-Plus desarrolló autónomamente una aplicación completa para aprender vocabulario. El proceso incluyó más de 10,000 líneas de código generadas a través de 1,000 llamadas de agente durante once horas de trabajo continuo, sin supervisión humana directa.

Según los benchmarks internos de Qwen, el modelo sobresale especialmente en comprensión de pantalla, aunque su rendimiento general en otras tareas presenta resultados mixtos. Se trata de una oferta propietaria —sin pesos abiertos disponibles para la comunidad— con una estructura de precios significativamente inferior a los modelos de frontera occidentales como GPT-4 o Claude.

Por qué importa

Este lanzamiento representa un cambio cualitativo en cómo entendemos los modelos de lenguaje: de asistentes que responden preguntas a agentes que ejecutan proyectos completos. La capacidad de desarrollar software funcional de forma autónoma durante horas —manteniendo coherencia entre miles de llamadas— marca un hito en automatización de tareas complejas.

Para desarrolladores y empresas, esto significa potencialmente delegar proyectos de programación rutinaria a agentes que trabajan de forma continua. El caso de uso demostrado —generar una aplicación educativa completa— sugiere aplicaciones en prototipado rápido, automatización de tareas de desarrollo y creación de herramientas internas.

El modelo de precios agresivo de Alibaba puede presionar a competidores occidentales y democratizar el acceso a capacidades de agente avanzadas, especialmente en mercados asiáticos. Sin embargo, al ser propietario sin pesos abiertos, limita la investigación independiente y la posibilidad de auditar completamente sus capacidades y sesgos.

La integración de visión, comprensión de GUI y codificación en un solo sistema elimina la necesidad de coordinar múltiples modelos especializados, reduciendo latencia y complejidad en arquitecturas de agentes.

Contexto

Los agentes de IA autónomos han sido una promesa recurrente desde hace años, pero con resultados limitados en tareas complejas de largo recorrido. Sistemas anteriores como AutoGPT o BabyAGI demostraron el concepto pero frecuentemente fallaban en proyectos que requerían más de unas pocas iteraciones.

Alibaba ha venido desarrollando su familia Qwen como alternativa a modelos occidentales, compitiendo directamente con OpenAI, Anthropic y Google. La integración multimodal refleja una tendencia generalizada: Gemini, GPT-4V y Claude 3 también combinan texto y visión, pero pocos han demostrado ejecución autónoma sostenida en proyectos de desarrollo completo.

El enfoque en operación de GUI conecta con el trabajo de startups como Adept o el proyecto Computer Use de Anthropic, que buscan que los modelos interactúen con software como lo haría un humano.

---

Fuente: The Decoder