텍스트 전용 Qwen3.7에 시각 인식을 더해 화면을 읽고 UI를 직접 조작하는 '멀티모달 자율 에이전트'예요

알리바바가 Qwen3.7-Plus를 공개했어요. 텍스트 전용 Qwen3.7에 시각 인식을 더해 화면을 읽고 UI를 직접 조작하는 '멀티모달 자율 에이전트'예요.

실제 데모가 꽤 인상적이에요. 영어 단어 학습 앱을 혼자 만들게 했더니 11시간 동안 1,000회 이상 에이전트 호출을 반복하며 1만 줄 넘는 코드를 작성했거든요. macOS 주식 앱을 UI 구조만 분석해 SwiftUI로 재현하고, 기능 테스트 10개까지 스스로 돌렸어요.

GUI 조작 벤치마크인 AndroidWorld와 ScreenSpot Pro에서 GPT-5.4, Claude Opus 4.6, Gemini 3.1 Pro를 앞섰어요. 단순 추론보다 '화면 보고 행동하기'에서 현재 최고 수준이에요.

에이전트가 11시간 자율 작업한다는 건, AI가 보조 도구에서 '혼자 일하는 개발자'로 넘어가고 있다는 신호예요.