Qwen3.7 閃電版：完整規格、定價、API 接入與使用範例（2026）

Qwen3.7 Flash 是 Qwen 3.7 視覺-語言家族中的輕量級檔位，將長上下文推理與圖像和影片理解結合，並以相對較低的 token 價格提供效能。Qwen 將其定位於多模態智慧體、視覺程式設計、面向搜尋的工作流程以及電腦互動。本指南使用了截至 2026 年 9 月核驗的規格，並將已文件化的 Qwen 能力與 Gate.AI 平台存取細節分開說明。

什麼是 Qwen3.7 Flash？

Qwen3.7 Flash 是來自 Qwen/Alibaba 的原生視覺-語言模型。目前在滾動更新中的模型為 qwen3.7-flash；同時 Qwen 也提供了帶日期的快照 qwen3.7-flash-2026-07-15。Flash 檔位相較於更重的 Qwen3.7 變體，適用於那些在需要多模態推理的同時，成本與吞吐同樣關鍵的工作負載。

Qwen 將其生成能力描述為相較於 Qwen3.6 Flash 在通用物件辨識、空間智慧、真實世界視覺感知、多模態智慧體執行以及視覺程式設計方面的升級。這些屬於提供方描述的改進，而非對每個工作負載都能獨立保證的結論。

一個關鍵差異是：Qwen3.7 Flash 絕不是「在原本的文本 LLM 上額外加裝了圖像支援」。Qwen 將文字、圖像和影片作為原生輸入模態；其中的文字是用來生成輸出的。它也支援函式呼叫與結構化輸出，因此適用於那些需要模型推理來連接外部工具或機器可讀工作流程的應用情境。

Qwen3.7 Flash 的關鍵規格與定價是什麼？

規格	Qwen3.7 Flash
提供方	Qwen / Alibaba
提供方模型	qwen3.7-flash
帶日期快照	qwen3.7-flash-2026-07-15
上線/清單週期	2026 年 7 月
上下文視窗	1M tokens
最大標準輸入	約 991K tokens
最大輸出	在 QwenCloud 模型頁面上最高 131K；Qwen 的視覺文件對已文件化的 API 設定列出了 64K
輸入	文字、圖像、影片
輸出	文字
函式呼叫	支援
結構化輸出	支援
輸入價格	$0.03/M tokens
輸出價格	$0.13/M tokens
隱式快取輸入	$0.006/M tokens
顯式建立快取	$0.038/M tokens
Gate.AI 模型家族格式	provider/model-name

QwenCloud 目前列出了 1M-token 的上下文視窗，約 991K 的最大標準輸入，131K 的最大輸出，以及最多 262K 的推理預算。Qwen 另一份獨立的視覺模型文件則對 qwen3.7-flash 列出了 64K 的最大輸出，因此生產團隊在假設每條存取路徑都會暴露相同輸出上限之前，應當確認正在使用的實際端點設定。

依照所列的 $0.03/M 輸入與 $0.13/M 輸出費率，若某工作負載消耗 100,000 個輸入 tokens 並生成 10,000 個輸出 tokens，成本約為：

(100,000 / 1,000,000 × $0.03) + (10,000 / 1,000,000 × $0.13) = $0.0043

這是以 token 計算得到的成本範例，而不是按請求計費的報價。快取、更長的提示詞、平台路由以及與帳戶相關的條件都可能改變實際帳單。

Qwen3.7 Flash 在生產中能做什麼，因而具有實用價值？

其最強的生產論據在於「多模態感知能力 + 低 token 定價」的組合。例如，一個文件處理智慧體可以將長文本與截圖或拍攝素材結合起來，對兩者同時進行推理，並回傳結構化文字，而不必在每個階段都各自為 OCR、視覺與語言使用獨立模型。

視覺程式設計是另一個相關的工作流程。Qwen 特別強調對真實世界視覺內容、空間關係以及視覺參照的解讀。因此，開發助手可以檢查介面截圖，與需求進行對照，並基於視覺脈絡產生或修改程式碼。由於已文件化的能力並不等同於像素級完美實作，人類複核仍是必要的。

函式呼叫也讓該模型適用於智慧體流水線。多模態智慧體可以檢查某個介面或上傳的影像，判斷需要呼叫哪個外部函式，並將結構化資料回傳給應用層。Qwen 也在其平台上文件化了用於搜尋以及偏程式碼解釋器導向的工作流程之內建工具能力。

當這些智慧體必須保留大量文件、對話歷史或檢索資料時，1M-token 的視窗就很重要。它可以減少過度分塊（aggressive chunking）；不過，開發者仍需要檢索與上下文管理策略，因為更大的上下文視窗並不保證每個 token 都會獲得同等程度的實際關注。

Qwen3.7 Flash 支援哪些模態？

模態	輸入	輸出	備註
文字	是	是	主要指令與回應格式
圖像	是	否	視覺理解輸入
影片	是	否	影片理解輸入
音頻	未公開確認	否	不要從更廣泛的 Qwen 家族推斷
函式呼叫	是	—	支援工具整合
結構化輸出	是	—	支援機器可讀輸出

Qwen 在相關視覺模型文件中為 Flash 變體列出了最多 256 個圖像 URL、最多 250 個 Base64 圖像，以及最多 64 個影片。實際可用上限也可能取決於總 token 消耗與端點要求。

重要的部署差異在於：圖像與影片是用於理解的輸入；已文件化的模型輸出是文字。它不應被當作圖像或影片生成模型。

Qwen3.7 Flash 哪些情況下不夠理想？

第一個限制是文件口徑差異。QwenCloud 的模型頁面目前展示最大輸出為 131K，而 Qwen 的視覺模型表格文件化的為 64K。這並不意味著兩組數字必然有任何一項錯誤；只能說明在圍繞「最高宣稱上限」進行設計之前，需要核驗端點或部署差異。

該模型也會產生文字，而不是圖像、音訊或影片。若工作流程需要媒體生成，就需要一個單獨的生成型模型。

此外，Flash 也是偏成本導向的檔位，而不是更高定位的 Qwen3.7 Plus 或 Max 變體。Qwen 並未證明 Flash 在每個困難推理、程式碼或智慧體任務上都能達到那些模型的水準。因此團隊應當評估「任務層級的成功率」，而不是僅憑 token 價格做選擇。

最後，視覺-語言模型可能會誤解含糊的截圖、小的視覺細節或不完整的情境。涉及關鍵決策的生產系統，在執行前應先對萃取到的事實與工具操作進行驗證。

Qwen3.7 Flash 最適合用在什麼情境？

Qwen3.7 Flash 適合高並發的多模態智慧體情境、截圖與 UI 分析、視覺程式設計輔助、包含圖像的長文件工作流程、面向多模態檢索的管線，以及在 token 經濟性非常關鍵時使用工具的應用。

當應用需要在同一個模型中同時完成文字、圖像或影片理解、長上下文處理，以及相對低成本的文字生成時，可以優先選擇它。

當最大推理能力比成本更重要、工作流程需要生成媒體而不是文字，或某個特定生產任務在更大的模型上展現出顯著更強的正確性時，應考慮改用其他模型。

從上一代升級的團隊可以對比 Qwen3.6 Flash 規格與 API 指南；而需要更高檔的 Qwen3.7 的應用則可查看 Qwen3.7 Plus 規格與定價。

Qwen3.7 Flash 與 Qwen3.6 Flash、Qwen3.7 Plus 有何對比？

模型	上下文	輸入	列出的輸入 / 輸出價格	定位
Qwen3.7 Flash	1M	文字、圖像、影片	$0.03 / $0.13 per M	低成本多模態智慧體
Qwen3.6 Flash	1M	文字、圖像、影片	Gate.AI 上架：$0.165 / $0.99 per M	先前的 Flash 世代
Qwen3.7 Plus	1M	文字、圖像、影片	QwenCloud：在所列檔位下 $0.32 / $1.28 per M	更高檔的多模態智慧體模型

Qwen3.7 Flash 保留了與 Qwen3.6 Flash 相同的多模態與長上下文整體定位輪廓，同時 Qwen 描述其在感知、空間推理與多模態智慧體執行方面有所提升。

Qwen3.7 Plus 著重於更高能力檔位，並被單獨定位用於全棧智慧體智能、視覺互動、GUI 操作與生產力工作流程。其顯著更高的 token 標價意味著：在品質已足夠滿足需求、且任務量很大的情況下，Flash 可能更具經濟性；而當任務複雜度足以證明新增成本是合理的，Plus 值得評估。

我如何透過 Gate.AI 存取 Qwen3.7 Flash？

Gate.AI 提供了 OpenAI 相容的 API，URL 為 https://api.gate.ai/openai/v1，並支援 Bearer-token 身分驗證，以及 /chat/completions 端點用於通用聊天模型。其目錄使用 provider/model 風格的識別符號，對應直接選定的模型。

對於 Qwen3.7 Flash，在 Gate.AI 中對應的識別符號是 qwen/qwen3.7-flash。隨最初備註一起提供的 minimax/minimax-h3 識別符號屬於另一種模型，不應在本文中使用。

Python

import os
from openai import OpenAI
client = OpenAI(
    api_key=os.environ["GATEAI_API_KEY"],
    base_url="https://api.gate.ai/openai/v1",
)
response = client.chat.completions.create(
    model="qwen/qwen3.7-flash",
    messages=[
        {
            "role": "user",
            "content": "Explain the key differences between REST and GraphQL."
        }
    ],
)
print(response.choices[0].message.content)

cURL

curl https://api.gate.ai/openai/v1/chat/completions \
  -H "Authorization: Bearer $GATEAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen/qwen3.7-flash",
    "messages": [
      {
        "role": "user",
        "content": "Explain the key differences between REST and GraphQL."
      }
    ]
  }'

這些範例遵循 Gate.AI 已文件化的 OpenAI 相容聊天工作流程，並使用環境變數而不是直接內嵌憑證。它們是文件範例，並非已確認可執行的請求。若 API 呼叫回傳模型路由錯誤，Gate.AI 建議檢查即時模型目錄，因為模型識別符號與可用性可能會變動。

常見問題

Qwen3.7 Flash 是多模態模型嗎？

是的。Qwen 已文件化了具文字輸出的文字、圖像與影片輸入。它也支援函式呼叫與結構化輸出。

Qwen3.7 Flash 的上下文視窗是多少？

已文件化的上下文視窗為 100 萬 tokens。QwenCloud 列出了約 991K 的可用最大標準輸入，並且在考量輸出與其他 token 配置之前。

Qwen3.7 Flash 需要多少錢？

目前 QwenCloud 的列表從每 100 萬輸入 tokens $0.03 起跳，並在所列定價檔位下，每 100 萬輸出 tokens 為 $0.13。隱式快取輸入為 $0.006/M，顯式建立快取為 $0.038/M。

Qwen3.7 Flash 會生成圖像或影片嗎？

不會。圖像與影片被文件化為輸入模態，而模型回傳文字。圖像或影片生成需要一個單獨的生成型媒體模型。

Qwen3.7 Flash 與 Qwen3.7 Plus 有何不同？

兩者都支援 1M 上下文視窗，以及文字、圖像和影片輸入，但 Flash 被定位為更具成本效益的檔位。Qwen3.7 Plus 的列出 token 定價顯著更高，並被定位用於更強的全棧多模態智慧體工作負載。