阿里 Qwen 又放出一个有意思的东西：Qwen-MM-Plugins。它不是单纯的多模态模型，而是把多模态能力直接封装成 Agent 插件。

接入后，原本只会处理文本的 Agent，也能直接处理：
📷 图片理解
🎬 视频分析
📄 文档解析
🎨 视频编辑
🧊 3D/CAD 文件处理

以前 Agent 遇到图片、视频、三维文件，往往需要额外接各种工具。

现在，Qwen 想把这些能力直接“挂”进 Agent 框架，让 Agent 天生具备多模态能力。
从「多模态模型」走向真正的「多模态 Agent」。
项目已开源，感兴趣可以体验。