Qwen3.6 Plus
4174°
Modell ausführen
Angebote / Werbung
Qwen | 1.000.000 Token Kontext | $0,33/M Eingabe, $1,95/M Ausgabe. Qwen 3.6 Plus basiert auf einer hybriden Architektur, die effiziente lineare Aufmerksamkeit mit sparsamer Mixture-of-Experts-Routing kombiniert und so starke Skalierbarkeit und leistungsfähige Inferenz ermöglicht. Im Vergleich zur 3.5-Serie liefert es große Fortschritte bei agentischem Programmieren, Frontend-Entwicklung und allgemeinem Denken, mit einer deutlich verbesserten „vibe coding“-Erfahrung. Das Modell glänzt bei komplexen Aufgaben wie 3D-Szenen, Spielen und Repository-übergreifender Problemlösung und erreicht eine Punktzahl von 78,8 auf SWE-bench Verified. Es stellt einen bedeutenden Sprung sowohl in reinen Text- als auch multimodalen Fähigkeiten dar und arbeitet auf dem Niveau führender State-of-the-Art-Modelle.
Anleitungen zu diesem Modell
Wie man im Oktober 2026 ein KI-Modell auswählt: Neuigkeiten zu Closed Source und dann die Open-Weights, die sich zum Download lohnen
Offene Gewichte vs. Open Source vs. Nur API: Was du wirklich darfst
Die 10 günstigsten ChatGPT-Alternativen 2026: kostenlose lokale Modelle, Gratis-Stufen und Flatrate-Tarife
Captain's Notizen
Notizen vom 2026-10-13
Qwen 3.6 Plus ist ein Closed-Weights-Modell von Qwen, das auf einer hybriden Linear-Attention- und sparsamen Mixture-of-Experts-Architektur basiert, mit einem Kontextfenster von einer Million Tokens. Es zielt auf agentenbasiertes Programmieren und komplexes Denken ab und erreicht 78,8 auf SWE-bench Verified. Mit $0,33 pro Million Eingabetokens liegt es preislich angemessen für seine Leistung und verarbeitet neben Text auch Vision und Video.
Bekannt für
- 78,8 auf SWE-bench Verified, stark bei repository-übergreifenden Programmieraufgaben
- Kontextfenster von einer Million Tokens für sehr lange Dokumente oder Codebasen
- Hybride Linear-Attention plus sparse MoE-Architektur für effiziente Inferenz
- Vision- und Videoeingaben neben Text, nicht nur Text
- Deutlich verbesserte Frontend- und 'Vibe-Coding'-Fähigkeiten gegenüber der 3.5-Serie
Achte auf
- Keine offenen Gewichte und kein Hugging Face-Repository; nur API-Nutzung möglich.
- Ausgabe kostet $1,95 pro Million Tokens, was bei langen agentenbasierten Läufen schnell teuer wird.
- Qwen hat keine Angaben zur Parameteranzahl oder Lizenzbedingungen für dieses Modell veröffentlicht.
Prompts zum Ausprobieren
Fehlersuche auf Repository-Ebene
Hier ist ein Python-Repository mit einem fehlschlagenden Test. Der Test erwartet, dass `calculate_discount` für negative Eingaben 0 zurückgibt, wirft aber stattdessen einen ValueError. Verfolge die Aufrufkette vom Test über die Service-Schicht bis zur Hilfsfunktion, identifiziere die Ursache und gib einen minimalen Diff zurück, der das Problem behebt, ohne die öffentliche Schnittstelle der Funktion zu ändern.
3D-Szene-Code von Grund auf
Schreibe eine eigenständige HTML-Datei, die mit Three.js von einem CDN ein interaktives 3D-Sonnensystem rendert. Enthalten sind die Sonne, die Erde mit Mond und Mars. Die Erde soll die Sonne umkreisen, der Mond die Erde, und der Nutzer soll die Szene mit der Maus drehen und zoomen können. Keine externen Assets, kein Build-Schritt.
Mehrstufiger Agentenplan
Du planst einen autonomen Programmieragenten. Ein Nutzer möchte ein Django-3.2-Projekt auf Django 5.1 migrieren. Liste alle einzelnen Tool-Aufrufe auf, die der Agent in welcher Reihenfolge machen soll, um Breaking Changes zu prüfen, Abhängigkeiten zu aktualisieren, veralteten Code zu patchen, die Testsuite auszuführen und einen Migrationsbericht zu erstellen. Sei spezifisch, was jeder Aufruf prüft oder ändert.
Vergleichen mit
- Qwen3.8 FlashModell mit offenen Gewichten1,000,000 Token Kontext · $0.15/M Eingabe, $0.47/M Ausgabe
- Qwen3.8 27BModell mit offenen Gewichten1,000,000 Token Kontext · $0.24/M Eingabe, $2.20/M Ausgabe
- Qwen3.6 35B A3BModell mit offenen Gewichten262,144 Token Kontext · $0.15/M Eingabe, $1.00/M Ausgabe
- Qwen3.5-9BModell mit offenen Gewichten262,144 Token Kontext · $0.10/M Eingabe, $0.15/M Ausgabe
Mehr Textmodelle von qwen
Häufig gestellte Fragen
- Kann ich Qwen 3.6 Plus lokal ausführen?
- Nein. Qwen hat keine offenen Gewichte für dieses Modell veröffentlicht und es gibt kein Hugging Face-Repository, daher ist es nur per API nutzbar.
- Was kostet Qwen 3.6 Plus und wie lang ist sein Kontext?
- Die Preise betragen $0,33 pro Million Eingabetokens und $1,95 pro Million Ausgabetokens, mit einem Kontextfenster von einer Million Tokens.
- Worin unterscheidet sich Qwen 3.6 Plus von der 3.5-Serie?
- Qwen sagt, 3.6 Plus liefert große Fortschritte bei agentenbasiertem Programmieren, Frontend-Entwicklung und Denken gegenüber 3.5, mit deutlich verbesserter Erfahrung für iterative 'Vibe-Coding'-Workflows.
Captain's UrteilEin ernstzunehmendes agentenbasiertes Programmiermodell zu einem fairen Eingabepreis, nur getrübt durch geschlossene Gewichte und Ausgabekosten, die bei langen Läufen steigen.
Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Wie sich dieser Wert zusammensetzt
Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.
Glossar: die hier verwendeten Begriffe
- Heat-Score
- Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
- Grundwert
- Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
- Download-Äquivalente
- Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
- Logarithmische Skala
- Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
- Likes
- Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
- Verbreitungsrate
- Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
- Gemessen und geschätzt
- Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
- Seeder
- Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
- AI Horde
- Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
- Generierungsseiten
- Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
- OpenRouter Tokens
- Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Vollständiges Modell (Checkpoint)
- Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
- LoRA und Embedding
- Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
- Familie und Gewichte
- Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
- Alter
- Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
- Familien-Boost
- Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
- Stand-in-Wert
- Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
- Neu! (Schonfrist)
- Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
- Trend
- Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
- Typisches Modell
- Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.
