Kan jag köra Qwen3.6-Max-Preview lokalt?

Nej — vikterna är inte offentliga och det finns inget Hugging Face-repo. Du når den endast via API.

Vad kostar det och hur lång är kontexten?

Priset är 1,03 USD per miljon inmatningstoken och 6,16 USD per miljon utmatningstoken, med ett kontextfönster på 262 144 tokens.

Hur skiljer sig denna från andra Qwen3-modeller?

Detta är Max-nivåns förhandsvisning, som ligger över mindre Qwen3-varianter; den glesa MoE-designen med ungefär 1 biljon parametrar är den viktigaste arkitektoniska skillnaden, riktad mot svårare kodning och agentuppgifter snarare än vardaglig chatt.

Qwen3.6 Max Preview

2925°

#llm #qwen #resonemang #kodning #agenter #lång kontext

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Qwen | 262,144 token context | $1.03/M input, $6.16/M output. Qwen3.6-Max-Preview är en proprietär gränsmodell från Alibaba Cloud byggd på en sparsam mixture-of-experts-arkitektur med cirka 1 biljon totala parametrar. Den är optimerad för agentbaserad kodning, verktygsanvändning och...

Guider för denna modell

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Qwen3.6-Max-Preview är Alibaba Clouds frontlinjemodell byggd på en gles mixture-of-experts-arkitektur med ungefär 1 biljon totala parametrar. Den är anpassad för agentbaserad kodning och verktygsanvändning, och dess 262 144 tokens långa kontextfönster ger gott om utrymme för stora kodbaser eller långa dokument. Vikterna är stängda, endast API, och prissättningen ligger i den högre delen av mellanklassen.

Känd för

Gles MoE-arkitektur med ungefär 1 biljon totala parametrar
Optimerad för agentbaserade kodningsarbetsflöden och verktygsanvändning
262 144 tokens kontextfönster — plats för stora kodbaser
Frontlinjeklassad resonemangsförmåga från Alibaba Clouds Qwen-serie

Se upp för

Stängda vikter, endast API — du kan inte köra den lokalt eller inspektera modellen.
Utgångskostnad på 6,16 USD per miljon tokens blir snabbt dyrt vid långa agentloopar.
Förhandsvisningsstatus innebär att beteende och prissättning kan ändras utan förvarning.

Bäst för

Kodning

Agenter och verktygsanvändning

Resonemang

Lång kontext

Promptar att prova

Flerstegs refaktorering

Du har en Python-tjänst som läser från en Postgres-databas med råa SQL-strängar utspridda över 12 filer. Planera och implementera en refaktorering som centraliserar alla frågor i ett repository-lager, lägger till typanvisningar överallt och skriver en pytest-svit som täcker de tre mest kritiska vägarna. Visa först hela filstrukturen, sedan varje fil.

Design av verktygsanvändande agent

Designa en agent som övervakar ett GitHub-repo för nya issues, triagerar dem efter allvarlighetsgrad med ett klassificeringsverktyg, postar en strukturerad kommentar med föreslagen ansvarig och uppskattad insats, och loggar varje åtgärd till en SQLite-databas. Definiera verktygen, deras scheman och agentloopen i Python med ett funktionsanropsmönster.

Resonemang över långt dokument

Jag klistrar in ett 50-sidigt dokument om mjukvaruarkitektur nedan. Efter att ha läst det, identifiera de tre största enskilda felpunkterna i det föreslagna systemet, förklara felmoden för varje och föreslå en konkret åtgärd. Rangordna dem efter sannolikhet att orsaka produktionsavbrott under de första sex månaderna.

Jämför med

Qwen3.8 Flash
Öppen vikt-modell
1,000,000 tokens kontext · $0.15/M indata, $0.47/M utdata
Qwen3.8 27B
Öppen vikt-modell
1,000,000 tokens kontext · $0.24/M indata, $2.20/M utdata
Qwen3.6 35B A3B
Öppen vikt-modell
262,144 tokens kontext · $0.15/M indata, $1.00/M utdata
Qwen3 Coder Next
Öppen vikt-modell
262,144 tokens kontext · $0.12/M indata, $0.80/M utdata

Fler textmodeller från qwen

Vanliga frågor

Kan jag köra Qwen3.6-Max-Preview lokalt?: Nej — vikterna är inte offentliga och det finns inget Hugging Face-repo. Du når den endast via API.
Vad kostar det och hur lång är kontexten?: Priset är 1,03 USD per miljon inmatningstoken och 6,16 USD per miljon utmatningstoken, med ett kontextfönster på 262 144 tokens.
Hur skiljer sig denna från andra Qwen3-modeller?: Detta är Max-nivåns förhandsvisning, som ligger över mindre Qwen3-varianter; den glesa MoE-designen med ungefär 1 biljon parametrar är den viktigaste arkitektoniska skillnaden, riktad mot svårare kodning och agentuppgifter snarare än vardaglig chatt.

Kaptens omdöme
En seriös agentbaserad kodningsmodell med ett enormt kontextfönster — utgångspriset gör att du bör hålla koll på längden på dina loopar.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

Qwen3 Next 80B A3B Instruct

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

Qwen3.6 Max Preview är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm qwen resonemang kodning agenter lång kontext

Bläddra efter modellfamilj