跳到主要內容

Qwen 3.6 Plus 完整評測：免費百萬 Token、推理速度碾壓 GPT-5.4，但你該用在正式環境嗎？ | Qwen 3.6 Plus Review: Free 1M Token Context, Faster Than GPT-5.4 — But Is It Production-Ready?

By Kit 小克 | AI Tool Observer | 2026-04-11

🇹🇼 Qwen 3.6 Plus 完整評測：免費百萬 Token、推理速度碾壓 GPT-5.4，但你該用在正式環境嗎？

Qwen 3.6 Plus 是阿里巴巴在 2026 年 4 月正式發布的旗艦語言模型，主打百萬 Token 上下文、線性注意力架構，以及免費預覽期間無限使用。對於開發者來說，最大的問題是：它真的能取代 Claude 和 GPT 嗎？

Qwen 3.6 Plus 是什麼？阿里巴巴的 Agent AI 旗艦模型

Qwen 3.6 Plus 是阿里巴巴通義千問系列的最新旗艦，採用混合線性注意力 + 稀疏 MoE（Mixture of Experts）架構，將傳統的二次方注意力機制替換為線性複雜度方案，讓百萬 Token 上下文窗口在推理成本上變得可行。

核心規格一覽：

  • 上下文窗口：1,000,000 tokens（約 2,000 頁文件）
  • 最大輸出：65,536 tokens
  • 推理速度：約 158 tokens/秒（Claude Opus 4.6 約 93.5 tok/s，GPT-5.4 約 76 tok/s）
  • 內建 Chain-of-Thought：永遠啟動，無法關閉
  • 原生工具呼叫：支援 function calling
  • 多模態：支援文件、圖片、UI 截圖、影片推理

Qwen 3.6 Plus 跑分實測：哪些場景真的強？

Qwen 3.6 Plus 在多項基準測試中展現競爭力，但也有明顯短板：

強項：文件解析與視覺推理

  • OmniDocBench v1.5：91.2（Claude Opus 4.6 為 87.7）——文件解析能力領先
  • RealWorldQA：85.4（Claude Opus 4.6 為 77.0）——真實場景問答表現突出
  • MCPMark 工具呼叫：48.2%——Agent 工作流程的工具串接能力不錯
  • SWE-bench Verified：78.8%（Claude Opus 4.6 為 80.8%）——軟體工程能力接近頂尖

弱項：作業系統操控與安全程式

  • OSWorld-Verified：62.5%（Claude Opus 4.6 為 72.7%，GPT-5.4 為 75.0%）
  • 安全程式測試：僅 43.3% 成功率
  • 事實幻覺率：26.5%——在 API 文件和程式語言相關回答中容易出錯

免費使用 Qwen 3.6 Plus 的方法與定價比較

預覽期間，Qwen 3.6 Plus 可透過 OpenRouter 完全免費使用，這是目前最吸引開發者的賣點：

  • OpenRouter 免費預覽：輸入 $0/百萬 token，輸出 $0/百萬 token
  • 阿里雲百煉（正式版）：輸入 $0.29/百萬 token，輸出 $1.65/百萬 token
  • 對比 Claude Opus 4.6：輸入 $5.00/百萬 token，輸出 $25.00/百萬 token

正式版價格約為 Claude 的 1/15 到 1/17，對於高吞吐量應用來說，成本差距非常顯著。

Qwen 3.6 Plus 適合什麼場景？

推薦使用

  • 大型程式碼庫分析：百萬 Token 上下文讓整個 repo 都能塞進去
  • 長文件推理：法律合約、研究報告、技術文件的全文分析
  • 多步驟 Agent 工作流程：工具呼叫穩定性比前代 Qwen 3.5 提升明顯
  • 成本敏感的 MVP 開發：免費或極低價格適合原型驗證
  • 文件解析與 OCR：OmniDocBench 成績領先，適合企業文件數位化

不推薦使用

  • 正式環境 SLA 需求：預覽版無保證，Time-to-first-token 在共享基礎架構上要 11.5 秒
  • 機密資料處理：免費版會收集 prompt 用於模型訓練
  • 安全關鍵程式碼：安全測試成功率偏低
  • 需要最高事實準確度：26.5% 幻覺率在關鍵應用中不可接受

線性注意力架構：為什麼百萬 Token 不再是夢？

傳統 Transformer 的自注意力機制是 O(n²) 複雜度——當上下文從 128K 擴大到 1M，計算量會暴增 64 倍。Qwen 3.6 Plus 採用的線性注意力將複雜度降到 O(n)，搭配稀疏 MoE 只啟動部分專家參數，讓百萬 Token 推理在商用硬體上變得可行。

這不只是技術突破，更代表一個趨勢：超長上下文將成為 2026 年 LLM 的標配，而不再是實驗性功能。

常見問題 FAQ

Qwen 3.6 Plus 免費版可以用多久？

目前阿里巴巴未公布免費預覽的結束日期，但預覽期間的 prompt 會被收集用於模型訓練，建議不要傳送敏感資料。

Qwen 3.6 Plus 跟 Claude Opus 4.6 比誰更好？

各有優劣。Qwen 在文件解析（OmniDocBench 91.2 vs 87.7）和推理速度（158 vs 93.5 tok/s）領先，但 Claude 在軟體工程（SWE-bench 80.8% vs 78.8%）和作業系統操控（OSWorld 72.7% vs 62.5%）更強。價格差距最大——Qwen 正式版便宜約 15 倍。

Qwen 3.6 Plus 支援繁體中文嗎？

支援。Qwen 系列對中文的支援一直是強項，在中文理解和生成方面通常優於同級別的歐美模型。

開發者該從 GPT-5.4 或 Claude 轉移到 Qwen 3.6 Plus 嗎？

如果你的應用是文件處理、長上下文分析、或成本敏感型 Agent，值得測試。但正式環境建議等正式版發布後再評估 SLA 和穩定性。

好不好用，試了才知道 —— Kit 小克 / AI 工具觀察站

🇺🇸 Qwen 3.6 Plus Review: Free 1M Token Context, Faster Than GPT-5.4 — But Is It Production-Ready?

Qwen 3.6 Plus is Alibaba's flagship language model officially launched in April 2026, featuring a 1-million-token context window, linear attention architecture, and a free preview period. The big question for developers: can it actually replace Claude and GPT for production workloads?

What Is Qwen 3.6 Plus? Alibaba's Agentic AI Flagship

Qwen 3.6 Plus is the latest flagship in Alibaba's Tongyi Qianwen series, built on a hybrid linear attention + sparse Mixture of Experts (MoE) architecture that replaces traditional quadratic attention with a linear-complexity alternative, making the million-token context window computationally feasible.

Key specifications:

  • Context window: 1,000,000 tokens (approximately 2,000 pages of text)
  • Max output: 65,536 tokens per response
  • Inference speed: ~158 tokens/second (vs. Claude Opus 4.6 at ~93.5 tok/s, GPT-5.4 at ~76 tok/s)
  • Built-in Chain-of-Thought: Always-on, no toggle
  • Native tool calling: Function calling supported
  • Multimodal: Documents, images, UI screenshots, and video reasoning

Qwen 3.6 Plus Benchmarks: Where It Shines and Where It Falls Short

Qwen 3.6 Plus shows competitive performance across multiple benchmarks, but with notable weaknesses:

Strengths: Document Parsing and Visual Reasoning

  • OmniDocBench v1.5: 91.2 (Claude Opus 4.6: 87.7) — leading document parsing
  • RealWorldQA: 85.4 (Claude Opus 4.6: 77.0) — strong real-world question answering
  • MCPMark tool calling: 48.2% — solid agentic tool integration
  • SWE-bench Verified: 78.8% (Claude Opus 4.6: 80.8%) — near state-of-the-art software engineering

Weaknesses: OS Control and Security Code

  • OSWorld-Verified: 62.5% (Claude Opus 4.6: 72.7%, GPT-5.4: 75.0%)
  • Security coding tests: Only 43.3% success rate
  • Factual hallucination rate: 26.5% — particularly on API documentation and programming language claims

How to Use Qwen 3.6 Plus for Free and Pricing Comparison

During the preview period, Qwen 3.6 Plus is completely free on OpenRouter — its biggest draw for developers right now:

  • OpenRouter free preview: $0/million tokens input, $0/million tokens output
  • Alibaba Cloud Bailian (production): $0.29/million input, $1.65/million output
  • Claude Opus 4.6 (comparison): $5.00/million input, $25.00/million output

Production pricing is roughly 15-17x cheaper than Claude, which is significant for high-throughput applications.

Best Use Cases for Qwen 3.6 Plus

Recommended

  • Large codebase analysis: The 1M context window fits entire repositories
  • Long document reasoning: Legal contracts, research papers, technical documentation
  • Multi-step agent workflows: Improved tool-calling stability over Qwen 3.5
  • Cost-sensitive MVP development: Free or ultra-low-cost prototyping
  • Document parsing and OCR: Leading OmniDocBench scores make it ideal for enterprise digitization

Not Recommended

  • Production SLA requirements: Preview with no guarantees; 11.5-second time-to-first-token on shared infrastructure
  • Confidential data handling: Free tier collects prompts for model training
  • Security-critical code: Low security test pass rate
  • Maximum factual accuracy: 26.5% hallucination rate is unacceptable for critical applications

Linear Attention Architecture: Why 1 Million Tokens Is Now Practical

Traditional Transformer self-attention has O(n squared) complexity — scaling context from 128K to 1M increases computation by 64x. Qwen 3.6 Plus uses linear attention to reduce complexity to O(n), combined with sparse MoE that activates only a subset of expert parameters, making million-token inference feasible on commercial hardware.

This is not just a technical breakthrough — it signals a trend: ultra-long context will become the default for LLMs in 2026, no longer an experimental feature.

FAQ

How long will the Qwen 3.6 Plus free preview last?

Alibaba has not announced an end date for the free preview. However, prompts submitted during the preview are collected for model training, so avoid sending sensitive data.

Is Qwen 3.6 Plus better than Claude Opus 4.6?

It depends on your use case. Qwen leads in document parsing (OmniDocBench 91.2 vs 87.7) and inference speed (158 vs 93.5 tok/s), but Claude is stronger in software engineering (SWE-bench 80.8% vs 78.8%) and OS control (OSWorld 72.7% vs 62.5%). The biggest gap is pricing — Qwen production tier is about 15x cheaper.

Does Qwen 3.6 Plus support Chinese?

Yes, and Chinese is a core strength. The Qwen series consistently outperforms Western models of similar scale on Chinese comprehension and generation tasks.

Should developers switch from GPT-5.4 or Claude to Qwen 3.6 Plus?

If your application involves document processing, long-context analysis, or cost-sensitive agents, it is worth testing. For production environments, wait for the official release to evaluate SLA and stability guarantees.

You never know until you try — Kit / AI Tools Observatory

Sources / 資料來源

常見問題 FAQ

Qwen 3.6 Plus 免費版可以用多久？

阿里巴巴未公布免費預覽結束日期，但預覽期間 prompt 會被收集用於訓練，建議不要傳送敏感資料。

Qwen 3.6 Plus 跟 Claude Opus 4.6 比誰更好？

各有優劣。Qwen 在文件解析和推理速度領先，Claude 在軟體工程和 OS 操控更強。價格差距最大——Qwen 正式版便宜約 15 倍。

Qwen 3.6 Plus 支援繁體中文嗎？

支援，Qwen 系列對中文的支援一直是強項，通常優於同級別歐美模型。

開發者該從 GPT-5.4 轉移到 Qwen 3.6 Plus 嗎？

文件處理、長上下文分析或成本敏感型應用值得測試，但正式環境建議等正式版再評估。

Qwen 3.6 Plus 的百萬 Token 上下文是怎麼做到的？

採用線性注意力架構將複雜度從 O(n²) 降到 O(n)，搭配稀疏 MoE 只啟動部分專家參數，讓長上下文推理在商用硬體上可行。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

ARC-AGI-3 發布：頂尖 AI 全部得分不到 1% | ARC-AGI-3: Every Top AI Model Scored Under 1%

By Kit 小克 | AI Tool Observer | 2026-03-30 🇹🇼 ARC-AGI-3 發布：頂尖 AI 全部得分不到 1% ARC-AGI-3 於 2026 年 3 月 25 日正式發布，這個全新互動式基準測試立刻震驚整個 AI 圈：Gemini 3.1 Pro、GPT-5.4、Claude Opus 4.6 等頂尖模型，全部得分不到 1%。這不只是一個數字，而是對當前 AI 能力極限最直接的一次公開測試。 ARC-AGI-3 是什麼？ ARC-AGI（Abstraction and Reasoning Corpus）系列由 Francois Chollet 創立，目的是測試機器是否具備真正的一般智能，而非死記硬背或過度訓練特定題型。 第三代與前兩代最大的不同在於： 它是完全互動式的 。AI 不是解題，而是要在一個沒有說明書的遊戲環境中自主探索、學習規則、設定目標、並完成長期任務。測試的四個核心能力是： 探索能力（Exploration） ：在未知環境中主動試探 世界建模（World Modeling） ：理解環境規則並形成心理模型 目標設定（Goal-setting） ：自行定義並追求有意義的目標 長期規劃（Long-horizon Planning） ：跨多步驟維持行動一致性 各大模型得分：讓人冷靜的數字 以下是目前已知的 ARC-AGI-3 各模型成績： Google Gemini 3.1 Pro Preview： 0.37% （目前最高） OpenAI GPT-5.4（High）： 0.26% Anthropic Claude Opus 4.6（Max）： 0.25% xAI Grok-4.20（Reasoning Beta）： 0.00% 人類基準線： 100% 差距不是些微落後，而是 接近零 。這個結果讓不少在 Hacker News 討論的開發者感嘆：「我們一直在測量的，根本不是智能。」 為什麼這次不一樣？ 過去的 AI 基準測試，往往在幾年內就被「攻克」——模型訓練資料越來越接近測試集，得分隨之飆升。ARC-AGI-3 試圖從根本上改變這個循環： 沒有預先給定的目標或規則，AI 必須自己發現 環境是動態的，每...
閱讀完整內容

MCP 突破 9700 萬次下載：AI Agent 的「USB-C」為何成為 2026 年最重要的標準？ | MCP Hits 97 Million Downloads: Why Model Context Protocol Became the Most Important AI Standard of 2026

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 MCP 突破 9700 萬次下載：AI Agent 的「USB-C」為何成為 2026 年最重要的標準？ 如果你最近在研究 AI Agent，幾乎不可能沒聽過 MCP（Model Context Protocol） 。這個由 Anthropic 提出、現在已捐給 Linux Foundation 的開放協議，在 2026 年 3 月已達到每月 9700 萬次 SDK 下載 ——距離它 16 個月前推出時的 200 萬次，成長了整整 47 倍 。 為什麼這件事值得關注？因為 MCP 正在成為 AI 工具生態的底層標準，就像 USB-C 統一了充電接口一樣。 MCP 到底解決了什麼問題？ 在 MCP 出現之前，每個 AI 應用想要連接外部工具（資料庫、API、本地檔案、第三方服務），都必須各自寫一套整合邏輯。這不只重複造輪，還讓每個 Agent 的能力範圍受限於開發者願意花多少時間手動接線。 MCP 的做法是：定義一個 標準化的通信協議 ，讓 AI 模型可以透過統一介面呼叫任何工具。開發者只需要寫一個 MCP Server，就能讓所有支援 MCP 的 AI（Claude、GPT、Gemini 等）直接使用。 現在有多少工具支援 MCP？ 目前已有超過 5,800 個公開的 MCP Server 主流 AI 提供商（Anthropic、OpenAI、Google、Microsoft）全部支援 企業端整合加速：Salesforce、Atlassian、GitHub 等都已發布官方 MCP Server 2026 RSA 資安大會將 MCP 安全性列為重要議題 對開發者來說，現在應該怎麼做？ 如果你在做任何跟 AI Agent 相關的開發，MCP 不再是「可以考慮」的選項，而是 必須了解的基礎建設 。幾個實用建議： 先看官方文件 ：modelcontextprotocol.io 有完整的 server/client 開發指南 找現成的 MCP Server ：mcp.so 和 GitHub 上有大量社群貢獻的整合包 注意安全問題 ：MCP 的 prompt injection 風險是目前最熱門的研究議題，上線前務必審查 Cla...
閱讀完整內容

LiteLLM 供應鏈攻擊：你的 AI 開發環境可能已被入侵 | LiteLLM Supply Chain Attack: Your AI Dev Environment May Be Compromised

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 LiteLLM 供應鏈攻擊：你的 AI 開發環境可能已被入侵 如果你最近幾天有用 pip install litellm ，請立刻停下來確認版本號。2026 年 3 月 24 日，PyPI 上的 LiteLLM 套件遭受嚴重的供應鏈攻擊，影響了全球數百萬 AI 開發者的工作環境。 事件發生了什麼？ 攻擊者隸屬於名為 TeamPCP 的威脅行為者，從 3 月 19 日開始，先入侵了 Trivy（一個廣泛用於 CI/CD 管線的開源安全掃描工具），竊取了維護者的 PyPI 憑證，最終在 3 月 24 日繞過官方 CI/CD 流程，直接將惡意版本上傳至 PyPI。 受影響版本： litellm 1.82.7 和 litellm 1.82.8 ，兩個版本在被發現後均已從 PyPI 移除。惡意版本在 PyPI 上存活約 3 小時（10:39 UTC 至 16:00 UTC），但 LiteLLM 每天下載量約 340 萬次，影響範圍仍相當廣泛。 惡意程式做了什麼？ v1.82.8 是最危險的版本：它植入了一個 litellm_init.pth 檔案， 只要 Python 直譯器啟動就自動執行 ，不管你的程式有沒有 import litellm。惡意程式分三個階段運作： 資料收集： 竊取 SSH 金鑰、.env 檔案、AWS/GCP/Azure 雲端憑證、Kubernetes 設定、資料庫密碼、shell 歷史記錄、CI/CD 密鑰、加密錢包檔案 加密外洩： 以 AES-256 加密資料，再用 RSA-4096 加密金鑰，傳送至偽裝成官方域名的 models.litellm.cloud 持久化後門： 如果偵測到 Kubernetes token，會嘗試在 kube-system 命名空間建立特權 Pod，並在 ~/.config/sysmon/sysmon.py 安裝系統級後門 如何確認你有沒有中招？ 執行以下指令： pip show litellm — 檢查版本是否為 1.82.7 或 1.82.8 ls ~/.config/sysmon/ — 檢查是否存在後門檔案 Kubernetes 用戶：檢查 kube-system ...
閱讀完整內容