Qwen3.6 真好玩，使我的大腦旋轉
整理版優先睇
Qwen3.6-Plus 前端 Coding 與多模態推理表現出色，Agent 長程任務有進步但深度待提升
阿里千問最近推出咗新模型 Qwen3.6-Plus，作者進行咗一系列測試。文章首先介紹咗模型嘅三個主要維度：原生多模態、Agentic Coding 同埋 100 萬上下文窗口。然後作者用多個實測案例評估模型嘅單輪 Coding、多模態推理同 Agent 長程任務能力。整體結論係 Qwen3.6-Plus 喺前端代碼生成同視覺推理方面表現出色，尤其係單輪 Coding 可以同 Claude Opus 4.6 媲美；Agent 長程任務比起上代有進步，但複雜度上限仍有提升空間。定價方面以 256k 為界階梯計費，性價比唔錯。
喺前端代碼測試中，Qwen3.6-Plus 喺「TextPlayground」文字特效任務完成度好高，文字鏈效果尤其好；而喺 3D 樣板房呢類高難度任務上，Claude Opus 4.6 表現更好，但整體仲有改善空間。多模態推理方面，模型喺找圖中不合理地方同地鐵換乘路線推斷都表現準確，延續 Qwen 家族優良傳統。Agent 長程任務部分，模型能夠完成並行調研熱榜同開發桌寵，但桌寵嘅自動進食策略同鼠標穿透需要手動調整，反映長程 Agent 深度不足。最後作者總結，建議用家可以用喺前端開發同視覺識別場景，Agent 任務則需要配合其他工具使用。
- Qwen3.6-Plus 喺單輪前端代碼生成任務上表現優秀，與 Claude Opus 4.6 差唔多，尤其係文字特效任務完成度好高。
- 模型嘅多模態推理能力延續上代優勢，喺地鐵換乘呢類複雜圖像推理中準確率高，識別細節豐富。
- Agent 長程任務比上代有進步，可以完成並行調研同桌寵開發，但複雜深度有限，需要多輪調整先得。
- 定價以 256k 上下文為界限階梯計費，對於一般應用性價比唔錯。
- 適合用喺前端開發、視覺識別場景，Agent 任務可以配合 Claude Code 等工具使用。
內容片段
創建一個交互式網頁項目：「TextPlayground
- 文字特效實驗場」頁面頂部有 Tab 欄切換不同文字交互模式。頁面展示一段英文文本，每個字母獨立渲染為粒子。五個模式：
1. 磁力場 — 按住鼠標，附近文字被排斥推開形成空洞，鬆開後緩慢迴歸原位2. 文字鏈 — 點擊一個字母粘在鼠標上，拖動時相鄰字母像鎖鏈一樣依次跟隨3. 漩渦 — 按住鼠標，附近文字圍繞鼠標旋轉形成螺旋4. 追光 — 鼠標劃過的文字發光放大，形成漸隱的亮帶軌跡，不改變文字位置5. 拆字成灰 — 按住鼠標，附近的字母溶解為細小粒子飄散，鬆開後粒子重新聚合回字形視覺要求：
- 背景淺色紙張質感- 動畫流暢 60fps- 切換模式時文字平滑過渡回原位不使用任何第三方庫，純原生實現。項目結構和技術方案自主決定。模型發布與核心特性
阿里千問最近推出咗新模型 Qwen3.6-Plus，主打三個維度提升模型能力。
原生多模態：沿襲上代優秀能力，可勝任複雜多模態推理任務。
Agentic Coding：強化前端網頁開發、複雜代碼開發同終端自動化任務。
100萬上下文窗口，配合新 API 參數 preserve_thinking，保留多輪推理過程。
目前新模型已上架阿里雲百鍊，可以接入 Claude Code、OpenClaw、Qwen Code 等編程助手使用，chat.qwen.ai 亦可直接體驗。
前端代碼生成測試
作者用多個 Demo 測試單輪 Coding 質量，包括複雜網頁文字特效同 3D 樣板房。
文字特效任務：Qwen3.6-Plus 完成度高，文字鏈效果比 Gemini 好。
3D 樣板房：難度大，Claude Opus 4.6 表現突出，但各家都有錯位問題。
測試 Prompt 要求一次指令生成五個交互相式，Qwen 各項完成度均在線。
多模態推理能力
上代模型已展現優秀多模態推理，今代繼續提升。作者測試兩個 Case。
找不合理：Qwen 找出更多直觀問題，總正確數領先 Gemini。
地鐵換乘：Qwen 作答耗時不到 50 秒，答案正確無誤。
模型喺複雜多細節圖像識別與理解能力突出。
Agent長程規劃與執行
測試通用聯網任務同日式桌寵開發，評估長程 Agent 能力。
聯網任務使用作者自製嘅 Web-Access Skill，成功並行調研知乎、微博、B 站熱榜。
桌寵開發：模型合理拆分任務，一輪 Prompt 完成主體，但自動進食策略同鼠標穿透需調整。
整體而言，長程 Agent 任務比上代進步，但複雜度上限仍有待提升。
定價與總結
Qwen3.6-Plus 已上架阿里雲百鍊，以 256k 上下文為界限階梯計價。
前端代碼及單輪 Coding 能力表現較好。
視覺識別推理高可用度。
Agent 長程任務比上代進步。
作者總結，模型適合前端開發同視覺識別場景，Agent 任務可配合其他工具使用。
今個禮拜，阿里千問又出咗新模型 Qwen3.6-Plus。
先睇前端 Coding 效果 Demo——流動文字特效，係由呢個新模型一次指令入面跑出嚟。
另外，參考近期 A 社嘅終端桌寵潮流，開發咗一隻喺你電腦度不斷屙💩嘅螃蟹：
Qwen3.6-Plus 主打三個維度：
- 原生多模態：繼承咗上代 Qwen3.5-Plus 嘅優秀多模態能力，可以勝任複雜多模態推理任務，例如睇地鐵圖規劃轉車路線。
- Agentic Coding： 前端網頁開發、複雜代碼開發、終端操作同自動化任務能力提升咗
- 100 萬上下文窗口，同埋提供咗新嘅 API 參數 preserve_thinking，可以喺多輪對話入面保留中間推理過程
摘自千問提供嘅 Benchmark 結果
目前新模型已經上架阿里雲百鍊。可以直接接入 Claude Code、OpenClaw、Qwen Code 等編程助手使用。chat.qwen.ai 都可以直接體驗。
💻 代碼生成 Demo
都係由代碼生成 Demo 效果睇起，側重觀察單輪 Coding 生成質量，初步鎖定模型水平。
Case 1：複雜網頁文字特效
Prompt 一樣，分別用 Qwen3.6-Plus、Gemini 3.1 Pro、Claude Opus 4.6，一次指令就跑出結果。
為咗增加複雜度，要求模型喺一次生成入面，完成多項特效模式開發。
Qwen3.6-Plus：
Gemini 3.1 Pro：
Claude Opus 4.6：
Qwen 各項完成度都喺線，文字鏈表現更加好；Opus 就喺動畫精細度上略佔優勢；Gemini表現比較平。
測試 Prompt 如下：
創建一個交互式網頁項目：「TextPlayground - 文字特效實驗場」
頁面頂部有 Tab 欄切換不同文字交互模式。頁面展示一段英文文本，每個字母獨立渲染為粒子。
五個模式：
1. 磁力場 — 按住鼠標，附近文字被排斥推開形成空洞，鬆開後緩慢迴歸原位
2. 文字鏈 — 點擊一個字母粘在鼠標上，拖動時相鄰字母像鎖鏈一樣依次跟隨
3. 漩渦 — 按住鼠標，附近文字圍繞鼠標旋轉形成螺旋
4. 追光 — 鼠標劃過的文字發光放大，形成漸隱的亮帶軌跡，不改變文字位置
5. 拆字成灰 — 按住鼠標，附近的字母溶解為細小粒子飄散，鬆開後粒子重新聚合回字形
視覺要求：
- 背景淺色紙張質感
- 動畫流暢 60fps
- 切換模式時文字平滑過渡回原位
不使用任何第三方庫，純原生實現。項目結構和技術方案自主決定。Case 2：3D 樣板房
呢個任務打算俾模型上一下強度。如果要完整完成，需要模型對 3D 開發、材質把控、真實樣板房佈局都有深入理解。
Qwen3.6-Plus：
Claude Opus 4.6：
Gemini 3.1 Pro：
喺呢個任務下，Claude 表現突出，但整體嚟講，對於當前模型嚟講都有較大挑戰。各家喺房間佈局上都有錯位、假走廊、錯門現象。
👀 依然頂級嘅多模態推理
上代模型 Qwen3.5-Plus 喺春節期間嘅多模態識別同推理能力，實測表現非常搶眼。持續觀察多模態表現水平。
Case 1：揾出圖入面全部唔符合現實嘅地方
仔細找全圖中全部不符合現實的地方
Qwen3.6-Plus
Gemini 3.1 Pro
相比之下，Qwen 總體勝出。
從畫面細緻度嚟觀察，Qwen 揾出咗更多直觀嘅問題，保持 1 個數量嘅總正確數領先。而 Gemini 表現出略好嘅空間規律理解，能夠揾出畫面睇起嚟正常但係唔符合規律嘅問題。
Case 2：地鐵轉車路線推測
呢題主要考察模型對複雜細節圖片內容嘅識別同信息推理。
問題 Prompt 如下：
從許村到南湖站最近的換乘路線是什麼？不準聯網，只能從我提供的圖片進行推理
Qwen 作答耗時唔夠 50秒，答案正確無誤，成功勝任視覺推理任務場景 ✅
對於複雜多細節圖像嘅識別同理解能力突出。
🦐 Agent 長程規劃與執行
Qwen3.6-Plus 長程 Agentic 任務能力，比前代有一定提升。相比複雜長程任務，更擅長前端同指令明確嘅代碼任務生成。
Case 1：通用聯網任務
使用近日爆紅嘅通用聯網 Agent Skill 「Web-Access」（我整嘅），測試 Qwen3.6-Plus 喺複雜網絡環境嘅 Agent Loop 表現。
直接俾出並行調研指令：
幫我並行調研知乎、微博、B站的今日熱榜內容，返回今日日報給我
抓取三個平台今日內容如下，並展現出模型自發對跨平台共性熱點進行整合嘅智能行為。
喺任務過程中，可勝任指令遵循表現良好，最終佢抓取嘅內容經核實，內容數據都同實際情況一致。
Case 2：Mac 桌寵開發
測試 Qwen3.6-Plus 喺長程 Agentic Coding 能力，要求佢根據已有角色資源，製作一隻可以喺電腦桌面底部瘋狂食飯、屙 💩 嘅螃蟹桌寵（Btw，呢隻桌寵嘅角色資產都係用 Qwen3.6-Plus 畫嘅）
使用像素桌寵資產：/Documents/pixel-assets/assets/crab.js
製作Mac桌寵，要求：點擊角色可愛撫，有表情反應；點擊桌面屏幕底部邊緣，可餵食；角色在桌面底部無規則遊蕩，經常拉💩；點擊💩
可清理。僅桌寵遊戲可見交互部分可點擊，其餘透明區域鼠標可穿透。接受任務之後，首先對任務進行咗合理嘅拆分：
並喺 1 輪 Prompt 下，一次性完成遊戲主體開發，喺 Mac 上可以直接運行。喺自動進食、屙💩嘅實際行為策略、滑鼠穿透實現需要調整，即係模型長程 Agent 任務執行深度有待提升。
（如果對 DIY 可以喺你桌面周圍屙💩嘅桌寵有興趣，Maybe 遲啲可以更新一期文章 ⬇️）
💰 定價與總結
Qwen3.6-Plus 已經上架阿里雲百鍊，以 256k 上下文為界限，階梯計價：
總結一下：
Qwen3.6-Plus 喺前端代碼或者單輪 Coding 能力上，有較好表現。Agent 長程任務比上代有進步，複雜度上限仲有提升空間。
另外，喺視覺識別推理場景，體現出明顯嘅高可用度，延續咗 Qwen 家族喺多模態識別場景嘅一流水準。
希望呢篇文章可以對你有所啟發，多謝點讚、關注、分享
本週，阿里千問又發新模型 Qwen3.6-Plus。
先看前端 Coding 效果 Demo——流動文字特效，由該新模型一次指令內跑出。
另外，參考最近的 A 社的終端桌寵潮流，開發了一隻在你電腦上不斷拉💩的螃蟹：
Qwen3.6-Plus 主打三個維度：
- 原生多模態：沿襲上代 Qwen3.5-Plus 優秀多模態能力，可勝任複雜多模態推理任務，如看地鐵圖規劃換乘路線。
- Agentic Coding： 前端網頁開發、複雜代碼開發、終端操作與自動化任務能力提升
- 100 萬上下文窗口，以及提供了新的 API 參數 preserve_thinking，可在多輪對話中保留中間推理過程
摘自千問提供的 Benchmark 結果
目前新模型已上架阿里雲百鍊。可直接接入 Claude Code、OpenClaw、Qwen Code 等編程助手使用。chat.qwen.ai 也可直接體驗。
💻 代碼生成 Demo
依舊從代碼生成 Demo 效果看起，側重觀察單輪 Coding 生成質量，初步錨定模型水平。
Case 1：複雜網頁文字特效
Prompt 相同，分別用 Qwen3.6-Plus、Gemini 3.1 Pro、Claude Opus 4.6，一次指令跑出結果。
為增加複雜度，要求模型在一次生成中，完成多項特效模式開發。
Qwen3.6-Plus：
Gemini 3.1 Pro：
Claude Opus 4.6：
Qwen 各項完成度均在線，文字鏈表現更佳；Opus 則在動畫精細度上略佔優勢；Gemini表現較平。
測試 Prompt 如下：
創建一個交互式網頁項目：「TextPlayground - 文字特效實驗場」
頁面頂部有 Tab 欄切換不同文字交互模式。頁面展示一段英文文本，每個字母獨立渲染為粒子。
五個模式：
1. 磁力場 — 按住鼠標，附近文字被排斥推開形成空洞，鬆開後緩慢迴歸原位
2. 文字鏈 — 點擊一個字母粘在鼠標上，拖動時相鄰字母像鎖鏈一樣依次跟隨
3. 漩渦 — 按住鼠標，附近文字圍繞鼠標旋轉形成螺旋
4. 追光 — 鼠標劃過的文字發光放大，形成漸隱的亮帶軌跡，不改變文字位置
5. 拆字成灰 — 按住鼠標，附近的字母溶解為細小粒子飄散，鬆開後粒子重新聚合回字形
視覺要求：
- 背景淺色紙張質感
- 動畫流暢 60fps
- 切換模式時文字平滑過渡回原位
不使用任何第三方庫，純原生實現。項目結構和技術方案自主決定。Case 2：3D 樣板房
這個任務打算給模型上一下強度。若要完整完成，需要模型對 3D 開發、材質把控、真實樣板房佈局均有深入理解。
Qwen3.6-Plus：
Claude Opus 4.6：
Gemini 3.1 Pro：
該任務下，Claude 表現突出，但整體來說，對於當前模型來說均有較大挑戰。各家在房間佈局上均存在錯位、假過道、錯門現象。
👀 依舊頂級的多模態推理
上代模型 Qwen3.5-Plus 在春節期間的多模態識別與推理能力，實測表現非常搶眼。持續觀察多模態表現水平。
Case 1：找出圖中全部不符合現實的地方
仔細找全圖中全部不符合現實的地方Qwen3.6-Plus
Gemini 3.1 Pro
相較而言，Qwen 總體勝出。
從畫面細緻度觀察來講，Qwen 找出了更多直觀的問題，保持 1 個數量的總正確數領先。而 Gemini 表現出略好的空間規律理解，能找出畫面看起來正常但不符合規律的問題。
Case 2：地鐵換乘路線推測
此題主要考察模型對複雜細節圖片內容的識別與信息推理。
問題 Prompt 如下：
從許村到南湖站最近的換乘路線是什麼？不準聯網，只能從我提供的圖片進行推理Qwen 作答耗時不到 50s，答案正確無誤，成功勝任視覺推理任務場景 ✅
對於複雜多細節圖像的識別與理解能力突出。
🦐 Agent 長程規劃與執行
Qwen3.6-Plus 長程 Agentic 任務能力，較前代有一定提升。相較複雜長程任務，更擅長前端與指令明確的代碼任務生成。
Case 1：通用聯網任務
使用近日爆火的通用聯網 Agent Skill 「Web-Access」（我做的），測試 Qwen3.6-Plus 在複雜網絡環境的 Agent Loop 表現。
直接給出並行調研指令：
幫我並行調研知乎、微博、B站的今日熱榜內容，返回今日日報給我抓取三平台今日內容如下，並展現出模型自發對跨平台共性熱點進行整合的智能行為。
在任務過程中，可勝任指令遵循表現良好，最終其抓取內容經核實，內容數據均與實際情況一致。
Case 2：Mac 桌寵開發
測試 Qwen3.6-Plus 在長程 Agentic Coding 能力，要求其根據已有角色資源，製作一隻能在電腦桌面底部瘋狂吃飯、拉 💩 的螃蟹桌寵（Btw，這隻桌寵的角色資產也是用 Qwen3.6-Plus 畫的）
使用像素桌寵資產：/Documents/pixel-assets/assets/crab.js
製作Mac桌寵，要求：點擊角色可愛撫，有表情反應；點擊桌面屏幕底部邊緣，可餵食；角色在桌面底部無規則遊蕩，經常拉💩；點擊💩
可清理。僅桌寵遊戲可見交互部分可點擊，其餘透明區域鼠標可穿透。接受任務後，首先對任務進行了合理的拆分：
並在 1 輪 Prompt 下，一次性完成遊戲主體開發，在 Mac 上可直接運行。在自動進食、拉💩的實際行為策略、鼠標穿透實現需要調整，即模型長程 Agent 任務執行深度有待提升。
（如果對 DIY 能在你桌面上到處拉💩的桌寵感興趣，Maybe 後面可以更新一期文章 ⬇️）
💰 定價與總結
Qwen3.6-Plus 已上架阿里雲百鍊，以 256k 上下文為界限，階梯計價：
總結一下：
Qwen3.6-Plus 在前端代碼 or 單輪 Coding 能力上，有較好表現。Agent 長程任務較上代有所進步，複雜度上限還有提升空間。
另外，在視覺識別推理場景，體現出了明顯的高可用度，延續了 Qwen 家族在多模態識別場景的一流水準。
希望本文能對你有所啓發，感謝點贊、關注、分享