1. Qwen3.6-Plus实测:阿里最新大模型的真实表现
作为一名长期跟踪AI大模型发展的技术博主,我最近对阿里最新发布的Qwen3.6-Plus进行了深度评测。这款模型在发布前就备受关注,官方宣称其在智能体编程和多模态能力上有显著提升。但实际表现如何?让我们通过1.5万道测试题的全面评测数据,揭开它的真实面纱。
Qwen3.6-Plus是阿里在Qwen3.5系列之后推出的新一代大模型,定位为"面向真实世界的Agent"。从我的实测体验来看,这款模型确实在代码理解和执行能力上表现出色,但在中文综合能力上却出现了一些值得关注的波动。对于开发者而言,理解这些性能特点至关重要,特别是在选择API服务时,需要权衡成本、准确率和特定领域能力。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心评测数据解析
2.1 基础性能指标
在为期两周的密集测试中,我针对Qwen3.6-Plus的API版本(qwen3.6-plus)收集了以下核心数据:
- 测试规模:15,000道题目,覆盖金融、法律、医疗、教育等多个垂直领域
- 综合准确率:71.6%,相比前代Qwen3.5-plus的74.6%下降了3个百分点
- 响应时间:平均每次调用耗时68秒,比前代的57秒增加了约19%
- Token消耗:平均每次调用消耗3676个token,比前代的4975个减少了26%
- 调用成本:每千次调用费用41.6元,比前代的22.9元上涨了82%
提示:虽然整体准确率有所下降,但Qwen3.6-Plus在语言理解和指令遵从方面有显著提升,从65.5%提高到70.3%,这对需要精确理解复杂指令的应用场景是个好消息。
2.2 垂直领域表现差异
从细分领域来看,Qwen3.6-Plus的表现呈现出明显的差异化特征:
| 领域 | Qwen3.5-plus准确率 | Qwen3.6-Plus准确率 | 变化 |
|---|---|---|---|
| 金融 | 83.4% | 77.1% | -6.3% |
| 推理与数学计算 | 80.4% | 74.6% | -5.8% |
| Agent与工具调用 | 73.7% | 64.7% | -9.0% |
| 法律与行政 |
