Qwen: Qwen3.6 Max Preview
Qwen: Qwen3.6 Max Preview est un LLM d’Alibaba Cloud et de la Qwen Team, sorti le 27 avril 2026. Sa fenêtre de contexte de 262 144 tokens constitue l’un de ses principaux traits distinctifs pour le traitement de longs contenus.
Qwen: Qwen3.6 Max Preview est un LLM d’Alibaba Cloud et de la Qwen Team, sorti le 27 avril 2026. Sa fenêtre de contexte de 262 144 tokens constitue l’un de ses principaux traits distinctifs pour le traitement de longs contenus.
Le modèle adopte un positionnement très économique. Sa tarification se situe 50% sous la moyenne des LLM similaires et environ 5,3 fois sous celle des modèles frontière. Ce rapport entre contexte étendu et coût contenu forme son principal argument.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Alibaba Cloud / Qwen Team |
| Poids | ▫ n.d. |
| Date de sortie | 27 avril 2026 |
| Multimodal | non |
| Fenêtre de contexte | 262 144 tokens |
| Modalités (entrée → sortie) | text → text |
Indices de synthèse
| Indice | Valeur | Rang (LLM) |
|---|---|---|
| Intelligence Index | 40.0 | 23ᵉ / 137 |
Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Hallucinations (Baseline) | 100,0 % | 1ᵉ / 146 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 99,0 % | 11ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 84,8 % | 18ᵉ / 163 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Intelligence Index
Benchable : Hallucinations (Baseline)
Classements Arena (Elo)
Arena Code · 99 modèles classés
| Rang | Modèle | Elo |
|---|---|---|
| 1ᵉ | Kimi K3 | 1679 |
| 2ᵉ | Claude Fable 5 | 1631 |
| 3ᵉ | GPT-5.6 Sol | 1618 |
| ⋯ | ⋯ | |
| 23ᵉ | Claude Opus 4.5 | 1490 |
| 24ᵉ | GPT-5.5 | 1482 |
| 25ᵉ | Qwen: Qwen3.6 Max Preview | 1480 |
| 26ᵉ | MiMo-V2.5-Pro | 1474 |
| 27ᵉ | Kimi K2.7 Code | 1470 |
Arena Text · 200 modèles classés
| Rang | Modèle | Elo |
|---|---|---|
| 1ᵉ | Claude Fable 5 | 1507 |
| 2ᵉ | Claude Opus 4.6 | 1504 |
| 3ᵉ | Claude Opus 4.7 | 1503 |
| ⋯ | ⋯ | |
| 38ᵉ | Claude Sonnet 5 | 1461 |
| 39ᵉ | Qwen3.7-Plus | 1460 |
| 40ᵉ | Qwen: Qwen3.6 Max Preview | 1460 |
| 41ᵉ | Grok-4.1 | 1459 |
| 42ᵉ | Gemini 3 Flash | 1459 |
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Alibaba Cloud Int. | 1,04 $ | 6,24 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 50 % en dessous de la moyenne des LLM similaires, et 5,3 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,67 $ |
| Latence moyenne par benchmark — Benchable | 37 min 49 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. L’Intelligence Index place Qwen: Qwen3.6 Max Preview dans le premier cinquième du classement. Il figure aussi dans le haut du tableau en Instruction Following (Baseline). Ses scores en Hallucinations (Baseline) et Email Classification (Baseline) sont très élevés, bien que ces tests soient plafonnés. Dans Arena text, il se place derrière Claude Fable 5, Claude Opus 4.6 et Claude Opus 4.7. L’écart avec le premier reste faible. Son tarif renforce son intérêt pour les traitements textuels volumineux.
Limites et points d’attention. Le résultat maximal en Hallucinations (Baseline) est partagé avec 45 autres modèles, tandis que la place obtenue en Email Classification (Baseline) est partagée avec 40 autres. Ces benchmarks distinguent donc peu les concurrents. Dans Arena Code, le modèle reste derrière Kimi K3, Claude Fable 5 et GPT-5.6 Sol. Le premier est nettement devant. Le modèle reste pertinent pour les longs contextes, le suivi d’instructions et les usages sensibles au coût. Pour un résultat plus abouti en code, Kimi K3, Claude Fable 5 ou GPT-5.6 Sol sont mieux classés.
Sources des données : OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · LLM-Stats (llm-stats.com) · Benchable.ai (benchable.ai).