Qwen3.6 Plus

Qwen3.6 Plus est un LLM propriétaire de l’éditeur chinois Qwen, lancé le 31 mars 2026. Sa principale caractéristique est une fenêtre de contexte de 1 000 000 tokens, adaptée au traitement de très grands volumes de texte ou de code au sein d’une même requête.

Le modèle associe ce contexte étendu à un positionnement très économique. Sa tarification se situe 84% sous la moyenne des LLM similaires et environ 16,9 fois sous celle des modèles frontière. Les poids ne sont pas ouverts, ce qui le distingue des modèles distribués sous licence ouverte.

Caractéristiques

Indices de synthèse

Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.

Performances (benchmarks)

« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.

Comment se situe-t-il ?

Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.

Classements Arena (Elo)

Arena Image-to-Code · 31 modèles classés

Arena Code · 99 modèles classés

Arena Text · 200 modèles classés

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 84 % en dessous de la moyenne des LLM similaires, et 16,9 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).

Coût & vitesse agentiques

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.

Entraînement & empreinte

Notre analyse

Forces. Qwen3.6 Plus obtient ses résultats les plus convaincants en mathématiques avancées, avec de solides performances sur OTIS Mock AIME 2024-2025 (olympiades de niveau lycée) et GPQA diamond (questions scientifiques de niveau doctorat). À sa sortie, son score sur GPQA diamond le plaçait dans le top 22% des LLM de sa génération. La programmation constitue un autre point fort relatif : le modèle se classe dans la première moitié sur LiveBench Coding et dans Arena code. Son tarif d’entrée de 0,325 $ par million de tokens, associé à une sortie facturée 1,95 $, rend l’exploitation de son contexte d’un million de tokens particulièrement économique.

Limites et points d’attention. Le profil reste moins convaincant en raisonnement général et en compréhension du langage, où les classements LiveBench se situent dans le bas du tableau évalué. Le résultat en mathématiques LiveBench est également en retrait par rapport aux scores obtenus sur OTIS Mock AIME et GPQA diamond, ce qui révèle des performances variables selon les protocoles. Dans les arènes, Qwen3.6 Plus reste éloigné des premières places, notamment en texte, tandis que l’image-to-code se situe au milieu du classement. Son Agentic Index est plus faible que son Code Index, ce qui limite son positionnement parmi les systèmes orientés agents. Le modèle convient surtout aux traitements volumineux, au code et aux tâches scientifiques sensibles au coût.

Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · LiveBench (livebench.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · PinchBench (pinchbench.com).