Qwen3.6 超大杯来了！我用这个“半成品”模型，亲手造了一个 macOS 桌面

智东西

作者 | 陈骏达

编辑 | 心缘

智东西 4 月 20 日报道，今天，阿里发布了其下一代旗舰模型的早期预览版：Qwen3.6-Max-Preview。在第三方评测榜单 Artificial Analysis 的智能指数排名中，Qwen3.6-Max-Preview 的得分为 52 分，小幅超过 GLM-5.1、MiniMax-M2.7，成为这一榜单上得分最高的国产模型。

阿里并未披露这一模型的过多技术细节，比如参数量、支持何种模态等等。不过根据我们的初步体验，这应该是一个纯文本模型，支持思考和非思考模式，不支持图像等多模态内容。

与之前发布的 Qwen3.6-Plus 相比，Qwen3.6-Max-Preview 模型在智能体编程、世界知识和指令遵循方面均有明显可感的提升。

比如，我们让两个模型分别打造了一个 3D 赛车游戏。Qwen3.6-Max-Preview 打造的项目，虽然谈不上精美，但核心运行逻辑正常，是一个还不错的原型，后续可以基于这一项目进行迭代。

Qwen3.6-Plus 的结果基本没有可玩性，画面粗糙，暂时还没在这一任务中展现出从 0 到 1 完成项目的能力。

Qwen3.6-Max-Preview 还支持 preserve_thinking 功能，也就是在消息中保留所有前序轮次的思考内容。这一功能推荐用于智能体任务。

阿里上一次更新旗舰模型是在 1 个月前，当时发布的模型是 Qwen3.5-Max-Preview，也是预览版。今天发布的 Qwen3.6-Max-Preview 已在 Qwen Studio 上线供用户体验，同时也很快将上线阿里云百炼 API。

体验链接：https://chat.qwen.ai/

一、智能体编程能力有提升，实测能 one-shot 复刻 "macOS"

据阿里介绍，Qwen3.6-Max-Preview 最大的性能提升在于智能体编程能力。

在六项主流编程基准测试（SWE-bench Pro、Terminal-Bench 2.0、SkillsBench、QwenClawBench、QwenWebBench 和 SciCode）中，Qwen3.6-Max-Preview 取得了最高得分。这些测试覆盖了真实软件工程、终端与命令行交互、综合编程技能、OpenClaw 类 Agent 以及科学计算等核心能力。

智东西第一时间用几个案例考察了 Qwen3.6-Max-Preview 的智能体编程能力，也就是其理解用户高层次需求，自主规划任务实现路径，并最终交付完整项目的能力。

案例 1：模拟 macOS 桌面环境

提示词：生成一个 macOS 桌面环境，包含文件管理、浏览器、笔记等核心功能。

拿到这一任务后，Qwen3.6-Max-Preview 首先进行了规划，它意识到了自己无法构建真实的操作系统或完整复刻，但可通过前端技术呈现其视觉与交互特征，并据此设定了可行的任务目标，包括重点实现外观与行为的仿真。

使用过程中，能感觉到 Qwen3.6-Max-Preview 的 token 效率不错，没有浪费过多的 token 在无谓的反复思考和自我核验上，而是很快进行到正式的开发环节。

Qwen3.6-Max-Preview 用大概 3 分钟完成了原型的开发。其模拟出的 macOS 桌面效果逼真，交互方式与原版差异不大，浏览器功能也可以正常使用。

同样的任务交给 Qwen3.6-Plus，它也能做出个大概的外观，甚至还配上了壁纸，乍一看效果更好。但实际使用后，Qwen3.6-Plus 打造的系统还有不少 bug，像是浏览器、便签这样的系统 " 应用 " 是无法正常运行的。

这两个模型的差异在于，Qwen3.6-Max-Preview 能胜任更复杂的项目，考虑全面，而 Plus 更适合快速做原型，在具体的细节实现上还没有完全做到位。

案例 2：打造 MarkDown 编辑器

如果说上方的这一案例更像是开放性的开发任务，那么下面这一案例则对技术要求做了十分详细的规定，不仅考察模型的编程能力，也对指令遵循提出了要求。

提示词：

Qwen3.6-Max-Preview 和 Qwen3.6-Plus 都在理解提示词上花了不少时间，最终 Qwen3.6-Plus 先行交付了开发结果。其实，一开始 Qwen3.6-Plus 未能实现右侧的实时渲染和代码块功能，是在我们再次要求后才实现的，体现出它对仍然存在忽视部分提示词要求的可能。

Qwen3.6-Max-Preview 则一次性完成了下方这一编辑器的开发，提示词中定义的快捷键、链接插入功能、代码块功能等都正常运转，并在示例文本中得到体现，让用户可以一眼了解这一编辑器所支持的核心功能。

这一案例证明，在需要精确遵循复杂指令的任务中，Qwen3.6-Max-Preview 表现更优，体现出更强的指令理解与交付能力；而 Qwen3.6-Plus 虽然速度占优，但对细节的遗漏增加了沟通与修正成本。

其实，测试智能体编程能力的最佳场景，是将模型接入 Claude Code 或是 OpenClaw 这样的 Agent，在本地进行大型项目的开发，不过由于 Qwen3.6-Max-Preview 的 API 暂未完全开放，我们并未进行这一测试。

二、成功破解洗车难题，讲解复杂论文深入浅出

除了智能体编程能力之外，我们也对 Qwen3.6-Max-Preview 的其他能力维度做了考察。

比如，在逻辑推理方面，它可以看穿洗车店难题中的陷阱，直接给出判断：" 既然目的是洗车，那肯定是开车去呀——毕竟车得过去才能洗嘛。"

长文本能力方面，我们向 Qwen3.6-Max-Preview 甩了一篇复杂的大模型基础设施相关的论文，让它通俗地解释这篇论文的核心内容。这类任务不仅要求模型能捕捉长上下文中的核心信息，也考察了其逻辑理解与语境转换能力。

拿到任务后，Qwen3.6-Max-Preview 决定用交通调度的类比来拆解这篇论文的核心思想。它的几个类比都较为准确，也抓住了论文提出的核心问题与解决思路，用词中没有堆砌原文的大量术语，而是做了解释，让非技术背景的读者也能理解这篇论文的内容。

结语：头部开源玩家，重新思考开源战略

目前，阿里已推出千问 3.6 系列的多个版本，包括 Qwen3.6-Max-Preview、Qwen3.6-Plus、Qwen3.6-Flash，并开源了 Qwen3.6-35B-A3B。值得注意的是，此前阿里旗下的 Max 系列模型（如 Qwen3-Max）也属于开源范畴。

从这一新模式来看，阿里似乎调整了其开源策略：仅将小尺寸模型开源，而将超大参数量或高性能版本保留为商用产品。

这种 " 开源小尺寸 + 商业化大尺寸 " 的混合模式，正逐渐成为许多大模型厂商的共同选择。它或许也代表着开源生态与商业利益之间的一次再平衡。

智东西

作者 | 陈骏达

编辑 | 心缘

智东西 4 月 20 日报道，今天，阿里发布了其下一代旗舰模型的早期预览版：Qwen3.6-Max-Preview。在第三方评测榜单 Artificial Analysis 的智能指数排名中，Qwen3.6-Max-Preview 的得分为 52 分，小幅超过 GLM-5.1、MiniMax-M2.7，成为这一榜单上得分最高的国产模型。

阿里并未披露这一模型的过多技术细节，比如参数量、支持何种模态等等。不过根据我们的初步体验，这应该是一个纯文本模型，支持思考和非思考模式，不支持图像等多模态内容。

与之前发布的 Qwen3.6-Plus 相比，Qwen3.6-Max-Preview 模型在智能体编程、世界知识和指令遵循方面均有明显可感的提升。

比如，我们让两个模型分别打造了一个 3D 赛车游戏。Qwen3.6-Max-Preview 打造的项目，虽然谈不上精美，但核心运行逻辑正常，是一个还不错的原型，后续可以基于这一项目进行迭代。

Qwen3.6-Plus 的结果基本没有可玩性，画面粗糙，暂时还没在这一任务中展现出从 0 到 1 完成项目的能力。

Qwen3.6-Max-Preview 还支持 preserve_thinking 功能，也就是在消息中保留所有前序轮次的思考内容。这一功能推荐用于智能体任务。

阿里上一次更新旗舰模型是在 1 个月前，当时发布的模型是 Qwen3.5-Max-Preview，也是预览版。今天发布的 Qwen3.6-Max-Preview 已在 Qwen Studio 上线供用户体验，同时也很快将上线阿里云百炼 API。

体验链接：https://chat.qwen.ai/

一、智能体编程能力有提升，实测能 one-shot 复刻 "macOS"

据阿里介绍，Qwen3.6-Max-Preview 最大的性能提升在于智能体编程能力。

在六项主流编程基准测试（SWE-bench Pro、Terminal-Bench 2.0、SkillsBench、QwenClawBench、QwenWebBench 和 SciCode）中，Qwen3.6-Max-Preview 取得了最高得分。这些测试覆盖了真实软件工程、终端与命令行交互、综合编程技能、OpenClaw 类 Agent 以及科学计算等核心能力。

智东西第一时间用几个案例考察了 Qwen3.6-Max-Preview 的智能体编程能力，也就是其理解用户高层次需求，自主规划任务实现路径，并最终交付完整项目的能力。

案例 1：模拟 macOS 桌面环境

提示词：生成一个 macOS 桌面环境，包含文件管理、浏览器、笔记等核心功能。

拿到这一任务后，Qwen3.6-Max-Preview 首先进行了规划，它意识到了自己无法构建真实的操作系统或完整复刻，但可通过前端技术呈现其视觉与交互特征，并据此设定了可行的任务目标，包括重点实现外观与行为的仿真。

使用过程中，能感觉到 Qwen3.6-Max-Preview 的 token 效率不错，没有浪费过多的 token 在无谓的反复思考和自我核验上，而是很快进行到正式的开发环节。

Qwen3.6-Max-Preview 用大概 3 分钟完成了原型的开发。其模拟出的 macOS 桌面效果逼真，交互方式与原版差异不大，浏览器功能也可以正常使用。

同样的任务交给 Qwen3.6-Plus，它也能做出个大概的外观，甚至还配上了壁纸，乍一看效果更好。但实际使用后，Qwen3.6-Plus 打造的系统还有不少 bug，像是浏览器、便签这样的系统 " 应用 " 是无法正常运行的。

这两个模型的差异在于，Qwen3.6-Max-Preview 能胜任更复杂的项目，考虑全面，而 Plus 更适合快速做原型，在具体的细节实现上还没有完全做到位。

案例 2：打造 MarkDown 编辑器

如果说上方的这一案例更像是开放性的开发任务，那么下面这一案例则对技术要求做了十分详细的规定，不仅考察模型的编程能力，也对指令遵循提出了要求。

提示词：

Qwen3.6-Max-Preview 和 Qwen3.6-Plus 都在理解提示词上花了不少时间，最终 Qwen3.6-Plus 先行交付了开发结果。其实，一开始 Qwen3.6-Plus 未能实现右侧的实时渲染和代码块功能，是在我们再次要求后才实现的，体现出它对仍然存在忽视部分提示词要求的可能。

Qwen3.6-Max-Preview 则一次性完成了下方这一编辑器的开发，提示词中定义的快捷键、链接插入功能、代码块功能等都正常运转，并在示例文本中得到体现，让用户可以一眼了解这一编辑器所支持的核心功能。

这一案例证明，在需要精确遵循复杂指令的任务中，Qwen3.6-Max-Preview 表现更优，体现出更强的指令理解与交付能力；而 Qwen3.6-Plus 虽然速度占优，但对细节的遗漏增加了沟通与修正成本。

其实，测试智能体编程能力的最佳场景，是将模型接入 Claude Code 或是 OpenClaw 这样的 Agent，在本地进行大型项目的开发，不过由于 Qwen3.6-Max-Preview 的 API 暂未完全开放，我们并未进行这一测试。

二、成功破解洗车难题，讲解复杂论文深入浅出

除了智能体编程能力之外，我们也对 Qwen3.6-Max-Preview 的其他能力维度做了考察。

比如，在逻辑推理方面，它可以看穿洗车店难题中的陷阱，直接给出判断：" 既然目的是洗车，那肯定是开车去呀——毕竟车得过去才能洗嘛。"

长文本能力方面，我们向 Qwen3.6-Max-Preview 甩了一篇复杂的大模型基础设施相关的论文，让它通俗地解释这篇论文的核心内容。这类任务不仅要求模型能捕捉长上下文中的核心信息，也考察了其逻辑理解与语境转换能力。

拿到任务后，Qwen3.6-Max-Preview 决定用交通调度的类比来拆解这篇论文的核心思想。它的几个类比都较为准确，也抓住了论文提出的核心问题与解决思路，用词中没有堆砌原文的大量术语，而是做了解释，让非技术背景的读者也能理解这篇论文的内容。

结语：头部开源玩家，重新思考开源战略

目前，阿里已推出千问 3.6 系列的多个版本，包括 Qwen3.6-Max-Preview、Qwen3.6-Plus、Qwen3.6-Flash，并开源了 Qwen3.6-35B-A3B。值得注意的是，此前阿里旗下的 Max 系列模型（如 Qwen3-Max）也属于开源范畴。

从这一新模式来看，阿里似乎调整了其开源策略：仅将小尺寸模型开源，而将超大参数量或高性能版本保留为商用产品。

这种 " 开源小尺寸 + 商业化大尺寸 " 的混合模式，正逐渐成为许多大模型厂商的共同选择。它或许也代表着开源生态与商业利益之间的一次再平衡。