DataLearner 标志

Qwen3.6-Max-Preview 评测详情

Qwen3.6-Max-Preview 当前已收录的代表性评测结果包括 MMLU Pro(5 / 134,得分 88.50)、LiveCodeBench(13 / 128,得分 87.10)、Context Arena(19 / 126,得分 88.14)。本页还提供与 3 个竞品模型及 2 个前代或同系列模型的对比,在有数据时会展示性能和价格视图。

评测结果

Qwen3.6-Max-Preview

评测结果

思考模式
工具使用

综合评估

共 3 项评测
评测名称 / 模式
得分
排名/总数
MMLU Pro
思考水平·Max
88.50
5 / 134
HLE
思考模式工具
50.20
34 / 191
HLE
思考水平·Max
28.80
106 / 191

科学与综合推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
思考水平·Max
90.40
44 / 273

编程与软件工程

共 5 项评测
评测名称 / 模式
得分
排名/总数
LiveCodeBench
思考水平·Max
87.10
13 / 128
SWE-bench Verified
思考模式工具
78.80
21 / 116
SWE-bench Multilingual
思考模式工具
73.80
13 / 29
SWE-Bench Pro - Public
思考模式工具
56.60
25 / 62
SWE-Bench Pro - Public
深度思考模式工具
57.30
23 / 62

常识推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleBench
常规模式
63
21 / 92

指令跟随

共 1 项评测
评测名称 / 模式
得分
排名/总数
IF Bench
思考水平·Max
74.20
11 / 36

AI Agent - 工具使用

共 2 项评测
评测名称 / 模式
得分
排名/总数
Terminal Bench 2.0
思考模式工具
61.60
16 / 48
Terminal Bench 2.0
深度思考模式工具
65.40
11 / 48

文本向量检索

共 2 项评测
评测名称 / 模式
得分
排名/总数
Context Arena
常规模式
70.62
61 / 126
Context Arena
思考模式
88.14
19 / 126

数学推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
IMO-AnswerBench
思考水平·Max
83.80
14 / 24

生产力知识

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDPval-AA
深度思考模式
51
12 / 21

竞品对比

Qwen3.6-Max-Preview 与同类主流模型的评测得分对比

Qwen3.6-Max-PreviewGLM 5.1Kimi K2.6Opus 4.7
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示;百分制评测使用原始高度,超出 0-100 的评测按该评测内相对比例缩放,标签仍保留原始分数。

10 项可对比评测得分汇总。每个模型展示最佳得分,模式在分数下方标注。

评测项Qwen3.6-Max-Preview当前GLM 5.1Kimi K2.6Opus 4.7
HLE
Accuracy
综合评估
50.20开启思考 | 工具
52.30开启思考 | 工具
54.00开启思考 | 工具
54.70扩展思考 | 工具
GPQA Diamond
Accuracy
科学与综合推理
90.40思考水平·高
86.20开启思考
90.50开启思考
94.20扩展思考
LiveCodeBench
Pass @K
编程与软件工程
87.10思考水平·高
--
89.60开启思考
--
SWE-bench Multilingual
Accuracy
编程与软件工程
73.80开启思考 | 工具
--
76.70开启思考 | 工具
--
SWE-Bench Pro - Public
Accuracy
编程与软件工程
57.30深度思考模式 | 工具
58.40开启思考 | 工具
58.60开启思考 | 工具
64.30扩展思考 | 工具
SWE-bench Verified
Accuracy
编程与软件工程
78.80开启思考 | 工具
--
80.20开启思考 | 工具
87.60扩展思考 | 工具
SimpleBench
Score (AVG@5)
常识推理
63.00常规模式
55.10常规模式
--
61.70常规模式
Terminal Bench 2.0
Accuracy
AI Agent - 工具使用
65.40深度思考模式 | 工具
63.50开启思考 | 工具
66.70开启思考 | 工具
69.40扩展思考 | 工具
Context Arena
Accuracy (8 needles, 4K-128K context)
文本向量检索
88.14开启思考
62.05开启思考
64.63开启思考
46.70思考水平·低
IMO-AnswerBench
Accuracy
数学推理
83.80思考水平·高
83.80开启思考
86.00开启思考
--

Qwen3.6-Max-Preview 与同类模型的标准 API 价格对比

按模型并排展示标准文本输入价与输出价;若存在超长上下文加价,仅保留阈值内标准价,并在下方说明适用范围。

数据来源:DataLearnerAI,展示默认供应商的标准文本价格。 · USD / 1M tokens

若存在上下文阈值,图中标准价仅适用于以下范围:

Qwen3.6-Max-Preview: 标准价适用于 <= 128
模型供应商标准输入标准输出标准价适用于
Qwen3.6-Max-Preview
阿里巴巴$1.3 / 1M tokens$7.8 / 1M tokens<= 128
GLM 5.1
智谱AI$1.4 / 1M tokens$4.4 / 1M tokens
Kimi K2.6
Facebook AI研究实验室$0.95 / 1M tokens$4 / 1M tokens
Opus 4.7
Anthropic$5 / 1M tokens$25 / 1M tokens

历代版本对比

Qwen3.6-Max-Preview 系列各版本的评测成绩纵向对比

评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示;百分制评测使用原始高度,超出 0-100 的评测按该评测内相对比例缩放,标签仍保留原始分数。

7 项可对比评测得分汇总。每个模型展示最佳得分,模式在分数下方标注。· 点击任意行可切换下方趋势图。

评测项Qwen3.6-Max-Preview当前Qwen3-Max-Thinking
HLE
Accuracy
综合评估
50.20开启思考 | 工具
49.80开启思考 | 工具
MMLU Pro
Accuracy
综合评估
88.50思考水平·高
85.70开启思考
GPQA Diamond
Accuracy
科学与综合推理
90.40思考水平·高
87.40开启思考
LiveCodeBench
Pass @K
编程与软件工程
87.10思考水平·高
85.90开启思考
SWE-bench Verified
Accuracy
编程与软件工程
78.80开启思考 | 工具
75.30开启思考
IF Bench
Accuracy
指令跟随
74.20思考水平·高
70.90开启思考 | 工具
IMO-AnswerBench
Accuracy
数学推理
83.80思考水平·高
83.90开启思考

单评测历史趋势图

当前查看:HLE · 综合评估

选择评测
常规常规 + 工具推理推理 + 工具深度推理深度推理 + 工具

横轴为模型与发布时间,纵轴为分数;同一模式会用实线串起版本变化,同代不同模式继续用虚线辅助对齐。

Qwen3.6-Max-Preview 所在系列的标准 API 价格对比

按模型并排展示标准文本输入价与输出价;若存在超长上下文加价,仅保留阈值内标准价,并在下方说明适用范围。

数据来源:DataLearnerAI,展示默认供应商的标准文本价格。 · USD / 1M tokens

若存在上下文阈值,图中标准价仅适用于以下范围:

Qwen3.6-Max-Preview: 标准价适用于 <= 128
Qwen3-Max-Thinking: 标准价适用于 <= 32000
模型供应商标准输入标准输出标准价适用于
Qwen3.6-Max-Preview
阿里巴巴$1.3 / 1M tokens$7.8 / 1M tokens<= 128
Qwen3-Max-Thinking
阿里巴巴$1.2 / 1M tokens$6 / 1M tokens<= 32000