Qwen3.6 Plus snapshot 2026-04-02 — إصدار مجمّد من qwen3.6-plus، بنفس الإمكانيات.
qwen/qwen3.6-plus-2026-04-02 هو إصدار محدد من سلسلة Qwen3.6 Plus، تستضيفه Qwen ويمكن الوصول إليه عبر واجهة API المتوافقة مع OpenAI في OrcaRouter. يقبل النص والصور والفيديو كمدخلات، ويوفر نافذة سياق…
qwen/qwen3.6-plus-2026-04-02 يمكنه قبول ملفات فيديو أو تسلسلات من الإطارات كمدخلات إلى جانب النصوص. يفهم السياق الزمني عبر إطارات الفيديو، مما يتيح مهام مثل تلخيص الفيديو، واكتشاف الأحداث، والإجابة عن الأسئلة المتعلقة بالمحتوى البصري عبر الزمن. نظرًا لسياق 1M رمز، يمكن للنموذج معالجة عدة دقائق من الفيديو (اعتمادًا على معدل الإطارات والدقة) في تمريرة واحدة. لا يُنتج النموذج فيديو أصلاً؛ بل يحلل ويستنتج حول مدخلات الفيديو. للحصول على أفضل النتائج، يجب على المطورين توفير الفيديو بمعدل إطارات معقول (مثل إطار واحد في الثانية) وحجم مناسب، حيث أن معدلات الإطارات العالية قد تستهلك نافذة السياق بسرعة. تدعم واجهة OrcaRouter برامج الترميز والتنسيقات الشائعة للفيديو؛ يُرجى مراجعة الوثائق للاطلاع على القيود المحددة.
بينما يتفوق هذا النموذج في المهام المتعددة الوسائط الوكيلة ذات السياق الطويل، قد يكون مبالغًا فيه بالنسبة لحالات الاستخدام الأبسط. بالنسبة للمحادثات النصية المباشرة، أو التصنيف، أو التوليد القصير، فإن النماذج الأصغر والأسرع المتوفرة على OrcaRouter (مثلاً Qwen3.6 Base، Llama 3، أو بدائل GPT-4o-mini) تقدم عادةً زمن استجابة أقل وتكلفة لكل رمز مخفضة. إذا كان تطبيقك لا يتطلب نافذة سياق كاملة بطول 1M رمز أو معالجة الصور/الفيديو، فإن بديلًا أرخص سيلبي احتياجاتك على الأرجح بجزء بسيط من السعر. بالإضافة إلى ذلك، بالنسبة للمهام التي لا تكون فيها درجة τ²-Bench أولوية (مثلاً التلخيص البسيط)، قد تكون النماذج الأخرى بنفس الأداء. قم دائمًا بتقييم طول السياق الفعلي ومتطلبات الوسائط مقابل التكلفة وزمن الاستجابة عند اختيار نموذج.
يُحقق النموذج درجة 97.7 على τ²-Bench، وهو معيار يقيس قدرة الذكاء الاصطناعي على العمل كعامل في بيئات محاكاة. يختبر τ²-Bench التخطيط، واستخدام الأدوات، وإدارة الذاكرة، والاستدلال متعدد الخطوات عبر مهام مثل التسوق عبر الويب، وتحليل البيانات، وتطوير البرمجيات. تشير الدرجة العالية إلى أن النموذج يمكنه تفكيك التعليمات المعقدة بفعالية، واستخدام أدوات خارجية (مثل الآلات الحاسبة، والبحث، ومنفّذي الأكواد)، والحفاظ على حالة متماسكة على مدار خطوات عديدة. وهذا يجعل النموذج مناسبًا تمامًا لبناء عوامل مستقلة تتفاعل مع واجهات برمجة التطبيقات، أو تتصفح الويب، أو تتعامل مع الملفات. ومع ذلك، فإن نتائج المعايير لا تضمن سلوكًا مثاليًا في جميع البيئات الواقعية؛ فقد يفشل النموذج في المهام الجديدة أو الغامضة. يجب على المطوّرين اختبار تكوينات العوامل بدقة.
τ²-Bench هو معيار لتقييم وكلاء الذكاء الاصطناعي في مهام واقعية متعددة الخطوات ضمن بيئات محكومة. تشير درجة 97.7 إلى أن النموذج يُكمل بنجاح جميع المهام تقريبًا ضمن مجموعة المعيار. تشمل هذه المهام حجز السفر، وتحرير المستندات، وكتابة التعليمات البرمجية، والبحث في قواعد البيانات—وجميعها تتطلب من النموذج تخطيط إجراءات فرعية، واستخدام الأدوات، والتعافي من الأخطاء. وتُشير الدرجة إلى أن النموذج يمتلك قدرات قوية في التفكير، واتباع التعليمات، واستخدام الأدوات. ومع ذلك، فإن المعايير محدودة: فهي لا تغطي جميع السيناريوهات الواقعية المحتملة، وقد ينخفض الأداء في البيئات المفتوحة التي لا تحتوي على تغذية راجعة منظمة. يجب النظر إلى الدرجة كمؤشر مقارن داخل عائلة نماذج Qwen وفي مواجهة النماذج الأخرى الموجهة للوكلاء والمتاحة على OrcaRouter.
فقط درجة τ²-Bench (97.7) هي المقدمة بشكل صريح لهذا النموذج. لا تتوفر نتائج معيارية أخرى (مثل MMLU وHumanEval وGSM8K) في الحقائق المقدمة. كنموذج متعدد الوسائط كبير مع سياق 1M، من المتوقع أن يؤدي بشكل تنافسي في مهام التفكير العامة، لكن الأرقام المحددة لم يتم الكشف عنها هنا. يجب على المطورين إجراء تقييماتهم الخاصة على مجموعات البيانات الخاصة بالمجال لقياس الأداء. يدعم OrcaRouter أدوات التسجيل والتقييم التي يمكن أن تساعد في مقارنة المخرجات عبر النماذج. للحصول على صورة كاملة، فكر في اختبار المهام التي تعكس عبء العمل الإنتاجي الخاص بك، خاصة تلك التي تتضمن فهم السياق الطويل والتفكير متعدد الوسائط.
بالرغم من أن النموذج يحقق درجة عالية في اختبار τ²-Bench، إلا أن له قيودًا مشتركة بين نماذج اللغات الكبيرة: فقد يهلوس الحقائق، أو يُنتج محتوى متحيزًا أو ضارًا، ويواجه صعوبة في المهام التي تتطلب حسابات رياضية دقيقة دون أدوات خارجية. نطاق السياق البالغ مليون رمز، رغم كبره، لا يزال محدودًا—فالسياقات الطويلة للغاية قد تؤدي إلى فقدان النموذج للتركيز على الأجزاء المبكرة أو تفويت تفاصيل دقيقة. الفهم متعدد الوسائط، خاصة للفيديو، يعتمد على اختيار الإطارات؛ النموذج لا يفهم الفيديو بطبيعته في الوقت الفعلي. بالإضافة إلى ذلك، فإن درجة 97.7 في اختبار τ²-Bench لا تضمن أداءً مثاليًا في كل مهمة وكيلة، خاصة تلك التي تتطلب التفاعل مع استجابات واجهة برمجة التطبيقات غير المتوقعة أو التعليمات الغامضة. زمن الاستجابة والتكلفة أعلى من النماذج الأصغر بسبب السياق الكبير والمعالجة متعددة الوسائط.
تفاصيل تسعير نموذج qwen/qwen3.6-plus-2026-04-02 يتم تحديدها بواسطة OrcaRouter وغير مضمنة في الحقائق المقدمة. عادةً، يعتمد تسعير هذه النماذج على عدد توكينات الإدخال والإخراج، مع رسوم إضافية لمعالجة الصور والفيديو (لكل صورة أو لكل إطار). نافذة السياق الكبيرة تعني أن استخدام كامل 1M توكين في طلب واحد سيكلف أكثر من استخدام سياقات أقصر. تقدم OrcaRouter نموذج الدفع حسب الاستخدام، وقد يتم تطبيق حدود للمعدل بناءً على مستوى الحساب. للحصول على الأسعار الدقيقة لكل توكين وأي خصومات مطبقة (مثل المعالجة الدفعية أو الاستخدام الملتزم)، يُرجى الرجوع إلى صفحة التسعير الرسمية لـ OrcaRouter أو التواصل مع فريق المبيعات لديهم. تخزين مؤقت للاستعلامات المتكررة غير مؤكد لهذا النموذج المحدد؛ تحقق من وثائق OrcaRouter حول التخزين المؤقت للاستعلامات.
نظرًا لاحتواء النموذج على نافذة سياق كبيرة ومدخلات متعددة الوسائط، قد تختلف التكلفة بشكل كبير بناءً على أنماط الاستخدام. إذا كانت الاستعلامات نادرًا ما تتجاوز 10,000 رمز ولا تتطلب صورًا، فإن نموذجًا أرخص من شأنه تقليل النفقات. على العكس، إذا كنت تعالج بانتظام مستندات طويلة أو صورًا عالية الدقة، فقد تكون التكلفة لكل طلب مبررة بأداء النموذج العالي في τ²-Bench. معالجة الفيديو مكلفة بشكل خاص لأن كل إطار يستهلك رموزًا. قد يقدم OrcaRouter خيارات التخزين المؤقت أو خصومات الدُفعات لخفض التكاليف الفعلية. لتحسين الإنفاق، فكر في اقتطاع المدخلات إلى الحد الأدنى الضروري من طول السياق، وخفض دقة الصورة، واستخدام أخذ عينات الإطارات. كما يجب مراقبة استخدام الرموز عبر لوحة تحكم الاستخدام في OrcaRouter لتجنب المفاجآت. لا تذكر أي طبقات مجانية أو أرصدة تجريبية لهذا النموذج.
لاستخدام النموذج، أرسل طلبات HTTP إلى عنوان URL الأساسي لـ OrcaRouter: https://api.orcarouter.ai/v1. استخدم معرف النموذج تمامًا كما هو موضح: "qwen/qwen3.6-plus-2026-04-02". واجهة API متوافقة مع OpenAI، لذا يمكنك استخدام أي SDK من OpenAI مع نقطة نهاية مخصصة. على سبيل المثال، في Python باستخدام مكتبة openai، اضبط `base_url` على نقطة نهاية OrcaRouter و`api_key` على مفتاح OrcaRouter الخاص بك. يدعم نص الطلب المعاملات القياسية: `model`, `messages`, `max_tokens`, `temperature`, `top_p`، إلخ. بالنسبة للمدخلات متعددة الوسائط، قم بتضمين عناوين URL للصور أو البيانات المشفرة بـ base64 في مصفوفة المحتوى باستخدام أنواع `image_url` أو `video_url`. راجع وثائق API الخاصة بـ OrcaRouter للحصول على التنسيق الدقيق لمدخلات الفيديو.
تقبل واجهة API معلمات الدردشة الكاملة القياسية من OpenAI: `model` (مطلوب)، `messages` (مصفوفة من كائنات الرسائل)، `max_tokens` (حد أقصى 65,536)، `temperature` (0.0–2.0؛ النطاق النموذجي 0.0–1.0)، `top_p` (0.0–1.0)، `frequency_penalty`، `presence_penalty`، تسلسلات `stop`، و`stream` (قيمة منطقية). بالنسبة للمهام الوكيلة، يُوصى غالبًا بتعيين `temperature` إلى 0.0 أو قيمة منخفضة لتشجيع السلوك الحتمي. أما للمهام الإبداعية، فقد تكون درجة الحرارة الأعلى مناسبة. يتحكم المعامل `max_tokens` في طول المخرجات؛ حيث يمكن للنموذج توليد ما يصل إلى 65,536 رمزًا لكل دورة. يُرجى ملاحظة أن تعيين `max_tokens` بقيمة عالية جدًا قد يزيد من زمن الاستجابة والتكلفة. إذا كنت بحاجة إلى تقييد طول المخرجات للتحكم في التكلفة، فاضبط قيمة مناسبة لحالة الاستخدام الخاصة بك. البث مدعوم ويمكنه تقليل زمن الاستجابة المُدرَك.
إذا كنت تستخدم بالفعل واجهة برمجة تطبيقات OrcaRouter مع نموذج آخر، فإن الانتقال إلى qwen/qwen3.6-plus-2026-04-02 يتطلب عادةً تغيير معلمة `model` في طلباتك فقط من المعرّف القديم إلى "qwen/qwen3.6-plus-2026-04-02". لا حاجة لأي تغييرات أخرى على نقطة نهاية API أو طريقة المصادقة، حيث تشترك جميع النماذج في نفس عنوان URL الأساسي وطريقة المصادقة. إذا كنت تستخدم مدخلات متعددة الوسائط (صور، فيديو)، فإن التنسيق متوافق. ومع ذلك، لاحظ أن سلوك النموذج وتنسيق المخرجات قد يختلفان عن النماذج السابقة؛ يجب عليك اختبار محفزاتك وضبط رسائل النظام أو درجة الحرارة إذا لزم الأمر. أيضًا، انتبه إلى أن نافذة السياق وحدود الرموز مختلفة—قد تحتاج طلباتك إلى المراجعة للاستفادة الكاملة من سياق 1M أو لتجنب تجاوز الحد الأقصى للمخرجات. توفر OrcaRouter دليلاً للترحيل في وثائقها.
تقدم Qwen عدة نماذج على OrcaRouter، بما في ذلك الإصدارات السابقة مثل Qwen3.5 وQwen3.6 Base. مقارنةً بالإصدار الأساسي، يوفر هذا الإصدار Plus نافذة سياق أكبر (1M مقابل 128K أو 256K عادةً)، ودعمًا متعدد الوسائط (صور وفيديو)، ودرجة أعلى في τ²-Bench (97.7 مقابل درجات أقل على الأرجح). يشير ختم التاريخ (2026-04-02) إلى نقطة فحص أحدث، قد تكون محسّنة في الاستدلال أو اتباع التعليمات. ومع ذلك، قد يكون الإصدار Plus أكثر تكلفة لكل رمز (token) وذا زمن استجابة أعلى بسبب السياق الأكبر والمعالجة المتعددة الوسائط. للمهام النصية فقط ذات السياق القصير، يمكن أن يكون الإصدار الأساسي أكثر فعالية من حيث التكلفة. أما بالنسبة للمهام الوكيلية أو متعددة الوسائط، فإن هذا الإصدار Plus هو الخيار الموصى به بين نماذج Qwen.
كلا النموذجين متاحان على OrcaRouter، لكن qwen/qwen3.6-plus-2026-04-02 يوفر نافذة سياق أكبر (1M مقابل 128K لـ GPT-4o) ويدعم إدخال الفيديو (بينما يدعم GPT-4o الصور والصوت). درجة τ²-Bench البالغة 97.7 هي مقياس محدد لم يُبلغ عنه علنياً لـ GPT-4o، لذا لا يمكن إجراء مقارنة مباشرة على هذا المعيار. من حيث التسعير، قد يكون لـ GPT-4o أسعار رموز مختلفة؛ تحقق من صفحة تسعير OrcaRouter. يتمتع GPT-4o بشكل عام بأداء قوي متعدد اللغات ومعرفة واسعة، بينما قد يكون نموذج Qwen هذا محسّناً لدعم اللغات الآسيوية (وإن لم يُذكر صراحة). يجب على المطورين اختبار كلا النموذجين على مهامهم المحددة لتحديد أيهما يحقق توازناً أفضل بين الجودة والتكلفة. يتيح OrcaRouter التبديل بين النماذج مع تغييرات طفيفة في الكود.
Claude 3.5 Sonnet هو نموذج شائع آخر على OrcaRouter، يُعرف بقوته في الاستدلال والسلامة. تبلغ نافذة السياق الخاصة به 200 ألف رمز ويدعم إدخالات الصور، لكن ليس الفيديو. يقدم نموذج qwen/qwen3.6-plus-2026-04-02 خمسة أضعاف السياق (1 مليون) ودعمًا أصليًا للفيديو، بالإضافة إلى درجة عالية في معيار τ²-Bench. غالبًا ما يُشاد بنماذج Claude لقدرتها الدقيقة على اتباع التعليمات وسلوكيات الرفض؛ أداء هذا النموذج من Qwen في الوكالة (97.7 τ²-Bench) يشير إلى قدرة مماثلة أو متفوقة في مهام استخدام الأدوات. توجد اختلافات في الأسعار؛ يُرجى الرجوع إلى بطاقات أسعار OrcaRouter. بالنسبة للمهام ذات السياق الطويل أو مهام الفيديو، قد يكون نموذج Qwen هو المفضل. بالنسبة للتطبيقات الحساسة للسلامة، قد يكون امتثال Claude لحواجز السلامة ميزة. مرة أخرى، يُوصى بإجراء اختبارات المستخدم.
جبري 2.0 برو، المتاح على OrcaRouter، يوفر نافذة سياق بسعة 1M رمز ويدعم إدخال النص والصورة والصوت والفيديو. كما يحقق نتائج قوية في المعايير. كلا النموذجين لهما أطوال سياق مماثلة وقدرات متعددة الوسائط. قد يكون الفرق الرئيسي في الأداء الوكيل: يسجل qwen/qwen3.6-plus-2026-04-02 درجة 97.7 على τ²-Bench، وهو معيار يركز على المهام الوكيلية؛ درجات Gemini على هذا المعيار غير متاحة للجمهور. بالإضافة إلى ذلك، قد يكون لكل نموذج نقاط قوة مختلفة في البرمجة، أو الدعم متعدد اللغات، أو الدقة الواقعية. يجب على المطورين تقييم كليهما في مجالهم الخاص. يجعل OrcaRouter من السهل التبديل بينهما عبر واجهة API نفسها. قد تختلف الأسعار؛ تحقق من OrcaRouter للحصول على الأسعار الحالية.
اختر qwen/qwen3.6-plus-2026-04-02 عندما تحتاج إلى: نافذة سياقية بحجم 1M رمز (أكبر من العديد من البدائل)، ودعم إدخال الفيديو (وليس فقط الصور والنصوص)، وأداء وكيل قوي كما يقاس بواسطة τ²-Bench (97.7). إذا كانت حالة استخدامك تتضمن معالجة مستندات أو فيديوهات طويلة جدًا، أو بناء وكلاء مستقلين يتطلبون ذاكرة ممتدة، فهذا النموذج مرشح قوي. إذا نادرًا ما تتجاوز 128K رمز، ولا تحتاج إلى فيديو، وتفضل استدلالًا أسرع، ففكر في نماذج مثل GPT-4o mini أو Qwen3.6 Base. بالنسبة للمهام التي تتطلب أعلى دقة واقعية أو سلامة، قم بتقييم البدائل ذات الحواجز الوقائية الأقوى. في النهاية، يعتمد أفضل نموذج على المفاضلات المحددة بين التكلفة، وزمن الاستجابة، وطول السياق، ودعم الوسائط، وأداء المعايير المرجعية.
متوافق مع OpenAI — أبقِ على SDK الحالي
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="qwen/qwen3.6-plus-2026-04-02",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)enable_searchenable_thinkinginclude_reasoninglogprobsmax_tokensnparallel_tool_callspresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstreamstream_optionstemperaturethinking_budgettool_choicetoolstop_ktop_logprobstop_p| الفئة | الإدخال / 1M توكن | الإخراج / 1M توكن |
|---|---|---|
| ≤ 256K | $0.500 | $3.00 |
| ≤ ∞ | $2.00 | $6.00 |
| يتم تحديد الفئة حسب عدد رموز الإدخال لكل طلب | ||
تقدير بناءً على السعر المُعلن
تسعير متدرّج — يستخدم هذا التقدير أسعار المستوى الأساسي.
تقدير فقط — يعتمد العدد الفعلي للرموز على مُجزّئ الرموز الخاص بالمزوّد.
ما يتحدث عنه المطورون هذا الأسبوع
GET /api/public/models/qwen/qwen3.6-plus-2026-04-02فتح @misc{orcarouter_qwen3_6_plus_2026_04_02,
title = {qwen/qwen3.6-plus-2026-04-02 API},
author = {qwen},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/qwen/qwen3.6-plus-2026-04-02}
}qwen. (n.d.). qwen/qwen3.6-plus-2026-04-02 API. OrcaRouter. https://www.orcarouter.ai/models/qwen/qwen3.6-plus-2026-04-02