Qwen3.6 Plus — フラッグシップマルチモーダルチャット（テキスト/画像/動画）、1Mコンテキスト、Vibe Coding + 関数呼び出し対応。
Qwen3.6 Plus は、Alibaba の Qwen チームが開発した大規模言語モデルファミリー Qwen の一員です。拡張コンテキスト長と、テキスト、画像、動画を含むマルチモーダル入力を処理するよう設計されています。このモデルは 1,048,576 トークンのコンテキストウィンドウをサポートし、リクエストあたり最大 65,536…
Qwen3.6 Plusは、長文テキストと視覚データの情報を統合する必要があるタスクに優れています。例として、長い研究記事の要約、スキャン文書からの構造化データの抽出、動画クリップのキャプション生成、図表に関する質問への回答などが挙げられます。また、τ²-Benchのようなマルチステップ推論ベンチマークでも良好なパフォーマンスを示し、強力なツール使用能力と計画能力を示しています。このモデルは複雑な指示に従い、コードや論理的推論を生成できます。単純な分類や短いテキスト生成には、Qwen2-7Bのような小規模モデルの方がコスト効率が良く、高速な場合があります。
アプリケーションが短いプロンプト（例：数百トークン程度）のみを扱い、マルチモーダル入力を必要としない場合、Qwenシリーズの小型モデルや他の軽量LLMを使用することで、低コストで高速な応答が得られます。同様に、センチメント分析、キーワード抽出、基本的な質問応答といった単純なタスクには、パラメータ数の少ないモデルで十分な場合があります。Qwen3.6 Plusは、大規模なコンテキストウィンドウやマルチモーダル機能が重要なシナリオ（文書全体や動画コンテンツの処理など）に最適です。コスト重視のデプロイでは、トークン消費量と性能向上の増分を評価する必要があります。
Qwen3.6 Plusは、1Mトークンのコンテキストウィンドウ内でテキスト全体を取り込むことで長いドキュメントを処理し、チャンク分割や再組み立ての必要性を回避します。これにより、モデルはドキュメント全体にわたって一貫性を維持し、最初と後半の両方のセクションを参照する質問に答えることができます。例えば、ユーザーが500ページの本を提供し、章全体にわたるキャラクターのアークの要約を求めることができます。モデルは長いシーケンスに最適化されたアテンション機構を使用しますが、非常に長い入力は処理時間を増加させる可能性があります。OrcaRouterのAPIはストリーミングレスポンスをサポートしており、ユーザーは入力全体が処理される前に出力の受信を開始できます。
Qwen3.6 Plusは、テキストに加えて画像や動画も入力として受け付けることができます。画像に対しては、内容の説明、写真からのテキスト読み取り、空間関係の推論が可能です。動画については、定期的にフレームを抽出し、それらを一連の画像として処理することで、動作認識、動画要約、時間的推論などのタスクを実行できます。本モデルは音声をネイティブでサポートしておらず、音声トラックは事前にテキストに書き起こす必要があります。画像や動画フレームの数に明示的な制限はありませんが、総トークン数がコンテキストウィンドウ内に収まる必要があります。これにより、長時間の映像に対する視覚的質問応答など、リッチなマルチモーダルアプリケーションが可能になります。
Qwen3.6 Plusは、ツール使用の推論と多段階の問題解決を評価するベンチマークであるτ²-Benchにおいて97.7点を達成しました。このベンチマークは、モデルが適切なツール（APIや電卓など）を選択し、現実的なタスクを達成するために一連のアクションを実行する能力をテストします。高得点は、動的な意思決定と関数呼び出しにおける高い能力を示しています。ただし、τ²-Benchは事実知識や創造的執筆など、知能のすべての側面をカバーしているわけではありません。ユーザーはこのベンチマークを、構造化されたツール使用シナリオにおけるモデルの推論を反映する一つのデータポイントとして解釈すべきです。
Qwen3.6 Plus のレイテンシは、入力長、出力長、および OrcaRouter のインフラストラクチャ上のワークロードに依存します。短いプロンプト（〜1,000トークン）と中程度の出力（〜1,000トークン）の場合、応答時間は同様のパラメータ数を持つ他の大規模言語モデルと同等です。長いコンテキスト（例えば500,000トークン）は、全入力を処理する必要があるため、最初のトークンまでの時間が増加します。OrcaRouter はレイテンシを測定するための監視ツールを提供します。提供されたデータから具体的なレイテンシ数値は得られていませんが、ユーザーは長文脈推論用に最適化されたモデルと一致するスループットを期待できます。
97.7というτ²-Benchスコアは、Qwen3.6 Plusのツール使用推論、計画、マルチステップタスク実行における熟練度を示しています。この強みは、エージェントワークフロー、自動データ処理、外部ツールの調整を必要とする複雑な問題解決といったアプリケーションにおいて実用的な利点をもたらします。さらに、このモデルの大規模なコンテキストウィンドウにより、長い入力全体にわたって情報を保持できることが保証されています。これはτ²-Benchでは直接捉えられていませんが、その設計から明らかです。他のベンチマークスコアは提供されていないため、これらの結論はτ²-Benchの結果のみに基づいています。
Qwen3.6 Plusはツール使用推論において強力な性能を発揮しますが、他の側面（例：事実想起、創造的執筆、多言語理解）における性能は提供されたデータでは定量化されていません。他の大規模言語モデルと同様に、曖昧なクエリや誤った前提に直面した場合、特に誤った情報や幻覚的な情報を生成する可能性があります。このモデルのマルチモーダル機能はテキスト、画像、動画に限定されており、音声やその他のモダリティを直接処理することはできません。さらに、大きなコンテキストウィンドウはレイテンシとトークンコストの増加につながる可能性があり、厳格なレイテンシ予算を必要とするリアルタイムアプリケーションにはあまり適していません。
OrcaRouterを介したQwen3.6 Plusの料金は、トークンの使用量に基づいて決定されます。OrcaRouterは、入力トークン（テキスト、画像トークン、ビデオフレームトークンを含む）と、モデルが生成する出力トークンをそれぞれ別途課金します。正確なトークンあたりの料金は本データセットには含まれていません。ユーザーはOrcaRouterの公式料金ページを参照するか、サポートに問い合わせて最新の料金を確認する必要があります。無料ティアについては言及されていませんが、OrcaRouterはトライアルクレジットを提供する可能性があります。料金は透明で消費量に基づいており、月額サブスクリプション料金はありません。
OrcaRouterは、システムプロンプトや頻繁に使用される指示など、繰り返し入力されるデータのコストを削減するためにキャッシュメカニズムを提供する場合があります。キャッシュが有効な場合、キャッシュされたコンテンツと一致する入力トークンはより低いレートで課金される可能性があります。ただし、キャッシュの詳細（期間、対象条件など）は提供された情報には記載されていません。ユーザーはOrcaRouterのキャッシュポリシーについてドキュメントを確認する必要があります。ベストプラクティスとして、静的なコンテンツを再利用するプロンプトを設計することで、トークン消費を最小限に抑え、全体的なコストを削減できます。
Qwenモデルファミリーでは、価格設定は一般的にモデルのサイズと能力に比例します。Qwen3.6 Plusは、100万トークンのコンテキストウィンドウを持つ大規模マルチモーダルモデルであるため、より小さいQwenバリアント（例：Qwen2-7BやQwen2-72B）よりも高い価格が設定される可能性があります。正確な価格差は、各モデルに対するOrcaRouterのトークンあたりのレートに依存します。ユーザーは、コンテキストの拡大とマルチモーダル入力の利点に対する追加コストを評価し、Qwen3.6 Plusが自身の特定のユースケースにとって好ましいコストパフォーマンスのトレードオフを提供するかどうかを判断する必要があります。
Qwen3.6 Plusを呼び出すには、ベースURL https://api.orcarouter.ai/v1 のOrcaRouter APIエンドポイントを使用します。modelパラメータは "qwen/qwen3.6-plus" に設定します。このAPIはOpenAIのチャット補完構造に従っているため、リクエストにはメッセージのリスト（ロール: system, user, assistant）と、temperature、max_tokens、streamなどのオプションパラメータが含まれます。マルチモーダル入力は、contentフィールドを介して、type（text、image_url、video_url）とdataを指定するオブジェクトの配列を使用して渡されます。Pythonでのリクエスト例では、カスタムベースURLを指定してopenaiライブラリを使用します。
OrcaRouterのQwen3.6 Plus向けAPIは、標準のOpenAIパラメータをサポートしています：temperature（デフォルト1.0、範囲0～2）、max_tokens（最大65,536）、top_p、frequency_penalty、presence_penalty、stopシーケンス、stream（ストリーミング応答のブール値）。マルチモーダル入力の場合、contentフィールドは配列を受け入れ、各要素はtype（text、image_url、またはvideo_url）と対応するデータを持ちます。画像の場合は、"image_url"にurlまたはbase64データを使用します。動画の場合は、"video_url"に動画ファイルを指すURLを使用します。トークン制限はすべてのモダリティに適用されます。
はい、OrcaRouterはOpenAI互換のAPIを提供しているため、OpenAIのchat completions形式を使用しているプラットフォームからの移行は簡単です。ベースURLをhttps://api.orcarouter.ai/v1に変更し、モデル名を"qwen/qwen3.6-plus"に更新します。認証にはOrcaRouterのAPIキーが必要で、これは以前のプロバイダーのキーと置き換わります。同じクライアントライブラリ（例：openai Pythonパッケージ）をコードの最小限の変更で再利用できます。プロンプトやツール定義がモデルのコンテキストと出力制限内に収まるようにしてください。
OrcaRouterのAPIのベースURLはhttps://api.orcarouter.ai/v1です。Qwen3.6 PlusのモデルIDは"qwen/qwen3.6-plus"です。リクエストを行う際は、リクエストボディにモデルIDを含めてください。例えば、openaiライブラリを使用したPythonスクリプトでは、openai.base_url = "https://api.orcarouter.ai/v1"、openai.api_key = "your-orcarouter-key"と設定し、client.chat.completions.create(model="qwen/qwen3.6-plus", messages=[...])を呼び出します。この組み合わせにより、特定のバージョンであるQwen3.6 Plusにアクセスできます。
Qwen3.6 Plus と GPT-4o はどちらもマルチモーダル大規模言語モデルですが、Qwen3.6 Plus はGPT-4o の128kトークンに対して、大幅に大きなコンテキストウィンドウ（100万トークン）を提供します。このため、Qwen3.6 Plus は書籍全体や長いビデオのトランスクリプトの処理に適しています。ただし、GPT-4o はより広範な言語サポートとより大きなツールエコシステムを備えています。τ²-Bench 以外のベンチマーク比較は提供されていないため、与えられたデータから他のタスクでの直接的なパフォーマンス比較はできません。価格はプロバイダーによって異なる場合があります。Qwen3.6 Plus に対する OrcaRouter のトークン単価は、OpenAI の価格設定と比較する必要があります。
Qwenファミリーの中で、Qwen3.6 Plusは最も先進的なモデルの一つであり、最大のコンテキストウィンドウとマルチモーダル入力に対応しています。小型のQwenモデル（例：Qwen2-7B、Qwen2-72B）はコンテキストウィンドウが短く、テキストのみの処理であり、テキスト専用タスクでは高速かつ低コストです。Qwen3.6 Plusは、長文脈推論や視覚的理解を必要とするタスクでより優れたパフォーマンスを発揮する可能性があります。τ²-Benchスコア97.7はこのモデルに固有のものであり、他のQwenモデルでは提供されたデータでこのスコアは報告されていません。ユーザーは、マルチモーダル・長文脈機能の必要性と予算に基づいて選択すべきです。
AnthropicのClaude 3.5 Sonnetは200kトークンのコンテキストウィンドウをサポートし、テキストと画像を扱います（ただし、動画は直接はまだ対応していません）。Qwen3.6 Plusはより大きなコンテキストウィンドウ（100万トークン）と動画入力を提供しており、動画分析タスクで有利になる可能性があります。両モデルはAPI経由でアクセス可能ですが、Qwen3.6 PlusはOrcaRouterを通じてアクセスされるのに対し、Claudeは通常AnthropicのAPIまたはサードパーティプロバイダーを通じてアクセスされます。直接的なベンチマーク比較は提供されていません。Qwen3.6 Plusのτ²-Benchスコア97.7はClaudeでは報告されていません。ユーザーは、特定のタスク要件と料金に基づいて評価する必要があります。
OpenAI 互換——今お使いの SDK のまま
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="qwen/qwen3.6-plus",
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| 階層 | 入力 / 1M tokens | 出力 / 1M tokens |
|---|---|---|
| ≤ 256K | $0.276 | $1.651 |
| ≤ 1.0M | $1.101 | $6.602 |
| 階層はリクエストごとの入力トークン数で決定されます | ||
表示価格に基づく概算
段階制料金 — この見積もりは基本ティアの料金を使用しています。
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
@misc{orcarouter_qwen3_6_plus,
title = {Qwen3.6 Plus API},
author = {Qwen},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/qwen/qwen3.6-plus}
}Qwen. (2026). Qwen3.6 Plus API. OrcaRouter. https://www.orcarouter.ai/models/qwen/qwen3.6-plus