Qwen3.6 Plus スナップショット 2026-04-02 — qwen3.6-plus の凍結版、同じ機能。
qwen/qwen3.6-plus-2026-04-02は、Qwen3.6 Plusシリーズの特定のチェックポイントであり、Qwenによってホストされ、OrcaRouterのOpenAI互換APIを通じてアクセス可能です。テキスト、画像、動画の入力を受け付け、1,048,576トークンのコンテキストウィンドウと最大出力長65,536トークンを提供します。このモデルは、計画、ツール使用、マルチターン…
qwen/qwen3.6-plus-2026-04-02は、テキストプロンプトと共にビデオファイルやフレームシーケンスを入力として受け付けることができます。ビデオフレーム間の時間的なコンテキストを理解するため、ビデオ要約、イベント検出、時間経過に伴う視覚コンテンツに関する質問応答などのタスクが可能です。100万トークンのコンテキストにより、モデルは（フレームレートや解像度に依存しますが）数分間のビデオを1回のパスで処理できます。このモデルはビデオをネイティブに生成するのではなく、ビデオ入力を分析・推論します。最良の結果を得るには、開発者は適切なフレームレート（例：毎秒1フレーム）とサイズでビデオを提供する必要があります。高いフレームレートはコンテキストウィンドウを急速に消費する可能性があります。OrcaRouterのAPIは一般的なビデオコーデックやフォーマットをサポートしています。具体的な制約についてはドキュメントを確認してください。
このモデルは長コンテキストのマルチモーダルエージェントタスクに優れていますが、より単純なユースケースにはオーバースペックかもしれません。単純なテキストチャット、分類、短形式の生成には、OrcaRouterで利用可能なより小型で高速なモデル（例：Qwen3.6 Base、Llama 3、GPT-4o-mini相当）が、通常、低レイテンシとトークンあたりのコスト削減を提供します。アプリケーションがフル1Mトークンのコンテキストウィンドウや画像/動画処理を必要としない場合、より安価な代替品が、はるかに低コストでニーズを満たすでしょう。また、τ²-Benchスコアが優先されないタスク（例：簡単な要約）では、他のモデルも同様に性能を発揮する可能性があります。モデル選択の際には、実際のコンテキスト長とモダリティ要件を、コストとレイテンシと照らし合わせて常に評価してください。
このモデルは、τ²-Bench（シミュレート環境でAIがエージェントとして行動する能力を測定するベンチマーク）で97.7のスコアを達成しました。τ²-Benchは、ウェブショッピング、データ分析、ソフトウェア開発などのタスクを通じて、計画、ツール使用、メモリ管理、マルチターン推論をテストします。高いスコアは、モデルが複雑な指示を効果的に分解し、外部ツール（例：電卓、検索、コード実行環境）を使用し、多くのステップにわたって一貫した状態を維持できることを示します。これにより、モデルはAPIと対話したり、ウェブを閲覧したり、ファイルを操作する自律エージェントの構築に適しています。ただし、ベンチマークスコアはすべての実環境での完全な動作を保証するものではなく、新しいタスクや曖昧なタスクでは失敗する可能性があります。開発者はエージェントの設定を徹底的にテストする必要があります。
τ²-Benchは、制御された環境における現実的で多段階のタスクでAIエージェントを評価するためのベンチマークです。97.7のスコアは、モデルがベンチマークスイート内のほぼすべてのタスクを正しく完了することを示しています。これには、旅行の予約、ドキュメントの編集、コードの作成、データベースの検索などのタスクが含まれます。これらはすべて、モデルがサブアクションを計画し、ツールを使用し、エラーから回復することを必要とします。このスコアは、モデルが強力な推論、指示の遵守、ツール使用能力を持っていることを示唆しています。しかし、ベンチマークには限界があります。すべての可能な現実世界のシナリオをカバーしているわけではなく、構造化されたフィードバックがないオープンエンドな環境ではパフォーマンスが低下する可能性があります。スコアは、Qwenモデルファミリー内およびOrcaRouterで利用可能な他のエージェント重視モデルに対する比較指標として見なされるべきです。
このモデルではτ²-Benchスコア（97.7）のみが明示的に提供されています。他のベンチマーク結果（例：MMLU、HumanEval、GSM8K）は、与えられた事実には含まれていません。1Mコンテキストを持つ大規模マルチモーダルモデルとして、一般的な推論タスクで競争力のある性能を発揮することが期待されますが、具体的な数値はここでは開示されていません。開発者はドメイン固有のデータセットで独自の評価を実施し、性能を測定する必要があります。OrcaRouterは、モデル間の出力を比較するのに役立つログ記録および評価ツールをサポートしています。全体像を把握するには、特に長文コンテキストの理解とマルチモーダル推論を伴うタスクなど、本番環境のワークロードを反映したタスクでのテストを検討してください。
モデルは高いτ²-Benchスコアを達成していますが、大規模言語モデルに共通する限界があります。事実を幻覚する可能性があり、バイアスのかかった有害なコンテンツを生成する可能性があり、外部ツールなしで正確な数学的計算を必要とするタスクに苦労します。100万トークンのコンテキストは大きいですが、それでも有限です。極端に長いコンテキストでは、モデルが最初の部分に注意を向けられなくなったり、微妙な詳細を見逃したりする可能性があります。マルチモーダル理解、特に動画の場合は、フレーム選択に依存します。モデルは本質的に動画をリアルタイムで理解するわけではありません。さらに、τ²-Benchでの97.7のスコアは、特に予期しないAPI応答や曖昧な指示との対話が必要なすべてのエージェントタスクで完璧なパフォーマンスを保証するものではありません。レイテンシとコストは、大規模なコンテキストとマルチモーダル処理のため、より小さいモデルよりも高くなります。
OrcaRouter が qwen/qwen3.6-plus-2026-04-02 の料金詳細を決定しており、提供された情報には含まれていません。通常、このようなモデルの料金は入力トークン数と出力トークン数に基づき、画像および動画処理（画像1枚あたり、またはフレーム1つあたり）に対して追加料金が発生します。大規模なコンテキストウィンドウを使用する場合、1リクエストで100万トークンすべてを使用すると、短いコンテキストを使用するよりもコストが高くなります。OrcaRouter は従量課金モデルを提供しており、アカウントのティアに応じてレート制限が適用される場合があります。正確なトークン単価や該当する割引（例：バッチ処理やコミットメント使用量）については、OrcaRouter の公式料金ページを参照するか、営業チームにお問い合わせください。この特定のモデルでの頻出プロンプトのキャッシュは確認されていません。OrcaRouter のプロンプトキャッシュに関するドキュメントをご確認ください。
モデルの大きなコンテキストウィンドウとマルチモーダル入力により、コストは利用パターンに基づいて大きく変動する可能性があります。プロンプトが10,000トークンを超えることがほとんどなく、画像を必要としない場合、より安価なモデルが費用を削減できるでしょう。一方、長文のドキュメントや高解像度の画像を定期的に処理する場合、リクエストごとのコストは、モデルの高いτ²-Benchパフォーマンスによって正当化されるかもしれません。ビデオ処理は特に高額です。各フレームがトークンを消費するためです。OrcaRouterはキャッシュやバッチ割引を提供し、実効コストを下げる可能性があります。支出を最適化するには、入力を必要最小限のコンテキスト長に切り詰めること、画像解像度を下げること、フレームサンプリングを使用することを検討してください。また、OrcaRouterの使用状況ダッシュボードでトークン使用量を監視し、予期せぬ事態を避けてください。このモデルには無料ティアやトライアルクレジットは記載されていません。
モデルを使用するには、OrcaRouterのベースURL（https://api.orcarouter.ai/v1）にHTTPリクエストを送信します。モデル識別子は、表示されているとおり正確に使用してください："qwen/qwen3.6-plus-2026-04-02"。このAPIはOpenAI互換であるため、カスタムエンドポイントを持つ任意のOpenAI SDKを使用できます。例えば、Pythonでopenaiライブラリを使用する場合、`base_url`をOrcaRouterのエンドポイントに、`api_key`をあなたのOrcaRouterキーに設定します。リクエストボディは標準パラメータをサポートしています：`model`、`messages`、`max_tokens`、`temperature`、`top_p`など。マルチモーダル入力の場合、コンテンツ配列に`image_url`または`video_url`タイプを使用して、画像URLやbase64エンコードデータを含めます。ビデオ入力の正確なフォーマットについては、OrcaRouterのAPIドキュメントを参照してください。
APIは標準のOpenAI Chat Completionsパラメータを受け付けます：`model`（必須）、`messages`（メッセージオブジェクトの配列）、`max_tokens`（最大65,536）、`temperature`（0.0～2.0；典型的な範囲は0.0～1.0）、`top_p`（0.0～1.0）、`frequency_penalty`、`presence_penalty`、`stop`シーケンス、`stream`（ブール値）。エージェント的なタスクでは、決定論的な動作を促進するために`temperature`を0.0または低い値に設定することが推奨されることが多いです。創造的なタスクでは、より高いtemperatureが適切な場合があります。`max_tokens`パラメータは出力長を制御します。モデルは1ターンあたり最大65,536トークンを生成できます。`max_tokens`を高く設定しすぎると、レイテンシとコストが増加する可能性があることに注意してください。コスト管理のために出力長を制限する必要がある場合は、ユースケースに適した値を設定してください。ストリーミングがサポートされており、知覚されるレイテンシを低減できます。
既にOrcaRouterのAPIを別のモデルで使用している場合、qwen/qwen3.6-plus-2026-04-02への移行は通常、リクエスト内の`model`パラメータを以前の識別子から"qwen/qwen3.6-plus-2026-04-02"に変更するだけで済みます。APIエンドポイントや認証方法に他の変更は必要ありません。すべてのモデルが同じベースURLと認証方法を共有しているためです。マルチモーダル入力（画像、動画）を使用していた場合、その形式は互換性があります。ただし、モデルの動作や出力形式は以前のモデルと異なる可能性があるため、プロンプトをテストし、必要に応じてシステムメッセージやtemperatureを調整する必要があります。また、コンテキストウィンドウやトークン制限が異なるため、1Mコンテキストを最大限活用したり、最大出力を超えないようにリクエストを修正する必要があるかもしれません。OrcaRouterはドキュメントに移行ガイドを提供しています。
QwenはOrcaRouter上で複数のモデルを提供しており、Qwen3.5やQwen3.6 Baseなどの初期バージョンも含まれます。ベースバージョンと比較して、このPlusバリアントはより大きなコンテキストウィンドウ（1M対通常128Kまたは256K）、マルチモーダル対応（画像と動画）、およびより高いτ²-Benchスコア（97.7対おそらくより低い）を提供します。日付スタンプ（2026-04-02）はより最近のチェックポイントを示しており、推論や指示追従が改善されている可能性があります。ただし、Plusバリアントはトークンあたりのコストが高く、コンテキストが大きいことやマルチモーダル処理によりレイテンシが高くなる可能性があります。短いコンテキストのテキストのみのタスクでは、ベースバージョンの方が費用対効果が高い場合があります。エージェント型やマルチモーダルのワークロードでは、このPlusバリアントがQwenモデルの中で推奨される選択肢です。
両方のモデルはOrcaRouterで利用可能ですが、qwen/qwen3.6-plus-2026-04-02はより大きなコンテキストウィンドウ（1M vs GPT-4oの128K）を備え、動画入力に対応しています（GPT-4oは画像と音声に対応）。τ²-Benchスコアの97.7はGPT-4oでは公表されていない特定の指標であるため、そのベンチマークでの直接比較は不可能です。価格面では、GPT-4oは異なるトークンレートを設定している可能性があります。OrcaRouterの価格ページをご確認ください。GPT-4oは一般的に多言語での高いパフォーマンスと幅広い知識を持ちますが、このQwenモデルはアジア言語のサポートに最適化されている可能性があります（明示的には述べられていません）。開発者は特定のタスクで両方をテストし、品質とコストのバランスが優れている方を判断する必要があります。OrcaRouterでは、最小限のコード変更でモデルを切り替えられます。
Claude 3.5 SonnetはOrcaRouter上のもう一つの人気モデルで、強力な推論と安全性で知られています。コンテキストウィンドウは200Kトークンで、画像入力に対応していますが、動画には対応していません。 qwen/qwen3.6-plus-2026-04-02は5倍のコンテキスト(1M)とネイティブの動画サポート、そして高いτ²-Benchスコアを提供します。 Claudeモデルは微妙な指示の追従と拒否行動でしばしば賞賛されます。このQwenモデルのエージェントパフォーマンス(97.7 τ²-Bench)は、ツール使用タスクにおいて同等またはそれ以上の能力を示唆しています。 料金の違いが存在します。OrcaRouterの料金カードを参照してください。 長いコンテキストや動画タスクには、Qwenモデルの方が適しているかもしれません。安全性が重要なアプリケーションでは、Claudeの安全ガードレールへの準拠が利点となる可能性があります。繰り返しますが、ユーザーテストをお勧めします。
Gemini 2.0 ProはOrcaRouterで利用可能で、100万トークンのコンテキストウィンドウを備え、テキスト、画像、音声、動画の入力に対応しています。また、優れたベンチマークスコアを達成しています。両モデルはコンテキスト長とマルチモーダル機能が類似しています。主な違いはエージェント性能にある可能性があります。qwen/qwen3.6-plus-2026-04-02はエージェントタスクに特化したベンチマークτ²-Benchで97.7を記録していますが、Geminiの同ベンチマークでのスコアは公開されていません。さらに、各モデルはコーディング、多言語サポート、または事実の正確性において異なる強みを持つ可能性があります。開発者は自らのドメインに特化して両方を評価すべきです。OrcaRouterを使用すると、同じAPIインターフェースで簡単に切り替えられます。価格は異なる場合があるため、最新の料金はOrcaRouterでご確認ください。
次のような場合には、**qwen/qwen3.6-plus-2026-04-02** を選択してください。 - 100万トークンのコンテキストウィンドウ（多くの代替モデルより大きい） - 動画入力の対応（画像やテキストだけでなく） - τ²-Bench（97.7）で測定された高いエージェント性能 あなたのユースケースが、非常に長いドキュメントや動画の処理、あるいは拡張メモリを必要とする自律型エージェントの構築である場合、このモデルは有力な候補です。 もし128Kトークンを超えることがほとんどなく、動画も不要で、より高速な推論を優先するなら、GPT-4o miniやQwen3.6 Baseのようなモデルを検討してください。 最高レベルの事実正確性や安全性が求められるタスクでは、より強力なガードレールを備えた代替モデルを評価してください。 結局のところ、最適なモデルは、コスト、レイテンシ、コンテキスト長、モダリティ対応、ベンチマーク性能の間での具体的なトレードオフに依存します。
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-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| 階層 | 入力 / 1M tokens | 出力 / 1M tokens |
|---|---|---|
| ≤ 256K | $0.500 | $3.00 |
| ≤ 1.0M | $2.00 | $6.00 |
| 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_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