Qwen3.6 Plus — chat đa phương thức hàng đầu (văn bản/hình ảnh/video), 1M ngữ cảnh, Vibe Coding + gọi hàm.
Qwen3.6 Plus là thành viên của gia đình mô hình ngôn ngữ lớn Qwen, được phát triển bởi đội ngũ Qwen của Alibaba. Nó được thiết kế để xử lý độ dài ngữ cảnh mở rộng và đầu vào đa phương thức, bao gồm…
Qwen3.6 Plus vượt trội trong các tác vụ yêu cầu tích hợp thông tin từ các đoạn văn bản dài và dữ liệu hình ảnh. Các ví dụ bao gồm tóm tắt các bài nghiên cứu dài, trích xuất dữ liệu có cấu trúc từ tài liệu quét, tạo chú thích cho các đoạn video và trả lời câu hỏi về sơ đồ. Nó cũng hoạt động tốt trên các chuẩn mực lý luận đa bước như τ²-Bench, cho thấy khả năng sử dụng công cụ và lập kế hoạch mạnh mẽ. Mô hình có thể làm theo các hướng dẫn phức tạp và tạo ra mã hoặc suy luận logic. Đối với các tác vụ phân loại đơn giản hoặc tạo văn bản ngắn, các mô hình nhỏ hơn như Qwen2-7B có thể tiết kiệm chi phí và nhanh hơn.
Nếu ứng dụng của bạn chỉ liên quan đến các prompt ngắn (ví dụ: vài trăm token) và không yêu cầu đầu vào đa phương thức, các mô hình nhỏ hơn từ dòng Qwen hoặc các LLM nhẹ khác có thể cung cấp phản hồi nhanh hơn với chi phí thấp hơn. Tương tự, đối với các tác vụ đơn giản như phân tích cảm xúc, trích xuất từ khóa hoặc trả lời câu hỏi cơ bản, một mô hình có ít tham số hơn có thể đủ dùng. Qwen3.6 Plus nên được dành riêng cho các tình huống mà cửa sổ ngữ cảnh lớn hoặc khả năng đa phương thức là quan trọng, chẳng hạn như xử lý toàn bộ tài liệu hoặc nội dung video. Các triển khai nhạy cảm về chi phí nên đánh giá mức tiêu thụ token so với lợi ích hiệu suất tăng thêm.
Qwen3.6 Plus xử lý các tài liệu dài bằng cách tiếp nhận toàn bộ văn bản trong cửa sổ ngữ cảnh 1M token của nó, tránh nhu cầu phải chia nhỏ và ghép lại. Điều này cho phép mô hình duy trì tính mạch lạc xuyên suốt tài liệu và trả lời các câu hỏi tham chiếu đến cả phần đầu và phần cuối. Ví dụ, người dùng có thể cung cấp một cuốn sách 500 trang và yêu cầu tóm tắt quá trình phát triển của một nhân vật qua các chương. Mô hình sử dụng cơ chế chú ý được tối ưu hóa cho các chuỗi dài, mặc dù đầu vào rất dài có thể làm tăng thời gian xử lý. API của OrcaRouter hỗ trợ phản hồi dạng luồng để người dùng có thể bắt đầu nhận đầu ra trước khi toàn bộ đầu vào được xử lý.
Qwen3.6 Plus có thể chấp nhận hình ảnh và video ngoài văn bản. Đối với hình ảnh, nó có thể mô tả nội dung, đọc văn bản từ ảnh và suy luận về các mối quan hệ không gian. Đối với video, nó trích xuất khung hình định kỳ và xử lý chúng như một chuỗi hình ảnh, cho phép thực hiện các tác vụ như nhận dạng hành động, tóm tắt video và suy luận thời gian. Mô hình không hỗ trợ âm thanh một cách tự nhiên; các bản ghi âm phải được chuyển đổi thành văn bản trước khi đưa vào. Không có giới hạn rõ ràng về số lượng hình ảnh hoặc khung hình video, miễn là tổng số token nằm trong ngữ cảnh. Điều này cho phép các ứng dụng đa phương thức phong phú như trả lời câu hỏi trực quan trên các đoạn video dài.
Qwen3.6 Plus đã đạt điểm số 97.7 trên τ²-Bench, một chuẩn đánh giá khả năng suy luận sử dụng công cụ và giải quyết vấn đề đa bước. Chuẩn này kiểm tra khả năng của mô hình trong việc chọn công cụ phù hợp (ví dụ: API, máy tính) và thực hiện các chuỗi hành động để hoàn thành các tác vụ thực tế. Điểm số cao cho thấy năng lực mạnh mẽ trong việc ra quyết định động và gọi hàm. Tuy nhiên, τ²-Bench không bao gồm tất cả các khía cạnh của trí tuệ, chẳng hạn như kiến thức thực tế hay viết sáng tạo. Người dùng nên hiểu chuẩn này như một điểm dữ liệu phản ánh khả năng suy luận của mô hình trong các kịch bản sử dụng công cụ có cấu trúc.
Độ trễ của Qwen3.6 Plus phụ thuộc vào độ dài đầu vào, độ dài đầu ra và tải công việc trên cơ sở hạ tầng của OrcaRouter. Với các prompt ngắn (~1.000 token) và đầu ra vừa phải (~1.000 token), thời gian phản hồi điển hình tương đương với các mô hình ngôn ngữ lớn khác có số tham số tương tự. Các ngữ cảnh dài hơn (ví dụ: 500k token) làm tăng thời gian đến token đầu tiên do cần xử lý toàn bộ đầu vào. OrcaRouter cung cấp các công cụ giám sát để đo độ trễ. Không có số liệu độ trễ cụ thể nào từ dữ liệu được cung cấp, nhưng người dùng có thể kỳ vọng thông lượng phù hợp với các mô hình được tối ưu hóa cho suy luận ngữ cảnh dài.
Điểm số τ²-Bench là 97.7 nêu bật khả năng thành thạo của Qwen3.6 Plus trong lý luận sử dụng công cụ, lập kế hoạch và thực hiện các tác vụ đa bước. Sức mạnh này mang lại lợi ích thực tế trong các ứng dụng như quy trình tác nhân, xử lý dữ liệu tự động và giải quyết vấn đề phức tạp đòi hỏi sự phối hợp của các công cụ bên ngoài. Ngoài ra, cửa sổ ngữ cảnh lớn của mô hình đảm bảo nó có thể lưu giữ thông tin qua các đầu vào dài, điều này không được đo lường trực tiếp bởi τ²-Bench nhưng thể hiện rõ qua thiết kế của nó. Không có điểm số chuẩn nào khác được cung cấp, vì vậy những kết luận này được rút ra hoàn toàn từ kết quả τ²-Bench.
Mặc dù Qwen3.6 Plus hoạt động mạnh mẽ trong lý luận sử dụng công cụ, hiệu suất của nó trên các khía cạnh khác (ví dụ: ghi nhớ sự kiện, viết sáng tạo, hiểu đa ngôn ngữ) không được định lượng trong dữ liệu được cung cấp. Giống như tất cả các mô hình ngôn ngữ lớn, nó có thể tạo ra thông tin sai hoặc ảo giác, đặc biệt khi đối mặt với các truy vấn mơ hồ hoặc tiền đề sai. Khả năng đa phương thức của mô hình bị giới hạn ở văn bản, hình ảnh và video; nó không trực tiếp xử lý âm thanh hoặc các phương thức khác. Ngoài ra, cửa sổ ngữ cảnh lớn có thể dẫn đến độ trễ và chi phí token cao hơn, khiến nó ít phù hợp hơn cho các ứng dụng thời gian thực có ngân sách độ trễ nghiêm ngặt.
Giá cho Qwen3.6 Plus qua OrcaRouter được xác định dựa trên mức sử dụng token. OrcaRouter tính phí riêng cho token đầu vào (bao gồm token văn bản, token hình ảnh và token khung hình video) và token đầu ra do mô hình tạo ra. Mức giá chính xác cho mỗi token không được bao gồm trong tập dữ liệu này; người dùng nên tham khảo trang giá chính thức của OrcaRouter hoặc liên hệ bộ phận hỗ trợ để biết giá hiện tại. Không có bậc miễn phí nào được đề cập, nhưng OrcaRouter có thể cung cấp tín dụng dùng thử. Giá cả minh bạch và dựa trên mức tiêu thụ, không có phí đăng ký hàng tháng.
OrcaRouter có thể cung cấp các cơ chế lưu cache để giảm chi phí cho các đầu vào lặp lại, chẳng hạn như lời nhắc hệ thống hoặc các hướng dẫn thường dùng. Khi tính năng lưu cache được bật, các token đầu vào khớp với nội dung đã lưu cache có thể được tính phí với mức giá thấp hơn. Tuy nhiên, chi tiết về lưu cache (ví dụ: thời gian, điều kiện hợp lệ) không được quy định trong các thông tin được cung cấp. Người dùng nên xem tài liệu của OrcaRouter để biết chính sách lưu cache. Theo thông lệ tốt nhất, thiết kế lời nhắc tái sử dụng nội dung tĩnh có thể giúp giảm thiểu mức tiêu thụ token và giảm tổng chi phí.
Trong dòng mô hình Qwen, giá thường tỷ lệ thuận với kích thước và khả năng của mô hình. Qwen3.6 Plus, là một mô hình đa phương thức lớn với cửa sổ ngữ cảnh 1 triệu token, có khả năng sẽ có giá cao hơn so với các biến thể Qwen nhỏ hơn (ví dụ: Qwen2-7B hoặc Qwen2-72B). Sự khác biệt giá chính xác phụ thuộc vào mức giá trên mỗi token của OrcaRouter cho mỗi mô hình. Người dùng nên đánh giá chi phí tăng thêm so với lợi ích của ngữ cảnh lớn hơn và đầu vào đa phương thức để xác định liệu Qwen3.6 Plus có mang lại sự cân bằng giữa chi phí và hiệu suất thuận lợi cho trường hợp sử dụng cụ thể của họ hay không.
Để gọi Qwen3.6 Plus, hãy sử dụng điểm cuối API OrcaRouter tại URL cơ sở https://api.orcarouter.ai/v1. Đặt tham số model thành "qwen/qwen3.6-plus". API tuân theo cấu trúc hoàn thành hội thoại của OpenAI, do đó các yêu cầu bao gồm danh sách tin nhắn (vai trò: system, user, assistant) và các tham số tùy chọn như temperature, max_tokens và stream. Đầu vào đa phương thức được truyền qua trường content bằng một mảng các đối tượng chỉ rõ loại (text, image_url hoặc video_url) và dữ liệu. Một ví dụ yêu cầu bằng Python sử dụng thư viện openai với URL cơ sở tùy chỉnh.
OrcaRouter's API for Qwen3.6 Plus hỗ trợ các tham số chuẩn của OpenAI: temperature (mặc định 1.0, phạm vi 0-2), max_tokens (lên tới 65,536), top_p, frequency_penalty, presence_penalty, stop sequences và stream (boolean cho phản hồi dạng luồng). Đối với đầu vào đa phương thức, trường content chấp nhận một mảng trong đó mỗi phần tử có một loại (text, image_url hoặc video_url) và dữ liệu tương ứng. Đối với hình ảnh, sử dụng "image_url" với một url hoặc dữ liệu base64. Đối với video, sử dụng "video_url" với một URL trỏ đến tệp video. Giới hạn token áp dụng cho tất cả các phương thức.
Đúng vậy, vì OrcaRouter cung cấp API tương thích với OpenAI, việc di chuyển từ bất kỳ nền tảng nào sử dụng định dạng chat completions của OpenAI đều rất đơn giản. Bạn chỉ cần thay đổi base URL thành https://api.orcarouter.ai/v1 và cập nhật tên model thành "qwen/qwen3.6-plus". Xác thực yêu cầu khóa API OrcaRouter, thay thế cho khóa của nhà cung cấp trước đó. Cùng một thư viện client (ví dụ: gói openai Python) có thể được tái sử dụng với những thay đổi mã tối thiểu. Hãy đảm bảo rằng prompts và định nghĩa công cụ của bạn nằm trong giới hạn ngữ cảnh và đầu ra của model.
URL cơ sở của API OrcaRouter là https://api.orcarouter.ai/v1. ID mô hình cho Qwen3.6 Plus là "qwen/qwen3.6-plus". Khi thực hiện yêu cầu, hãy bao gồm ID mô hình trong phần thân yêu cầu. Ví dụ, trong một tập lệnh Python sử dụng thư viện openai, đặt openai.base_url = "https://api.orcarouter.ai/v1" và openai.api_key = "your-orcarouter-key", sau đó gọi client.chat.completions.create(model="qwen/qwen3.6-plus", messages=[...]). Sự kết hợp này cho phép bạn truy cập phiên bản cụ thể Qwen3.6 Plus.
Cả Qwen3.6 Plus và GPT-4o đều là các mô hình ngôn ngữ lớn đa phương thức, nhưng Qwen3.6 Plus cung cấp cửa sổ ngữ cảnh lớn hơn đáng kể (1 triệu token so với 128k token của GPT-4o). Điều này làm cho Qwen3.6 Plus phù hợp hơn để xử lý toàn bộ sách hoặc bản ghi video dài. Tuy nhiên, GPT-4o hỗ trợ nhiều ngôn ngữ hơn và có hệ sinh thái công cụ lớn hơn. Không cung cấp so sánh điểm chuẩn nào ngoài τ²-Bench, do đó không thể thực hiện so sánh hiệu suất trực tiếp trên các tác vụ khác từ dữ liệu đã cho. Giá cả có thể khác nhau giữa các nhà cung cấp; giá trên mỗi token của OrcaRouter cho Qwen3.6 Plus nên được so sánh với giá của OpenAI.
Trong dòng họ Qwen, Qwen3.6 Plus là một trong những phiên bản tiên tiến nhất, sở hữu ngữ cảnh lớn nhất và hỗ trợ đầu vào đa phương thức. Các mô hình Qwen nhỏ hơn (ví dụ: Qwen2-7B, Qwen2-72B) có ngữ cảnh ngắn hơn và chỉ hỗ trợ văn bản, khiến chúng nhanh hơn và rẻ hơn cho các tác vụ chỉ văn bản. Qwen3.6 Plus có khả năng hoạt động tốt hơn trong các tác vụ yêu cầu suy luận ngữ cảnh dài hoặc hiểu hình ảnh. Điểm τ²-Bench 97.7 là riêng cho mô hình này; các mô hình Qwen khác chưa được báo cáo có điểm này trong dữ liệu được cung cấp. Người dùng nên lựa chọn dựa trên nhu cầu về khả năng đa phương thức, ngữ cảnh dài so với ngân sách.
Claude 3.5 Sonnet của Anthropic hỗ trợ cửa sổ ngữ cảnh 200k token và xử lý văn bản cùng hình ảnh (nhưng chưa trực tiếp xử lý video). Qwen3.6 Plus cung cấp cửa sổ ngữ cảnh lớn hơn (1 triệu token) và đầu vào video, có thể mang lại lợi thế cho các tác vụ phân tích video. Cả hai mô hình đều có thể truy cập qua API, nhưng Qwen3.6 Plus được truy cập thông qua OrcaRouter, trong khi Claude thường được truy cập qua API của Anthropic hoặc nhà cung cấp bên thứ ba. Không có so sánh điểm chuẩn trực tiếp nào được cung cấp; điểm số τ²-Bench 97,7 của Qwen3.6 Plus không được báo cáo cho Claude. Người dùng nên đánh giá dựa trên yêu cầu tác vụ cụ thể và giá cả.
Tương thích OpenAI — giữ nguyên SDK bạn đang dùng
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| Bậc | Đầu vào / 1M tokens | Đầu ra / 1M tokens |
|---|---|---|
| ≤ 256K | $0.276 | $1.651 |
| ≤ 1.0M | $1.101 | $6.602 |
| Bậc được chọn theo số token đầu vào của mỗi yêu cầu | ||
Ước tính theo giá niêm yết
Giá theo bậc — ước tính này dùng mức giá bậc cơ bản.
Chỉ là ước tính — số token thực tế phụ thuộc vào bộ tách token của nhà cung cấp.
GET /api/public/models/qwen/qwen3.6-plusMở @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