Qwen 3.6 Flash
阿里巴巴· 2026-04-27 上线国产
综合榜暂不排名：评测成绩还不够
编程
36.1
科研
39.5
专业办公
—
知识问答
35.6第 67 名
- 评测覆盖
- 6 / 25 项 · 24%
- 缓存输入
- ¥0.12
- 输入
- ¥1.20
- 输出
- ¥7.20
价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| ALE-Bench | 326 | 36.1 | 默认 | 88 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 22.5% | 31.9 | none | 66 |
| OTIS Mock AIME | 84.4% | 47.1 | 默认 | 87 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 15.9% | 32.3 | 默认 | 65 |
| GPQA Diamond | 83.3% | 46.8 | 默认 | 84 |
| SimpleBench | 35.2% | 27.6 | 默认 | 39 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| 国际象棋谜题 | 12.0% | 不计分 | 默认 | 88 |
原始成绩取这个模型各个推理档位（none）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。