Qwen 3.6 Max (Preview)
阿里巴巴· 2026-04-20 上线国产
综合榜暂不排名：评测成绩还不够
编程
51.5
科研
51.1
专业办公
46.3
知识问答
51.6第 35 名
- 评测覆盖
- 7 / 25 项 · 28%
- 缓存输入
- —
- 输入
- —
- 输出
- —
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 |
|---|---|---|---|---|
| SWE-bench Verified | 76.7% | 52.8 | 默认 | 22 |
| WebDev Arena | 1,479 | 50.1 | 默认 | 96 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| OTIS Mock AIME | 91.1% | 51.1 | 默认 | 87 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| Vending-Bench 2 | $4,254 | 46.3 | 默认 | 55 |
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 | 52.0% | 53.4 | 默认 | 65 |
| GPQA Diamond | 87.4% | 50.1 | 默认 | 84 |
| SimpleBench | 63.0% | 51.3 | 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 | 20.0% | 不计分 | 默认 | 88 |
原始成绩取这个模型各个推理档位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。