Qwen3.6-Max-Preview：阿里巴巴拿下六個 coding benchmark 第一名，同時轉向閉源
Qwen3.6-Max-Preview 在 SWE-bench Pro、Terminal-Bench 2.0、SciCode 等六個 coding/agent benchmark 登頂，Artificial Analysis Intelligence Index 排第三。但真正的訊號不是分數，而是阿里同步關掉 Qwen Code 免費層——中國最大的開源 AI 實驗室開始轉向閉源。
目錄+
Qwen3.6-Max-Preview 是一則需要分兩層看的新聞。
第一層是 benchmark 與 API 能力——阿里雲在 2026 年 4 月 20 日發布這個新旗艦模型，官方 blog 稱它在六個 coding 與 agent 領域的 benchmark 同時登頂：SWE-bench Pro、Terminal-Bench 2.0、SkillsBench、QwenClawBench、QwenWebBench、SciCode。Artificial Analysis 給它 52 分的 Intelligence Index，在 203 個評估過的模型中排第三（Digital Applied 報導）。
第二層更重要：它是閉源的，只能透過 Alibaba Cloud Model Studio API 存取，而且阿里同步關掉了 Qwen Code 的免費層。這是中國最大的開源 AI 實驗室，第一次在旗艦產品線上明確轉向閉源商業模式。
這次到底贏了什麼
官方 release（alibabacloud.com/blog）列出的提升集中在三個面向：agentic coding、world knowledge、instruction following。對比基準是同屬 Qwen3.6 系列、先前在 4 月初發布的 Qwen3.6-Plus。
具體數字能查核的部分：
- SuperGPQA（跨領域研究生級推理）：+2.3%
- QwenChineseBench：+5.3%，這是中文世界模型排行榜比較少被國際讀者看到的那類 benchmark
- ToolcallFormatIFBench（工具呼叫格式 + 指令遵循）：官方宣稱超越 Claude，具體數字未公開
Agentic coding 的六個 benchmark 是本次行銷主軸，但我要先降溫：這六個 benchmark 全部是阿里自己的內部評估結果，其中 QwenClawBench、QwenWebBench 是 Qwen 團隊自建的 benchmark，SkillsBench 與 SciCode 在業界的普及度也低於 SWE-bench Verified、HumanEval。換句話說，「六個第一」是正確的，但這六個裡有幾個是自家規則下的第一。
比較客觀的對照是：
| Benchmark | 得主 | 分數 | 來源 |
|---|---|---|---|
| SWE-bench Verified | Claude Opus 4.6 | 80.8% | Anthropic 官方 |
| SWE-bench Verified | Qwen3.6-Plus | 78.8% | Datanorth 彙整 |
| SWE-bench Pro | GPT-5.4 | 57.7% | Datanorth 彙整 |
| Terminal-Bench 2.0 | Qwen3.6-Plus | 61.6 | 超越 Claude 4.5 Opus |
Qwen3.6-Max-Preview 相對 Plus 有進一步提升，但「是否已經超越 Claude Opus 4.6 在真實 SWE-bench Verified 上」，阿里還沒公開對比數字。
規格面務實的兩個亮點
一、preserve_thinking 保留推理痕跡。阿里官方特別在 release notes 裡推薦：agentic workflow 跨多輪對話時，把 reasoning trace 保留下來，可以明顯改善連貫性。這個 feature 其實對應的是 Claude 與 GPT-5 近期都在推的「thinking blocks as first-class citizens」——模型的中間思考步驟不再只是 UI 折疊掉的雜訊，而是會影響後續工具呼叫品質的狀態。
二、dual-API 相容。同一個 endpoint（qwen3.6-max-preview）同時接受 OpenAI 與 Anthropic 兩家的 request schema。對已經用 @ai-sdk/openai 或 @anthropic-ai/sdk 的團隊，切換成本趨近於零，只需要換 base URL 與 API key。這是商業產品設計上相當聰明的一步：把競品的 SDK 當成自己產品的分發渠道。
Context window 256k，目前只支援文字輸入，沒有圖像能力。對照 Qwen3.6-Plus 的 1M context，可以看到 Max-Preview 是「犧牲 context 換推理品質」的定位。
閉源轉向才是真正的新聞
過去三年，Qwen 系列一直是中國 AI 開源生態的主軸——Qwen1.5、Qwen2、Qwen2.5、Qwen3 系列大量開源權重，HuggingFace 上 Qwen 系列下載量累積破億，支撐起整個中文開源 LLM 生態。Unsloth、llama.cpp、vLLM 社群都高度依賴 Qwen 權重做量化實驗與社群貢獻。
Qwen3.6-Max-Preview 沒有開源權重，而且是一個連 API 都走官方 Model Studio 的閉源模型。更關鍵的訊號是：Qwen Code 免費層在同一週關閉（Digital Applied、MEXC News 兩家報導交叉證實）。
這個組合暗示什麼？
阿里不是放棄開源——Qwen3.6-Flash、Qwen3.6-35B-A3B 這類中小型本地部署模型仍維持開源。它做的是分層：大型旗艦閉源收費，中小型開源換生態。這個模式其實是抄 Meta（Llama 3.1 405B 開源，但商業應用 license 模糊）與 Mistral（Small 開源，Large 閉源）已經走過的路。
對中國 AI 市場的意義：一直以來「開源打敗 OpenAI」是中國 AI 敘事的主調，從 DeepSeek 到 Qwen 都被當成「開源陣營」的代表。阿里這次轉向會迫使整個行業重新校準——當最大的玩家在旗艦產品上選擇閉源商業化，開源陣營的純度就不再是生存條件，而是階段性選擇。
實務建議
如果你已經在用 Claude Code 或 Cursor 寫 agent-heavy 的工作流：
- 值得實測：
qwen3.6-max-preview在 terminal 執行、多步工具呼叫場景上宣稱超越 Claude Opus 4.6，但因為官方對 SWE-bench Verified 沒有公開對比數字，必須自己跑才能驗證。 - 中文場景確定更強：QwenChineseBench +5.3%、world knowledge 提升，中文技術內容生成或中國本土資料查詢，這個模型是目前最好的選擇之一。
- 不要單押：閉源 + 單一供應商 + 需要中國雲 API 認證，對多數台灣團隊的合規風險比 Claude/GPT 高。
如果你在意開源生態：Qwen3.6-Max-Preview 不會開源，想自架的繼續盯 Qwen3.6-35B-A3B 或等 DeepSeek、Kimi 的下一版。