Qwen 3.6 Plus
Qwen 3.6 Plus ist Alibabas proprietäre API-Variante für agentische Textgenerierung, visuelle Aufgaben und Tool-Workflows innerhalb von Model Studio. Die offizielle Alibaba-Dokumentation beschreibt Qwen-Plus als multimodales Modell für Text-, Bild- und Videoeingaben mit Tool Calling; die bestehende Karte ordnet dafür 1M Kontext und Frontier-Positionierung ein. Da keine offenen Gewichte vorliegen, ist das Modell klar als cloud-only und compliance-sensitiv zu behandeln.
- Proprietär
- Frontier
- OR
- Agentic
- Vision-Capable
- Long-Context
- Batch
Sovereign Risk: HIGH Qwen 3.6 Plus ist eine proprietäre Alibaba-Cloud-Bereitstellung ohne offene Gewichte. Das Risiko betrifft primär Datenverarbeitung und Compliance unter chinesischer Jurisdiktion.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 73.84
- Routine
- 45.51
- Reasoning
- 28.33
- LLM Judge Avg
- 3.7 / 5
- 100% Coverage
- Avg Task Duration
- 60.91s
- Batch
- Token Rate
- 11.4tok/s
- Output Rate
- P95 Latency
- 125.59s
- Top 5 %
- Total Tokens
- 43.9K
- Output Volume
- Cost per 1K
- $0.002
- USD / 1K Requests
- Benchmark Cost
- $0.09
- Total · 43.9K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.