Qwen3.6-Plus: Agenten sind schlauer geworden, aber Benchmarks lügen wieder 🤖

Alibaba hat Qwen3.6-Plus veröffentlicht. Die Jungs behaupten, dass ihr Modell sehr gut darin ist, Probleme auf Repository-Ebene zu lösen. Nur vergleichen sie sich in ihren Tabellen schamhaft mit GLM-5 und Opus 4.5, nicht mit 5.1 und 4.6.

Wenn wir ihren eigenen Benchmark für die Arbeit mit Repositories über Claude Code (NL2Repo) nehmen und die Ergebnisse des kürzlich veröffentlichten GLM-5.1 danebenlegen, sehen wir:
▫️ Claude Opus 4.6 — 47,9
▫️ GLM-5.1 — 45,3
▫️ Qwen3.6-Plus — 37,9

Für ernsthafte Arbeit mit Legacy und große Refactorings ist GLM-5.1 deutlich vorzuziehen.

👍 Was gut ist: In der API wurde der Parameter preserve_thinking eingeführt.

So funktioniert es derzeit bei anderen: Im klassischen Agentenzyklus generiert das Modell bei jedem Schritt Reasoning (seine Gedanken), die wir entweder verwerfen oder wieder einspeisen, wobei wir eine Menge Tokens verbrennen.
Mit preserve_thinking=True speichert die API selbst den Kontext der Überlegungen aus allen vorherigen Dialogschnitten. Das reduziert drastisch die Kosten und verhindert die "Schizophrenie" des Agenten bei langen, mehrschrittigen Aufgaben. Standardmäßig ist der Parameter deaktiviert, er wird über extra_body in der Anfrage übergeben. Merken Sie sich das, wenn Sie Ihre eigenen Agenten bauen.

Außerdem wurden die Integration mit OpenClaw, das CLI-Tool Qwen Code und native Unterstützung für das API-Format von Anthropic veröffentlicht. Das heißt, man kann ihren Endpunkt direkt in Claude Code einfügen und direkt vom Terminal aus arbeiten. Plus ein standardmäßiges Kontextfenster von 1M Tokens.

Kurz gesagt, ein weiteres solides multimodales Modell mit tollen Funktionen für API-Entwickler von den Chinesen, aber ohne "Wow".

Im Chat kann man es auch schon ausprobieren. 💬