Qwen3.6 Flash

對比

發布於 2026-04-16

chat程式碼工具呼叫影像理解推理提示詞快取

Qwen3.6 Flash 是 Qwen3.6 世代中快速、經濟的等級，Qwen 團隊把這一代定調為邁向「Towards Real World Agents」。

輸入: 文字影像影片 $0.25/M
輸出: 文字 $1.5/M
快取讀取: $0.05/M
上下文: 256K
相較 GPT-4o: 便宜約 95%

價格在同類中的位置

價格在 60 個同類模型中的位置

輸入$0.25/M

$0.05 · Qwen3 VL Flash GPT-5.4 Pro · $30

輸出$1.5/M

$0.275 · DeepSeek V4 Flash GPT-5.4 Pro · $180

快取讀取$0.05/M

$0.0028 · DeepSeek V4 Flash GPT-5.4 Pro · $15

這條線顯示該模型的價格，在 Synthorai 上同類模型裡處於什麼位置。兩端標出了最便宜和最貴的那個。這裡是基礎價，批次、區域與快取寫入的折扣見價格頁。

規格與限制

Token

上下文視窗(廠商規格)	1,000,000
最大輸出(廠商規格)	65,536

提示詞快取

快取方式	自動 + 顯式
最低前綴	1,024
存活時間	顯式模式：5 分鐘，命中即重置
寫入成本	1.25x

思考

廠商參數	enable_thinking + thinking_budget
可選值	enable_thinking true · false; thinking_budget in tokens
預設值	開啟；Qwen3.6 Flash 系列為混合思考，且預設啟用思考請求未指定時生效
可關閉	支援
思考行為	思考軌跡透過 reasoning_content 回傳，並在之後的輪次中被忽略；與 qwen3.6-plus 不同，qwen3.6-flash 不在 Alibaba 列出的接受 preserve_thinking 的模型之列。
參數	reasoning_effort
取值	minimal · low · medium · high 閘道側參數面——以上方廠商映射為準

模型

模態	文字 + 影像 + 影片 → 文字

原生視覺語言 Flash 模型，官方稱其相比 Qwen3.5-Flash 有顯著升級
Qwen3.6 世代新增了 preserve_thinking 以跨輪攜帶推理，但 Alibaba 只為 qwen3.6-plus 與 qwen3.6-max-preview 列出該能力，不含此 Flash 等級

依據 Alibaba 官方文件 ↗

單一提示詞 — 經由閘道測量

針對 CFO 的推論修復包含錯誤的函式擷取至 schema 依照限制條件撰寫

提示詞 Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. 檢查恰好 3 句

Qwen3.6 Flash 通過 · 3 sentences

Enabling reasoning mode forces the model to generate multiple internal analysis steps before producing a final answer, effectively doubling the computational effort per request. Because our vendor bills for every token processed—including these hidden reasoning tokens—the increased processing directly multiplied our usage charges by approximately two. This spike reflects a deliberate shift from low-cost, basic outputs to higher-intelligence results that reduce error rates and downstream correction costs, optimizing spend for long-term efficiency.

輸出 1231 tok (+1141 思考) 延遲 11.7 s

指令遵循（恰好三句，可數）、受眾適配（面向 CFO 的語氣），以及下方 token 計量所暴露的隱藏思考計費缺口。

提示詞 This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. 檢查修復通過測試

Qwen3.6 Flash 通過 · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The original implementation counts matching transitions rather than actual element counts, initializing both accumulators to zero. This causes single-element inputs to bypass the loop entirely and return zero instead of one, while any run of length `k` only increments the counter `k-1` times, consistently undercounting by one. Additionally, resetting `cur` to zero on a mismatch discards the newly started element, losing a potential candidate for the longest run. […]

輸出 2724 tok (+2473 思考) 延遲 19.0 s

修復是否真的正確（可執行）、解釋的資訊密度，以及在一個邊界明確的任務上的 token 效率。

提示詞 Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. 檢查合法 JSON，schema 精確

Qwen3.6 Flash 通過 · 5/5 fields, guidance null

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11.0, "guidance": null } ```

輸出 1629 tok (+1564 思考) 延遲 12.0 s

schema 服從度（不臆造欄位）、幻覺壓力（guidance 明確被暫緩給出），以及結構化輸出路徑的差異。

提示詞 Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. 檢查 120 詞，0 個禁用詞

Qwen3.6 Flash 通過 · 120 words, 0 banned, 1 question

We are pleased to announce PromptCache, a new capability built directly into our enterprise API gateway. This innovation stores frequently used text prompts across all integrated model providers, eliminating redundant transmission costs while accelerating response times. Developers can now configure retention policies, set TTL limits, and monitor cache hit rates through our unified dashboard. System performance improves dramatically when identical queries bypass repeated network hops. Your infrastructure will maintain consistent throughput during peak traffic windows without additional provisioning overhead. Teams deploying multimodal applications benefit from reduced latency across diverse inference endpoints. […]

輸出 5005 tok (+4866 思考) 延遲 26.3 s

約束服從度（字數預算、禁用詞表、唯一的那句問句）、文風指紋，以及長度控制。

30 秒用上 Qwen3.6 Flash

OpenAI 相容:換掉 base_url,SDK 不用改。POST /v1/chat/completions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="qwen3.6-flash",
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.chat.completions.create({
  model: "qwen3.6-flash",
  messages: [{ role: "user", content: "Summarize this diff" }],
});
console.log(resp.choices[0].message.content);

curl https://synthorai.io/v1/chat/completions \
  -H "Authorization: Bearer sk-syn-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.6-flash",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

package main

import (
	"context"
	"fmt"

	"github.com/openai/openai-go/v3"
	"github.com/openai/openai-go/v3/option"
)

func main() {
	client := openai.NewClient(
		option.WithBaseURL("https://synthorai.io/v1"),
		option.WithAPIKey("sk-syn-..."),
	)
	resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
		Model: "qwen3.6-flash",
		Messages: []openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("Summarize this diff"),
		},
	})
	fmt.Println(resp.Choices[0].Message.Content)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

ChatCompletion resp = client.chat().completions().create(
    ChatCompletionCreateParams.builder()
        .model("qwen3.6-flash")
        .addUserMessage("Summarize this diff")
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

關於 Qwen3.6 Flash

相對 Qwen3.5，該世代的官方發表強調從前端工作到儲存庫級任務的智慧體編碼能力大幅增強、多模態感知與推理準確度改進，以及新增的 preserve_thinking 選項：它把推理內容跨輪帶著走，讓智慧體的決策保持一致，同時減少 token 用量。
Flash 以部分深度換取更低的延遲與成本。
阿里自己的建議是從較新的 Plus 等級起步，在需要縮減花費而又要保持相近能力時切換到這裡，並憑藉它 1M token 的上下文點名它適合長文件與大型程式碼庫。
它原生就是視覺語言模型，在文字之外接受影像與影片輸入，輸出最高 65,536 token，並把該世代的推理額度大幅提高到 Qwen3.5 之上。
Model Studio 列出函式呼叫、內建工具、結構化輸出、批次推理與顯式提示詞快取。
與同世代其餘成員一樣，它是推理預設開啟的混合思考模型，與 Qwen3 系列相反，因此一個普通請求會先斟酌，除非把 enable_thinking 設為 false；thinking_budget 限制花費，推理軌跡回傳在 reasoning_content 中並按輸出計費。
在圍繞它做設計之前值得確認一點：阿里的思考文件逐一列出支援 preserve_thinking 的模型，而 Flash 等級並不在被點名之列，因此請把跨輪推理視為世代層級的特性，而非此處有保證的能力。
Synthorai 透過 OpenAI 相容端點提供它。

常見問題

Qwen3.6 Flash API 可以免費試用嗎?

可以,新帳號可獲得 10 次試用呼叫和最高 $1 的免費額度,無需信用卡。以輸入 $0.25/M 計算,光是這筆額度就足以對 Qwen3.6 Flash 發出約 500 次 ~8K token 的請求。

Qwen3.6 Flash 最擅長什麼?

智慧體編碼增強至儲存庫級、1M 上下文，適合長文件與大型程式碼庫、以少量深度換更低延遲。完整能力請見「關於」一節,內容取自廠商官方發布說明。

Qwen3.6 Flash 的價格是多少?

在 Synthorai 上,Qwen3.6 Flash 輸入 $0.25/百萬 token、輸出 $1.5/百萬 token,即廠商牌價,無平台加價。快取命中的輸入 token 以 $0.05/M 計費。

Qwen3.6 Flash 支援提示詞快取(prompt caching)嗎?

支援:自動快取預設開啟,另有顯式模式可獲得確定的折扣。快取命中的輸入 token 以 $0.05/M 計費(未命中 $0.25/M);提示詞需有 1,024 個 token 以上的穩定前綴才能命中快取(TTL 顯式模式：5 分鐘，命中即重置)。提示詞快取指南 →

如何開通 Qwen3.6 Flash?

把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 設為 "qwen3.6-flash" 即可。一組 API key 通用閘道上的所有模型。

對比

與任意模型對比 →

本頁每個值都轉錄自廠商自己的文件(連結見上),並帶有核對日期。價格在全目錄範圍內比較;各廠商定義不同的規格值,只說明差異而不作圖表對比。此處沒有任何由我們測量的資料,也不做評分。

取得 API 金鑰算算你的成本 →

規格與限制

單一提示詞 — 經由閘道測量

30 秒用上 Qwen3.6 Flash

關於 Qwen3.6 Flash

常見問題

相關模型

對比