Alibaba niedawno zaprezentowało swój nowy flagowy model, Qwen 3.6 Plus, który od razu rzucił rękawicę uznanym liderom, takim jak Claude 3 Opus i GPT-4o. Nie chodzi jednak o puste deklaracje, a o twarde dane z niezależnych benchmarków. Jak zatem wypada ten pretendent w kluczowych obszarach, takich jak kodowanie czy zadania agentowe? Wyniki są zaskakująco wyrównane i pokazują, że walka o prymat w świecie AI nie jest już czarno-biała.
Siła w kodowaniu: Ścisła czołówka z drobnymi niuansami
Jeśli chodzi o czystą umiejętność naprawiania realnych problemów z kodem, Qwen 3.6 Plus plasuje się w absolutnej światowej elicie. W benchmarku SWE-bench Verified, który testuje zdolność do rozwiązywania autentycznych issue na GitHubie, model osiągnął wynik 78,8%. To rezultat, który stawia go w ścisłej czołówce i pozwala wyraźnie wyprzedzić inne potężne modele.
Choć różnice bywają minimalne, testy użytkowników w rzeczywistych warunkach potwierdzają przewagę modeli takich jak Claude 3 Opus w złożonych zadaniach inżynierii oprogramowania wymagających długiego kontekstu. Gdzie zatem Qwen 3.6 Plus błyszczy najbardziej? Okazuje się specjalistą od terminala. W zadaniach związanych z shell scriptingiem i rozumieniem dokumentacji został okrzyknięty „wszechstronnym specjalistą terminala”, regularnie pokonując w tej konkretnej niszy wielu konkurentów.
Zadania agentowe i narzędzia: Niespodziewany lider
To właśnie w obszarze agentowości i wywoływania narzędzi Qwen 3.6 Plus wysuwa się na prowadzenie. Jego umiejętność efektywnego korzystania z zewnętrznych narzędzi (tool calling) jest kluczowa dla zaawansowanych asystentów AI, którzy muszą dynamicznie obsługiwać API, bazy danych czy inne programy.
Co ciekawe, w innych testach agentowych, szczególnie tych symulujących interakcję z pulpitem systemu operacyjnego (jak OSWorld), wciąż panuje duża konkurencja. Pokazuje to, że krajobraz AI jest złożony, a dominacja zależy od specyfiki konkretnego zadania.
Prędkość, koszt i multimodalność: Przewaga, która może zadecydować
Qwen 3.6 Plus nie pozostawia złudzeń w kwestii parametrów operacyjnych. Model jest niezwykle szybki – według pomiarów wyprzedza pod tym względem znacząco swoją poprzednią wersję, Qwen 3.6 Plus. Ta wydajność to zasługa hybrydowej architektury łączącej linear attention z rzadką mieszanką ekspertów (MoE).
Jednak prawdziwym game-changerem może być cena. Qwen 3.6 Plus jest znacząco tańszy w przeliczeniu na token niż flagowe modele głównych konkurentów. Różnica w kosztach operacyjnych może być dla wielu firm kluczowym czynnikiem decyzyjnym.
Nie można też pominąć multimodalności. W testach wizyjnych Qwen 3.6 Plus konsekwentnie wypada bardzo dobrze, będąc silnym konkurentem dla Gemini – modelu wyspecjalizowanego w multimediach. Dodatkowo oferuje imponujące okno kontekstowe wynoszące 1 milion tokenów.
Podsumowanie: Nowy, potężny gracz o jasnych zaletach
Benchmarki malują obraz Qwen 3.6 Plus jako niezwykle silnego, wszechstronnego i – co najważniejsze – opłacalnego modelu. Choć w najtrudniejszych zadaniach z zakresu inżynierii oprogramowania konkurencja jest wciąż zażarta, to w wielu innych aspektach model ten nie tylko dorównuje liderom, ale wręcz ich wyprzedza. Specjalizacja w zadaniach terminalowych, sprawność w tool calling, błyskawiczne działanie i konkurencyjna cena tworzą atrakcyjny pakiet.
Dla deweloperów szukających wydajnego, szybkiego i niedrogiego asystenta do codziennej pracy, szczególnie z naciskiem na automatyzację i skrypty, Qwen 3.6 Plus wydaje się obecnie jednym z najbardziej racjonalnych wyborów na rynku. Walka o tron w świecie dużych modeli językowych właśnie stała się znacznie ciekawsza.
Dodaj komentarz