阿里Qwen3.6-Plus，Agentic Coding掀了硅谷的桌子

Anthropic前段時間出了一份《2026 Agentic Coding Trends Report》，預測就在今年，開發者會從寫代碼的人變成指揮AI寫代碼的人。

最近流行一個說法，Agentic Coding：讓AI不只幫你寫代碼，而是直接幫你把活干了。

你只要說清楚想要個什么東西，AI自己去理解、拆解、寫代碼、測試、改bug，直到交付一個能用的成品。

然后，就在這個全行業卷編程的節骨眼上，阿里發布了他們最新的大模型，Qwen3.6-Plus。

我的第一反應是：3.5不是春節才出的嗎，前幾天還剛出了個3.5-Omni，迭代速度簡直是二倍速。

而且還不只是這一個模型，過去這一周，除了3.5-Omni，阿里還發了圖像模型Wan2.7-Image，再加上這次的Qwen3.6-Plus，主打一個全面開花。

據說旗艦版Qwen3.6-Max也已經在路上了。

這次我不打算羅列Benchmark數據。

盡管Qwen3.6-Plus在SWE-bench Verified、Terminal-Bench 2、NL2Repo等權威評測中，全面超越了GLM-5和Kimi-K2.5。

整體水平，逼近Claude Opus 4.5。

我更想跟你聊聊，實測過程中讓我印象深刻的那幾個瞬間。

01

從Vibe Coding到Agentic Coding

這次真不是噱頭

先聊最讓我興奮的部分。

4月2號凌晨，Qwen3.6-Plus剛上架阿里云百煉，我第一時間搞到了API Key。

二話沒說，直接上了個硬核需求：做一個具備動態交互功能的Agent組織架構展示網站，要求包含動態粒子背景、響應式布局，并且在移動端要完美適配。

說實話，放以前，這種需求我得干到凌晨三點。

自己寫Three.js的初始化代碼、調相機參數、折騰粒子系統的性能優化，光調試就能耗掉大把時間。

但現在不一樣了。

我把需求丟給Qwen3.6-Plus，它沒有急著輸出代碼，而是先給出了詳細的任務拆解。

從技術棧選擇（React + Three.js），到文件結構規劃，再到核心功能模塊的實現步驟。

然后開始自動生成代碼，在這個過程中還主動調用了工具進行預覽和測試。

整個流程，從輸入需求到拿到一個可以直接運行的完整項目，全程我幾乎沒有寫過一行代碼。

Qwen3.6-Plus不僅完成了前端頁面的開發，還實現了粒子系統的動態效果和完整的交互邏輯。這讓我挺震撼的。

幾年前的Vibe Coding，說白了還是輔助性質的。你描述需求，AI生成代碼片段，然后你需要自己把這些片段拼接起來，調試修復bug，反復折騰好幾輪才能跑起來。

但現在，Qwen3.6-Plus展現出的Agentic Coding能力，是真的在試圖替代整個開發流程。

它不只是幫你寫代碼，而是直接幫你把活干了。

只需要說清楚你想要什么，它自己去理解、拆解、寫代碼、測試、改bug，直到交付一個能用的成品。

這就是Agentic Coding的核心價值。

GitHub上已經有開發者把Qwen3.6-Plus接入Copilot替代品中使用，反饋最多的是終于不用在GPT-4和Claude之間來回切換了。

側面說明，Qwen3.6-Plus確實達到了一個可以日常最強使用的水平。

讓Qwen3.6-Plus結合我的個人數據、全網信息，設計一個個人網站。

一輪對話，耗時3分鐘左右，消耗0.5萬個token，約等于0.15元。

網頁完成度相當不錯。

還有個細節值得一說。

Qwen3.6-Plus默認支持100萬token的超長上下文窗口，最大輸出可達65536 tokens。

這意味著你可以一次性把整個代碼倉庫丟給它，它能理解跨文件的依賴關系，完成倉庫級的復雜重構任務。這種能力在過去是只有Claude等頂級模型才能做到的。

以前，做大規模代碼重構，你可能需要手動分析幾百個文件的依賴關系，小心翼翼地改，生怕改崩了。

現在，你可以把整個項目交給AI，它能自己讀代碼、分析依賴、規劃改動路徑、逐步實施、測試驗證，最后交付一個經過測試的重構版本。

如果你現在去阿里云百煉上調用Qwen3.6-Plus，每百萬token輸入最低只要2元。

相比Claude Opus 4.6每百萬token輸入5美元、輸出25美元的價格，Qwen3.6-Plus的性價比確實非常有競爭力。

我在實測中完成上述那個復雜的3D網頁項目，總共花費不到1塊錢。

這種成本優勢，讓大規模應用AI編程變得真正可行了。

02

原生多模態，給Agent裝了雙眼睛

如果說Agentic Coding是Qwen3.6-Plus的大腦，那原生多模態理解就是它真正的眼睛。

以前的多模態模型，大多是后期拼接視覺模塊的方案。

也就是說，模型在處理文字和圖片時，用的是兩套不同的機制，然后再把結果拼在一起。

這種方式的問題是，模型很難真正理解圖片和文字之間的關系，就像一個人用左眼看圖、右眼讀字，兩只眼睛看到的沒法真正融合在一起。

但Qwen3.6-Plus不一樣。

它基于原生多模態數據訓練，從底層就把視覺和語言能力融合在了一起。

我測試了視覺智能體編程的場景。

隨便找了一張設計稿截圖丟給模型，告訴它按照這個設計稿的風格，生成一個AI異類弗蘭克個人網頁展示頁面。

模型不僅準確地提取了設計稿的色彩風格、布局結構，還自主完成了代碼生成、樣式調整和交互實現。

官方Demo中有一個很有意思的測試：讓Qwen3.6-Plus規劃從北京大興機場到北京首都機場的最快路線。

我按照同樣的方法測試了一下，模型的方案與高德地圖上的最快路徑完全一致。

這說明模型能夠理解真實世界的空間關系和交通網絡，不只是簡單地從文本中查找答案。

還有更進階的應用。

有網友實測上傳了一段200多兆的視頻，視頻里他一邊滾動網站頁面，一邊用非?？谡Z化甚至抽象的語言描述需要的功能和特效，連帥不帥這樣的詞都用上了。

Qwen3.6-Plus讀完視頻后，按照描述成功復刻出了高度相似的效果，甚至連進入專業評選這樣的需求都準確實現了。

以前，最頭疼的就是怎么把自己的想法翻譯成純文本告訴AI，術語太多，精確描述一件事和寫論文沒什么區別。

現在，當多模態能力，讓Qwen3.6-Plus能看到一切、讀取一切，普通的vibe coding就已經黯然失色了。

這種打通了看懂界面到生成代碼再到調用工具完成修改的完整鏈路，我覺得才是未來AI開發真正的方向。

03

價格屠夫又回來了，這次是認真的

說實話，阿里這次在定價上挺狠的。

Qwen3.6-Plus已上架阿里云百煉，每百萬token輸入最低2元。

API原價是4元每百萬輸入tokens、12元每百萬輸出tokens，目前有限時5折優惠。

即使按原價算，也遠低于Claude Opus 4.6的5美元每百萬輸入、25美元每百萬輸出的定價。

按當前匯率換算，價格不到Claude的十分之一。

這還不是全部。

Qwen3.6-Plus已經登陸悟空、Qoder等阿里AI應用和平臺，普通用戶可以直接免費體驗。

我實測完成了上面提到的那個3D網頁項目，總共才消耗了不到兩塊錢。

有開發者做了個簡單的成本測算：如果你每天用Qwen3.6-Plus完成10個中等復雜度的編程任務，日均花費可能不到5元。

相比之下，如果用Claude Opus 4.6完成同樣的工作量，日均花費可能高達幾百元。

這種成本差異，對于獨立開發者、初創團隊、學生開發者來說，意義不言而喻。

而且阿里這次的定價策略，顯然不只是為了打價格戰。

從商業邏輯來看，更低的使用門檻意味著更多的開發者和企業愿意嘗試和接入，從而積累更多的使用數據和反饋，反過來推動模型的持續優化。

這是一個正循環。

Qwen 3.5是2026年2月發布的，不到兩個月時間，Qwen已經演進到3.6，迭代速度明顯加速。

而Qwen3.6-Plus還只是系列的首款模型，性能更強的旗艦版Qwen3.6-Max也將于近期發布，系列后續還將開源其他尺寸的模型。這種多尺寸覆蓋的策略，讓不同需求的用戶都能找到合適的選擇。

這種快速迭代和全面的布局，正說明千問不再是以前那個只靠單一模型打天下的選手了。

04

不只是模型，阿里正在織一張更大的網

過去這段時間，阿里在AI領域的動作密集得有點讓人應接不暇。

3月30日，國產最強全模態大模型Qwen3.5-Omni發布；

4月1日，國產最佳圖像生成與編輯統一模型Wan2.7-Image發布；

4月2日，Qwen3.6-Plus上線。三個模型覆蓋多模態、圖像生成、編程、Agent等不同領域，每個都在各自領域達到SOTA水平。

Wan2.7-Image值得單獨說兩句。

這個模型直擊當前AI生圖領域的痛點，解決了標準臉審美疲勞和色彩盲盒等問題，實現了千人千面，能捏出活人感，還支持Hex色值精準調色、3K Token超長文本印刷級渲染。

更重要的是，Wan2.7-Image已經支持Skill調用，讓龍蝦畫畫成為現實，全面解鎖了生成模型的應用場景。

不過，模型能力只是故事的一部分。

真正讓我覺得有意思的，是阿里正在發生的一場組織變革。

阿里成立了ATH（Alibaba Token Hub）事業群，目的是增強從大模型到AI應用的協同。

這次模型連續發布，阿里內部重點推的AI產品如悟空、qoder等應用第一時間接入，說明協同效應正在生效。

換句話說，阿里終于不只是埋頭做模型了，他們在認認真真地思考怎么讓模型真正用起來。

這種從實驗室到產業化的跨越，對于千問的未來生態建設來說，可能比模型本身的能力提升更加重要。

說了這么多，我想分享幾個更深層的判斷。

第一，Agentic Coding正在重新定義編程這件事本身。以前，寫代碼是程序員的核心工作；現在，寫代碼正在變成AI的工作，而程序員的核心價值正在轉向需求理解、系統設計、架構決策和結果驗收。

第二，多模態能力正在成為AI Agent的標配。純文本模型的天花板已經越來越明顯。未來的AI Agent需要能夠理解這個世界，而這個世界是圖文并茂、聲色俱全的。

原生多模態訓練帶來的理解深度，是后期拼接方案難以企及的。Qwen3.6-Plus在視覺智能體編程上的嘗試，就是沿著這個方向邁出的重要一步。

第三，國產AI正在從追趕者變成定義者。在SWE-bench等權威評測中，Qwen3.6-Plus已經超越了參數規模是其2至3倍的GLM-5和Kimi-K2.5，逼近Claude Opus 4.5。

說明國產模型在算法效率和工程實現上已經有了質的突破，不再是單純靠堆參數來提升性能。這種以小勝大的能力，才是真正體現技術實力的地方。

期待千問能繼續保持這種快速迭代的節奏，用更短的時間縮小與Claude的差距。

也期待Qwen3.6-Max發布時能帶來更多驚喜，特別是在更復雜的Agent任務和多模態推理上實現突破。

更期待阿里的ATH事業群能把模型、應用、生態真正打通，讓千問不只是實驗室里的標桿，更是開發者手中真正好用的工具。

AI編程的浪潮已經來了，而且這次，是真的可以動手了。