阿里又往前推了一步。4 月 18 日，Qwen 团队公布了专有模型 Qwen3.6-Max-Preview，定位是 Qwen3.6-Plus 之后的下一代预览版。官方给出的升级方向很直接：世界知识更强，指令跟随更稳，最核心的是 agentic coding 继续抬高。

这条新闻的重点，不在“又发了个模型”，而在阿里把战场说得更明白了：大模型竞争已经从会不会聊天，转向能不能干活。尤其是写代码、调工具、跨多步完成任务。对开发者和企业采购来说，这比“文风更像人”重要得多。

Qwen3.6-Max-Preview 变强在哪

从官方披露的数据看，这次相对 Qwen3.6-Plus 的增幅主要落在三块：

  • 代码代理能力.SkillsBench +9.9，SciCode +6.3，NL2Repo +5.0，Terminal-Bench 2.0 +3.8
  • 知识能力.SuperGPQA +2.3，QwenChineseBench +5.3
  • 指令跟随.ToolcallFormatIFBench +2.8

Qwen 还特别强调，这个模型在 SWE-bench Pro、Terminal-Bench 2.0、SkillsBench、QwenClawBench、QwenWebBench、SciCode 六个代码类基准上拿到第一。

产品层面，它会以 qwen3.6-max-preview 的名字接入阿里云 Model Studio，也能在 Qwen Studio 直接试用。API 继续兼容 OpenAI 风格和 Anthropic 风格接口，还支持 preserve_thinking，也就是把前几轮“思考内容”保留下来，方便 agent 任务连续执行。

这对谁最有用？不是来闲聊的普通用户，而是两类人：一类是把模型塞进开发流程的工程团队，另一类是想做自动化 agent 的企业。前者关心修 bug、读仓库、调终端；后者关心工单流转、知识库调用、工具编排。模型如果只会答题，不会接活，分再高也只是展台样机。

这次真正重要的，是阿里把产品方向押在“能执行”上

过去一年，行业里最热的词从 chatbot 变成了 agent。原因很现实：聊天容易演示，执行才有预算。老板不会为“更会聊天”单独批采购，但会为“把研发、客服、运营流程自动化”掏钱。

Qwen 这次把 agentic coding 放在最前面，说明它想争的不只是模型榜单，而是开发入口和企业工作流。历史上每一代基础设施竞争都差不多：铁路不是比谁车头亮，而是比谁运得稳、运得远、运得便宜。大模型也一样，"天下熙熙，皆为利来"，最后决定采购的不是发布稿里的形容词，而是单位任务成本、调用成功率、延迟和错误后果。

这也是我觉得这次发布重要的地方。它至少说明，国内头部模型厂商不再满足于“中文不错”“参数很大”这种旧叙事，而是试图回答更硬的问题：能不能替代一部分真实的软件劳动。

但不重要的部分也得说清。榜单第一当然好看，可 benchmark 从来不等于生产力。SWE-bench、Terminal-Bench 这类测试更接近真实场景，没错；可企业部署里还有几道更难的坎：长上下文下是否稳定、工具调用会不会偶发失控、推理链保留后成本会不会暴涨、跨区域 API 交付是否一致。原文没有给价格，没有给延迟，也没有给长时间任务失败率。这些空白，比那几个加分项更值钱。

开发者该盯什么，别被“预览版”三个字糊弄过去

对开发者来说，这次最该看的不是宣传图，而是三个动作。

一是实测代码代理的完成率。能不能从 issue 到 patch，再到测试通过，整条链路少人工兜底。二是看 preserve_thinking 带来的收益和代价，连续任务更稳，往往也更贵。三是看阿里云侧的可用性，尤其是兼容 OpenAI 接口之后，迁移成本是不是真低到值得切换。

对企业客户来说，判断标准更简单：别问模型聪不聪明，先问采购上线后谁背锅。预览版意味着还在迭代，也意味着你今天跑通的流程，明天可能因为模型行为变化又得重测。苏格拉底说，未经审视的生活不值得过；放到企业 AI 采购上，未经压测的模型，不值得进生产。

横向看，这和 OpenAI、Anthropic、Google 最近的路数是一致的：都在拼 coding、tool use、agent reliability。区别在于，国际厂商已经逐步把“能力展示”往“可计费场景”上压，阿里这次也在走这条路，但现在还没把最现实的账本摊开。

我更在意的是，Qwen 这次释放出一个信号：国内模型竞争开始从“谁更像通用助手”，转向“谁更像数字劳动力”。这方向没错。错的风险在于，行业太容易把“更像劳动力”包装成“已经能替代劳动力”。一字之差，预算就可能打水漂。