ملخص سريع
تم إطلاق Qwen 3.6 Plus Preview في 30 مارس 2026، مع نافذة سياق بحجم مليون رمز (token)، واستدلال إلزامي (chain-of-thought reasoning)، ودعم لاستخدام الأدوات. إنه مجاني تمامًا على OpenRouter حاليًا. استخدم معرف النموذج qwen/qwen3.6-plus-preview:free مع أي عميل متوافق مع OpenAI لبدء إرسال الطلبات اليوم.
النموذج الذي ظهر بهدوء
أطلقت Alibaba Cloud نموذج Qwen 3.6 Plus Preview في 30 مارس 2026. لم يكن هناك إعلان ضخم. لا قائمة انتظار. فقط نموذج جديد متاح على OpenRouter بسعر 0 دولار لكل مليون رمز.
في أول يومين له، عالج أكثر من 400 مليون رمز إكمال عبر ما يقرب من 400,000 طلب. وجده المطورون سريعًا.
يشرح لك هذا المقال كل ما تحتاج إليه للبدء والتشغيل: إعداد الحساب، مفاتيح API، أمثلة عملية للتعليمات البرمجية في cURL و Python و Node.js، ونصائح محددة حول أفضل أداء لهذا النموذج.
بحلول نهاية هذا الدليل، ستعرف بالضبط كيفية استدعاء Qwen 3.6 مجانًا، وما هو قادر عليه، وأين يكمن قصوره.
ماذا يضيف Qwen 3.6 على سلسلة 3.5
القفزة من 3.5 إلى 3.6 ليست تدريجية. لقد تغيرت ثلاثة أشياء بطرق ذات معنى.
1. نافذة السياق اتسعت إلى مليون رمز (token)
كان لدى Qwen 3.5 نافذة سياق تتراوح من 32 ألف إلى 128 ألف رمز اعتمادًا على المتغير. يدعم Qwen 3.6 إدخال مليون رمز.
لوضع ذلك في سياقه العملي: مليون رمز يساوي تقريبًا 750,000 كلمة. وهذا يكفي لتغذية النموذج بقاعدة بيانات كاملة، أو سجلات Slack لمدة عام، أو مكتبة وثائق قانونية كاملة، أو مجموعة أبحاث كبيرة في طلب واحد.
معظم النماذج المجانية تصل إلى حد أقصى يتراوح بين 8 آلاف إلى 32 ألف. الحصول على مليون رمز مجانًا أمر غير شائع.
2. الاستدلال مدمج وليس اختياريًا
يستخدم Qwen 3.6 رموز استدلال إلزامية. قبل أن ينتج النموذج إجابته النهائية، يقوم بإنشاء سلسلة تفكير داخلية. لا تحتاج إلى توجيهه بـ "فكر خطوة بخطوة" أو أي تعليمات خاصة.
هذا هو نفس النمط الذي اشتهر به DeepSeek R1. الفرق هو أن Qwen 3.6 يطبقه عبر مهام البرمجة، الواجهة الأمامية، وحل المشكلات العامة، وليس فقط الرياضيات.
3. السلوك الوكيل أصبح أكثر موثوقية
كان استدعاء الأدوات في سلسلة 3.5 غير متسق. كانت الوظائف تُستدعى بأنواع وسائط خاطئة، أو كان النموذج يتخيل استدعاء وظيفة غير موجودة.
يعالج Qwen 3.6 هذا مباشرة. وفقًا لوصف Alibaba Cloud الخاص به، فإنه "يوفر استدلالًا أقوى وسلوكًا وكيلًا أكثر موثوقية مقارنة بسلسلة 3.5". عمليًا، هذا يعني عددًا أقل من استدعاءات الأدوات المعطلة في سير العمل متعدد الخطوات.
تم ضبط النموذج خصيصًا لثلاث مهام:
- الترميز الوكيلي (إنشاء رمز متعدد الخطوات مع استخدام الأدوات)
- تطوير الواجهة الأمامية (إنشاء مكونات HTML و CSS و JavaScript)
- حل المشكلات المعقدة (البحث والتحليل وتلخيص السياقات الطويلة)
كيفية الوصول إلى Qwen 3.6 مجانًا
تحتاج إلى شيئين: حساب OpenRouter ومفتاح API. لا يلزم وجود بطاقة ائتمان للنماذج المجانية.
الخطوة 1: أنشئ حسابك على OpenRouter
انتقل إلى openrouter.ai وقم بالتسجيل باستخدام البريد الإلكتروني أو حساب Google. تستغرق العملية بأكملها أقل من دقيقتين.
لا تتطلب النماذج المجانية إضافة طريقة دفع. تحصل على الوصول فورًا بعد التحقق من البريد الإلكتروني.
الخطوة 2: أنشئ مفتاح API
- انقر على صورة ملفك الشخصي في الزاوية العلوية اليمنى
- اختر مفاتيح API (API Keys) من القائمة المنسدلة
- انقر على إنشاء مفتاح (Create Key)
- أعطه اسمًا (على سبيل المثال،
qwen-test) ثم انقر على إنشاء (Create) - انسخ المفتاح. يبدأ بـ
sk-or-v1-...
احتفظ بهذا المفتاح في مكان آمن. لن يعرضه OpenRouter لك مرة أخرى.
الخطوة 3: أرسل طلبك الأول
معرف النموذج هو qwen/qwen3.6-plus-preview:free.
يستخدم OpenRouter نفس تنسيق الطلب مثل واجهة برمجة تطبيقات OpenAI، لذا يعمل أي عميل متوافق مع OpenAI دون تعديل.
cURL:
curl https://openrouter.ai/api/v1/chat/completions \
-H "Authorization: Bearer sk-or-v1-YOUR_KEY_HERE" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen/qwen3.6-plus-preview:free",
"messages": [
{
"role": "user",
"content": "Write a Python function that parses a JWT token and returns the payload as a dictionary."
}
]
}'
Python (مكتبة requests):
import requests
def call_qwen(prompt: str, api_key: str) -> str:
response = requests.post(
"https://openrouter.ai/api/v1/chat/completions",
headers={
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json",
},
json={
"model": "qwen/qwen3.6-plus-preview:free",
"messages": [{"role": "user", "content": prompt}],
},
timeout=60,
)
response.raise_for_status()
return response.json()["choices"][0]["message"]["content"]
result = call_qwen(
"Write a Python function that parses a JWT token and returns the payload.",
api_key="sk-or-v1-YOUR_KEY_HERE"
)
print(result)
Node.js (جلب - fetch):
async function callQwen(prompt, apiKey) {
const response = await fetch("https://openrouter.ai/api/v1/chat/completions", {
method: "POST",
headers: {
"Authorization": `Bearer ${apiKey}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
model: "qwen/qwen3.6-plus-preview:free",
messages: [{ role: "user", content: prompt }],
}),
});
if (!response.ok) {
throw new Error(`OpenRouter error: ${response.status} ${await response.text()}`);
}
const data = await response.json();
return data.choices[0].message.content;
}
callQwen(
"Write a JavaScript function that validates an email address.",
"sk-or-v1-YOUR_KEY_HERE"
).then(console.log);
Python مع OpenAI SDK:
إذا كنت تستخدم بالفعل OpenAI Python SDK، فيمكنك توجيهه إلى OpenRouter دون أي تغييرات أخرى:
from openai import OpenAI
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key="sk-or-v1-YOUR_KEY_HERE",
)
response = client.chat.completions.create(
model="qwen/qwen3.6-plus-preview:free",
messages=[
{
"role": "system",
"content": "You are a senior backend engineer. Write clean, production-ready code."
},
{
"role": "user",
"content": "Write a Python function that retries a failed HTTP request up to 3 times with exponential backoff."
}
],
)
print(response.choices[0].message.content)
استخدام الأدوات وسير العمل القائم على الوكلاء
يبرز استخدام الأدوات في Qwen 3.6 في الطبقة المجانية. إليك مثال عملي:
from openai import OpenAI
import json
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key="sk-or-v1-YOUR_KEY_HERE",
)
# Define the tools available to the model
tools = [
{
"type": "function",
"function": {
"name": "search_api_docs",
"description": "Search the API documentation for a specific endpoint or parameter",
"parameters": {
"type": "object",
"properties": {
"query": {
"type": "string",
"description": "The search query"
},
"version": {
"type": "string",
"enum": ["v1", "v2", "v3"],
"description": "API version to search"
}
},
"required": ["query"]
}
}
},
{
"type": "function",
"function": {
"name": "run_api_test",
"description": "Execute a test request against an API endpoint",
"parameters": {
"type": "object",
"properties": {
"endpoint": {"type": "string"},
"method": {"type": "string", "enum": ["GET", "POST", "PUT", "DELETE"]},
"body": {"type": "object"}
},
"required": ["endpoint", "method"]
}
}
}
]
messages = [
{
"role": "user",
"content": "Find documentation for the /users endpoint and run a test GET request against it."
}
]
response = client.chat.completions.create(
model="qwen/qwen3.6-plus-preview:free",
messages=messages,
tools=tools,
tool_choice="auto",
)
message = response.choices[0].message
# Check whether the model wants to call a tool
if message.tool_calls:
for tool_call in message.tool_calls:
print(f"Tool: {tool_call.function.name}")
args = json.loads(tool_call.function.arguments)
print(f"Arguments: {json.dumps(args, indent=2)}")
else:
print(message.content)
سينشئ النموذج استدعاء وظيفة منظمًا بدلاً من تخيل استجابة حرة. ثم تقوم بتنفيذ الوظيفة في التعليمات البرمجية الخاصة بك وتغذية النتيجة مرة أخرى في الدور التالي.
هذه هي الطريقة التي تُبنى بها سير العمل الوكيل متعدد الخطوات: يقوم النموذج باستدعاء الأدوات، تقوم التعليمات البرمجية الخاصة بك بتشغيلها، وتتكرر العملية حتى تكتمل المهمة.
استخدام نافذة السياق التي تبلغ مليون رمز (token)
نافذة السياق بحجم مليون رمز ليست مفيدة للأسئلة البسيطة. إنها مصممة للمهام التي تحتاج فيها إلى تزويد النموذج بكمية كبيرة من السياق دفعة واحدة.
فيما يلي ثلاثة أنماط يكون فيها هذا الأمر مهمًا بالفعل:
مراجعة كاملة لقاعدة الأكواد
قم بتغذية النموذج بقاعدة التعليمات البرمجية بأكملها (ضمن حد الرموز) واطلب منه تحديد مشكلات الأمان، أو الأنماط غير المتسقة، أو الوظائف غير الموثقة.
import os
from pathlib import Path
from openai import OpenAI
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key="sk-or-v1-YOUR_KEY_HERE",
)
def load_codebase(directory: str, extensions: list[str]) -> str:
"""Load all source files from a directory into a single string."""
content_parts = []
for path in Path(directory).rglob("*"):
if path.suffix in extensions and path.is_file():
try:
text = path.read_text(encoding="utf-8", errors="ignore")
content_parts.append(f"--- FILE: {path} ---\n{text}\n")
except Exception:
continue
return "\n".join(content_parts)
codebase = load_codebase("./src", [".py", ".js", ".ts"])
response = client.chat.completions.create(
model="qwen/qwen3.6-plus-preview:free",
messages=[
{
"role": "user",
"content": f"Review this codebase and identify:\n1. Security vulnerabilities\n2. Functions with no error handling\n3. Inconsistent naming conventions\n\nCodebase:\n{codebase}"
}
],
)
print(response.choices[0].message.content)
تحليل الوثائق الكبيرة
أدخل وثيقة قانونية طويلة، أو تقريرًا ماليًا، أو ورقة بحثية واطرح أسئلة محددة حولها.
with open("annual_report_2025.txt", "r") as f:
document = f.read()
response = client.chat.completions.create(
model="qwen/qwen3.6-plus-preview:free",
messages=[
{
"role": "user",
"content": f"Extract all mentions of API rate limits and pricing changes from this document:\n\n{document}"
}
],
)
محادثة متعددة الأدوار مع سجل كامل
احتفظ بسجل المحادثة بالكامل في السياق دون اقتطاع، وهو مفيد لجلسات تصحيح الأخطاء الطويلة أو المقابلات الفنية.
conversation = []
def chat(user_message: str) -> str:
conversation.append({"role": "user", "content": user_message})
response = client.chat.completions.create(
model="qwen/qwen3.6-plus-preview:free",
messages=conversation,
)
assistant_message = response.choices[0].message.content
conversation.append({"role": "assistant", "content": assistant_message})
return assistant_message
# Long back-and-forth debugging session
print(chat("I'm getting a 401 error from the GitHub API. Here's my code..."))
print(chat("I added the token but now I get a 403. The token has repo scope."))
print(chat("The repo is private. What scopes do I actually need?"))
اختبار طلبات OpenRouter API باستخدام Apidog
عند البناء على OpenRouter API، يصبح تصحيح الأخطاء في الطلبات الفاشلة أمرًا مملًا بسرعة. أنت تجري طلبات HTTP، وتتحقق من استجابات JSON، وتكرر على توجيهاتك. القيام بذلك من سطر الأوامر أو Postman بطيء.
يستحق Apidog التجربة هنا. إنه عميل API مجاني يتعامل مع بناء الطلبات، وفحص الاستجابات، وأتمتة الاختبار في مكان واحد.
لاختبار نقطة نهاية Qwen 3.6 في Apidog:
- أنشئ طلب POST جديدًا إلى
https://openrouter.ai/api/v1/chat/completions - أضف عنوان
Authorization: Bearer sk-or-v1-...الخاص بك - عيّن نص الطلب إلى JSON مع حقلي
modelوmessagesالخاصين بك - أرسل الطلب وافحص الاستجابة
يمكنك حفظ هذا كمجموعة، والتبديل بين معرفات النماذج لمقارنة المخرجات، وكتابة اختبارات مؤتمتة تتحقق من بنية الاستجابة، وتتحقق من أن choices[0].message.content ليس فارغًا، أو تؤكد أن استدعاءات الأدوات تحتوي على اسم الوظيفة المتوقع.
إذا كنت تقوم ببناء تطبيق يستدعي OpenRouter، فإن كتابة عدد قليل من اختبارات الطلبات في Apidog مبكرًا يوفر الوقت عندما يتصرف النموذج بشكل غير متوقع.
حدود الطبقة المجانية التي يجب معرفتها قبل البناء عليها
Qwen 3.6 مجاني الآن. لن يستمر ذلك إلى أجل غير مسمى، وهناك قيود عملية يجب التخطيط لها.
حدود المعدل مشتركة. تشارك النماذج المجانية على OpenRouter السعة بين جميع المستخدمين. خلال ساعات الذروة (مساء الولايات المتحدة، عادة)، سترى زمن استجابة أعلى وأخطاء عرضية في حدود المعدل. قم ببناء منطق إعادة المحاولة في أي كود إنتاجي.
import time
import requests
from requests.adapters import HTTPAdapter
from urllib3.util.retry import Retry
session = requests.Session()
retry_strategy = Retry(
total=3,
backoff_factor=2,
status_forcelist=[429, 500, 502, 503, 504],
)
adapter = HTTPAdapter(max_retries=retry_strategy)
session.mount("https://", adapter)
response = session.post(
"https://openrouter.ai/api/v1/chat/completions",
headers={"Authorization": "Bearer sk-or-v1-YOUR_KEY_HERE"},
json={
"model": "qwen/qwen3.6-plus-preview:free",
"messages": [{"role": "user", "content": "Hello"}],
},
timeout=30,
)
يتم تسجيل البيانات. تنص صفحة نموذج OpenRouter على أن "النموذج يجمع بيانات التوجيه والإكمال التي يمكن استخدامها لتحسين النموذج." لا ترسل مفاتيح API أو كلمات المرور أو معلومات التعريف الشخصية عبر نقطة النهاية هذه.
حالة المعاينة. هذا إصدار معاينة. قد يتغير سلوك النموذج. إذا كنت تستخدمه للاستدلال في الإنتاج، فقم بتثبيت اختبارات التكامل الخاصة بك على معرف النموذج الحالي وراقب أي تراجعات.
نص فقط. يقبل Qwen 3.6 إدخالًا نصيًا وينتج مخرجًا نصيًا. لا صور، لا صوت، لا تحميل ملفات.
حالات استخدام واقعية
بناء وكيل لمراجعة الكود. قام فريق يبني أداة مراجعة طلبات السحب (PR) الداخلية بتغذية فروقات طلبات السحب بأكملها (أحيانًا أكثر من 10 آلاف سطر) إلى Qwen 3.6 وحصل على ملاحظات مفصلة حول الأخطاء المنطقية، والاختبارات المفقودة، ومشكلات الأمان. نافذة الرموز البالغة 1M جعلت ذلك ممكنًا دون تجزئة.
إنشاء مكونات الواجهة الأمامية. استخدم مطور فردي يبني لوحة تحكم لـ SaaS نموذج Qwen 3.6 لإنشاء مكونات React من مواصفات التصميم. أنتج النموذج كود TypeScript نظيفًا مع أنواع خصائص صحيحة و CSS متجاوب دون الحاجة إلى تمريرات تصحيح متعددة.
تلخيص وثائق API. قام فريق يهاجر بين واجهات برمجة تطبيقات دفع تابعة لجهات خارجية بتمرير الوثائق الكاملة لكلتا واجهتي برمجة التطبيقات (كل منهما حوالي 100 ألف رمز) في طلب واحد وطلب مقارنة جنبًا إلى جنب لطرق المصادقة، وتنسيقات webhook، وحدود المعدل. أعاد النموذج جدولًا منظمًا في أقل من 30 ثانية.
سجل في openrouter.ai، احصل على مفتاحك، واستبدل qwen/qwen3.6-plus-preview:free بأي نموذج تدفع مقابله حاليًا.
الأسئلة الشائعة
هل Qwen 3.6 مجاني للاستخدام حقًا؟
نعم. اعتبارًا من مارس 2026، يتم إدراج النموذج بسعر 0 دولار لكل مليون رمز إدخال و 0 دولار لكل مليون رمز إخراج على OpenRouter. قد تتغير حالة المجانية عند انتهاء فترة المعاينة، لذا تحقق من صفحة تسعير OpenRouter قبل بناء أي شيء يعتمد على بقاء التكلفة صفرية.
ما هو حد المعدل للطبقة المجانية؟
لا ينشر OpenRouter حدود معدل دقيقة لنماذج الطبقة المجانية. عمليًا، تشترك النماذج المجانية في السعة وتخضع للتقييد (throttling) أثناء حركة المرور العالية. ابدأ بطلب واحد في كل مرة وأضف منطق إعادة المحاولة قبل زيادة التزامن.
هل يمكنني استخدام Qwen 3.6 للمشاريع التجارية؟
نعم، يسمح OpenRouter بالاستخدام التجاري. تحقق من ترخيص نموذج Qwen الخاص بـ Alibaba Cloud لأي قيود على النموذج الأساسي نفسه، خاصة إذا كنت تقوم بتوزيع المخرجات.
لماذا يستغرق Qwen 3.6 وقتًا أطول للاستجابة من النماذج الأخرى؟
تضيف رموز الاستدلال الإلزامية زمن انتقال. قبل إنشاء استجابة، يعمل النموذج من خلال سلسلة تفكير داخلية. بالنسبة للمطالبات البسيطة، قد يضيف هذا بضع ثوانٍ. بالنسبة لمهام الاستدلال المعقدة، يستحق زمن الانتقال الإضافي ذلك. استخدم التدفق (streaming) إذا كنت ترغب في إظهار مخرجات جزئية أثناء إنشائها.
هل توجد طريقة لتعطيل رموز الاستدلال (reasoning tokens)؟
اعتبارًا من المعاينة الحالية، الاستدلال إلزامي ولا يمكن إيقافه. إذا كنت بحاجة إلى استجابات أسرع بدون سلسلة التفكير، فجرّب متغيرًا مختلفًا للنموذج عندما يصبح متاحًا، أو استخدم نموذجًا مجانيًا أصغر مثل LLaMA 3.1 8B للمهام الحساسة لزمن الانتقال.
كيف تؤثر نافذة السياق التي تبلغ مليون رمز (token) على التكلفة؟
في الطبقة المجانية، لا تؤثر. تدفع 0 دولار بغض النظر عن عدد الرموز التي ترسلها. ضع في اعتبارك أن الطلبات الكبيرة جدًا تستغرق وقتًا أطول للمعالجة وقد تنتهي مهلتها في الطبقة المجانية. ابدأ بمهلة 30-60 ثانية وزدها للطلبات التي تزيد عن 100 ألف رمز.