TL;DR
Qwen 3.6 Plus Önizlemesi 30 Mart 2026'da 1 milyon tokenlık bağlam penceresi, zorunlu düşünce zinciri muhakemesi ve araç kullanım desteği ile piyasaya sürüldü. Şu anda OpenRouter'da tamamen ücretsiz. İstek göndermeye bugün başlamak için herhangi bir OpenAI uyumlu istemciyle qwen/qwen3.6-plus-preview:free model kimliğini kullanın.
Sessizce Ortaya Çıkan Model
Alibaba Cloud, Qwen 3.6 Plus Önizlemesini 30 Mart 2026'da yayınladı. Gösterişli bir duyuru yoktu. Bekleme listesi yoktu. Sadece OpenRouter'da milyonda 0 dolardan kullanılabilen yeni bir modeldi.
İlk iki gününde, yaklaşık 400.000 istekte 400 milyondan fazla tamamlanma token'ını işledi. Geliştiriciler onu hızlı buldu.
Bu makale, başlangıçtan itibaren ihtiyacınız olan her şeyi size anlatacak: hesap kurulumu, API anahtarları, cURL, Python ve Node.js'deki çalışan kod örnekleri ve bu modelin en iyi nerede performans gösterdiğine dair özel tavsiyeler.
Bu kılavuzun sonunda, Qwen 3.6'yı ücretsiz olarak nasıl çağıracağınızı, yeteneklerini ve eksikliklerini tam olarak bileceksiniz.
Qwen 3.6'nın 3.5 serisine kattıkları
3.5'ten 3.6'ya geçiş kademeli değil. Üç şey önemli ölçüde değişti.
1. Bağlam penceresi 1 milyon tokene çıktı
Qwen 3.5'in varyantına bağlı olarak 32K ila 128K'lık bir bağlam penceresi vardı. Qwen 3.6, 1 milyon token girişini destekliyor.
Pratik terimlerle ifade etmek gerekirse: 1 milyon token yaklaşık 750.000 kelimedir. Bu, modele tek bir istekte tüm bir kod tabanını, bir yıllık Slack günlüklerini, tam bir yasal belge kütüphanesini veya geniş bir araştırma kümesini beslemek için yeterlidir.
Çoğu ücretsiz model 8K ila 32K'da zirveye ulaşır. 1M token'ı ücretsiz almak nadirdir.
2. Muhakeme yerleşiktir, isteğe bağlı değildir
Qwen 3.6, zorunlu muhakeme token'larını kullanır. Model nihai cevabını üretmeden önce, dahili bir düşünce zinciri oluşturur. Ona "adım adım düşün" veya herhangi bir özel talimatla teşvik etmenize gerek yoktur.
Bu, DeepSeek R1'in popülerleştirdiği aynı kalıptır. Farkı, Qwen 3.6'nın bunu sadece matematik için değil, kodlama, ön uç ve genel problem çözme görevlerinde uygulamasıdır.
3. Aracısal davranış daha güvenilirdir
3.5 serisindeki araç çağırma tutarsızdı. Fonksiyonlar yanlış argüman türleriyle çağrılır veya model var olmayan bir fonksiyon çağrısı hayal ederdi.
Qwen 3.6 bu durumu doğrudan ele alıyor. Alibaba Cloud'un kendi açıklamasına göre, "3.5 serisine kıyasla daha güçlü muhakeme ve daha güvenilir aracısal davranış sunuyor." Pratikte bu, çok adımlı iş akışlarında daha az bozuk araç çağrısı anlamına geliyor.
Model özellikle üç görev için ayarlanmıştır:
- Aracısal kodlama (araç kullanımı ile çok adımlı kod üretimi)
- Ön uç geliştirme (HTML, CSS, JavaScript bileşen üretimi)
- Karmaşık problem çözme (araştırma, analiz, uzun bağlam özetleme)
Qwen 3.6'ya ücretsiz nasıl erişilir
İki şeye ihtiyacınız var: bir OpenRouter hesabı ve bir API anahtarı. Ücretsiz modeller için kredi kartı gerekmez.
Adım 1: OpenRouter hesabınızı oluşturun
openrouter.ai adresine gidin ve e-posta veya Google hesabı ile kaydolun. Tüm süreç iki dakikadan az sürer.
Ücretsiz modeller, bir ödeme yöntemi eklemenizi gerektirmez. E-posta doğrulamasından hemen sonra erişim elde edersiniz.
Adım 2: Bir API anahtarı oluşturun
- Sağ üst köşedeki profil avatarınıza tıklayın
- Açılır menüden API Anahtarlarını seçin
- Anahtar Oluştur'a tıklayın
- Bir ad verin (örneğin,
qwen-test) ve Oluştur'a tıklayın - Anahtarı kopyalayın.
sk-or-v1-...ile başlar
Bunu güvenli bir yerde saklayın. OpenRouter size bir daha göstermeyecektir.
Adım 3: İlk isteğinizi gönderin
Model kimliği qwen/qwen3.6-plus-preview:free şeklindedir.
OpenRouter, OpenAI API'si ile aynı istek formatını kullanır, bu nedenle herhangi bir OpenAI uyumlu istemci değişiklik yapmadan çalışır.
cURL:
curl https://openrouter.ai/api/v1/chat/completions \
-H "Authorization: Bearer sk-or-v1-ANAHTARINIZ_BURAYA" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen/qwen3.6-plus-preview:free",
"messages": [
{
"role": "user",
"content": "Bir JWT belirtecini ayrıştıran ve yükünü sözlük olarak döndüren bir Python fonksiyonu yazın."
}
]
}'
Python (requests kütüphanesi):
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(
"Bir JWT belirtecini ayrıştıran ve yükünü döndüren bir Python fonksiyonu yazın.",
api_key="sk-or-v1-ANAHTARINIZ_BURAYA"
)
print(result)
Node.js (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 hatası: ${response.status} ${await response.text()}`);
}
const data = await response.json();
return data.choices[0].message.content;
}
callQwen(
"Bir e-posta adresini doğrulayan bir JavaScript fonksiyonu yazın.",
"sk-or-v1-ANAHTARINIZ_BURAYA"
).then(console.log);
OpenAI SDK ile Python:
OpenAI Python SDK'sını zaten kullanıyorsanız, başka hiçbir değişiklik yapmadan OpenRouter'a yönlendirebilirsiniz:
from openai import OpenAI
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key="sk-or-v1-ANAHTARINIZ_BURAYA",
)
response = client.chat.completions.create(
model="qwen/qwen3.6-plus-preview:free",
messages=[
{
"role": "system",
"content": "Sen kıdemli bir arka uç mühendisisin. Temiz, üretime hazır kod yaz."
},
{
"role": "user",
"content": "Üstel geri çekilmeyle başarısız bir HTTP isteğini 3 defaya kadar yeniden deneyen bir Python fonksiyonu yazın."
}
],
)
print(response.choices[0].message.content)
Araç kullanımı ve aracısal iş akışları
Araç kullanımı, Qwen 3.6'nın ücretsiz katmanda öne çıktığı yerdir. İşte çalışan bir örnek:
from openai import OpenAI
import json
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key="sk-or-v1-ANAHTARINIZ_BURAYA",
)
# Model için mevcut araçları tanımlayın
tools = [
{
"type": "function",
"function": {
"name": "search_api_docs",
"description": "Belirli bir uç nokta veya parametre için API dokümantasyonunu ara",
"parameters": {
"type": "object",
"properties": {
"query": {
"type": "string",
"description": "Arama sorgusu"
},
"version": {
"type": "string",
"enum": ["v1", "v2", "v3"],
"description": "Aranacak API sürümü"
}
},
"required": ["query"]
}
}
},
{
"type": "function",
"function": {
"name": "run_api_test",
"description": "Bir API uç noktasına karşı bir test isteği yürüt",
"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": "/users uç noktası için dokümantasyonu bulun ve ona karşı bir test GET isteği çalıştırın."
}
]
response = client.chat.completions.create(
model="qwen/qwen3.6-plus-preview:free",
messages=messages,
tools=tools,
tool_choice="auto",
)
message = response.choices[0].message
# Modelin bir araç çağırmak isteyip istemediğini kontrol edin
if message.tool_calls:
for tool_call in message.tool_calls:
print(f"Araç: {tool_call.function.name}")
args = json.loads(tool_call.function.arguments)
print(f"Argümanlar: {json.dumps(args, indent=2)}")
else:
print(message.content)
Model, serbest biçimli bir yanıt hayal etmek yerine yapılandırılmış bir fonksiyon çağrısı üretecektir. Daha sonra fonksiyonu kendi kodunuzda yürütür ve sonucu bir sonraki turda geri beslersiniz.
Çok adımlı aracısal iş akışları bu şekilde oluşturulur: model araçları çağırır, kodunuz onları çalıştırır ve görev bitene kadar döngüye devam edersiniz.
1 milyon tokenlık bağlam penceresini kullanma
1M token bağlamı basit sorular için kullanışlı değildir. Modele bir kerede büyük miktarda bağlam vermeniz gereken görevler için tasarlanmıştır.
İşte bunun gerçekten önemli olduğu üç kalıp:
Tüm kod tabanı incelemesi
Modele tüm kod tabanınızı (token limiti dahilinde) besleyin ve güvenlik sorunlarını, tutarsız kalıpları veya belgelenmemiş fonksiyonları tanımlamasını isteyin.
import os
from pathlib import Path
from openai import OpenAI
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key="sk-or-v1-ANAHTARINIZ_BURAYA",
)
def load_codebase(directory: str, extensions: list[str]) -> str:
"""Tüm kaynak dosyalarını bir dizinden tek bir dizeye yükle."""
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"--- DOSYA: {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"Bu kod tabanını inceleyin ve şunları belirleyin:\n1. Güvenlik açıkları\n2. Hata işleme olmayan fonksiyonlar\n3. Tutarsız adlandırma kuralları\n\nKod tabanı:\n{codebase}"
}
],
)
print(response.choices[0].message.content)
Büyük belge analizi
Uzun bir yasal belgeyi, finansal raporu veya araştırma makalesini aktarın ve bununla ilgili belirli sorular sorun.
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"Bu belgeden API hız limitleri ve fiyatlandırma değişiklikleriyle ilgili tüm bahsedenleri çıkarın:\n\n{document}"
}
],
)
Tam geçmişle çok turlu konuşma
Tüm konuşma geçmişini kesme yapmadan bağlamda tutun, bu uzun hata ayıklama oturumları veya teknik mülakatlar için kullanışlıdır.
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
# Uzun karşılıklı hata ayıklama oturumu
print(chat("GitHub API'sinden 401 hatası alıyorum. İşte kodum..."))
print(chat("Token'ı ekledim ama şimdi 403 alıyorum. Token'ın depo kapsamı var."))
print(chat("Depo özel. Aslında hangi kapsamlara ihtiyacım var?"))
Apidog ile OpenRouter API isteklerini test etme
OpenRouter API'si üzerinde geliştirme yaparken, başarısız isteklerin hata ayıklaması hızla sıkıcı hale gelir. HTTP istekleri yaparsınız, JSON yanıtlarını kontrol edersiniz ve istemleriniz üzerinde yinelerleme yaparsınız. Bunu komut satırından veya Postman'dan yapmak yavaştır.
Apidog burada denemeye değer. İstek oluşturmayı, yanıt incelemesini ve test otomasyonunu tek bir yerde ele alan ücretsiz bir API istemcisidir.
Qwen 3.6 uç noktasını Apidog'da test etmek için:
https://openrouter.ai/api/v1/chat/completionsadresine yeni bir POST isteği oluşturunAuthorization: Bearer sk-or-v1-...başlığını ekleyin- Gövdeyi
modelvemessagesalanlarınızla JSON olarak ayarlayın - İsteği gönderin ve yanıtı inceleyin
Bunu bir koleksiyon olarak kaydedebilir, çıktıları karşılaştırmak için model kimlikleri arasında geçiş yapabilir ve yanıt yapısını kontrol eden, choices[0].message.content'in boş olmadığını doğrulayan veya araç çağrılarının beklenen fonksiyon adını içerdiğini iddia eden otomatik testler yazabilirsiniz.
OpenRouter'ı çağıran bir uygulama geliştiriyorsanız, Apidog'da birkaç istek testi yazmak, modelin beklenmedik davrandığı durumlarda zaman kazandırır.
Bunun üzerine inşa etmeden önce bilmeniz gereken ücretsiz katman limitleri
Qwen 3.6 şu anda ücretsizdir. Bu sonsuza kadar sürmeyecek ve etrafında plan yapılması gereken pratik kısıtlamalar var.
Hız limitleri paylaşılır. OpenRouter'daki ücretsiz modeller, tüm kullanıcılar arasında kapasiteyi paylaşır. Yoğun saatlerde (genellikle ABD akşamları), daha yüksek gecikme ve ara sıra hız limiti hataları göreceksiniz. Herhangi bir üretim koduna yeniden deneme mantığı oluşturun.
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-ANAHTARINIZ_BURAYA"},
json={
"model": "qwen/qwen3.6-plus-preview:free",
"messages": [{"role": "user", "content": "Merhaba"}],
},
timeout=30,
)
Veriler kaydedilir. OpenRouter'ın model sayfası, "modelin prompt ve tamamlama verilerini topladığını ve modelin geliştirilmesi için kullanılabileceğini" belirtmektedir. Bu uç nokta üzerinden API anahtarları, şifreler veya kişisel olarak tanımlanabilir bilgiler göndermeyin.
Önizleme durumu. Bu bir önizleme sürümüdür. Modelin davranışı değişebilir. Üretim çıkarımı için kullanıyorsanız, entegrasyon testlerinizi mevcut model kimliğine sabitleyin ve regresyonları izleyin.
Yalnızca metin. Qwen 3.6, metin girişi alır ve metin çıktısı üretir. Görüntü, ses, dosya yükleme yoktur.
Gerçek dünya kullanım senaryoları
Bir kod inceleme aracısı oluşturma. Dahili bir PR inceleme aracı geliştiren bir ekip, tüm pull request farklarını (bazen 10K+ satır) Qwen 3.6'ya besledi ve mantık hataları, eksik testler ve güvenlik sorunları hakkında ayrıntılı geri bildirimler aldı. 1M token penceresi, parçalara ayırmaya gerek kalmadan bunu mümkün kıldı.
Ön uç bileşen üretimi. Bir SaaS panosu geliştiren tek başına bir geliştirici, tasarım spesifikasyonlarından React bileşenleri üretmek için Qwen 3.6'yı kullandı. Model, birden fazla düzeltme geçişine ihtiyaç duymadan uygun prop tipleri ve duyarlı CSS ile temiz TypeScript üretti.
API dokümantasyon özeti. Üçüncü taraf ödeme API'leri arasında geçiş yapan bir ekip, her iki API'nin tam dokümantasyonunu (her biri yaklaşık 100K token) tek bir istekte iletti ve kimlik doğrulama yöntemleri, webhook formatları ve hız limitlerinin yan yana karşılaştırmasını istedi. Model, 30 saniyeden kısa sürede yapılandırılmış bir tablo döndürdü.
openrouter.ai adresinden kaydolun, anahtarınızı alın ve şu anda ödeme yaptığınız herhangi bir model yerine qwen/qwen3.6-plus-preview:free kullanın.
Sıkça Sorulan Sorular
Qwen 3.6 gerçekten ücretsiz mi?
Evet. Mart 2026 itibarıyla, model OpenRouter'da milyon giriş token'ı başına 0 dolar ve milyon çıktı token'ı başına 0 dolar olarak listeleniyor. Önizleme süresi sona erdiğinde ücretsiz durumu değişebilir, bu nedenle maliyetin sıfır kalmasına bağlı herhangi bir şey inşa etmeden önce OpenRouter fiyatlandırma sayfasını kontrol edin.
Ücretsiz katman için hız limiti nedir?
OpenRouter, ücretsiz katman modelleri için kesin hız limitleri yayınlamaz. Pratikte, ücretsiz modeller kapasiteyi paylaşır ve yüksek trafikte kısıtlamaya tabidir. Başlangıçta tek bir istek gönderin ve eşzamanlılığı artırmadan önce yeniden deneme mantığı ekleyin.
Qwen 3.6'yı ticari projeler için kullanabilir miyim?
Evet, OpenRouter ticari kullanıma izin verir. Özellikle çıktıları dağıtıyorsanız, temel modelin kendisi üzerindeki kısıtlamalar için Alibaba Cloud'un Qwen model lisansını kontrol edin.
Qwen 3.6 neden diğer modellerden daha uzun süre yanıt veriyor?
Zorunlu muhakeme token'ları gecikme ekler. Bir yanıt oluşturmadan önce, model dahili bir düşünce zinciri üzerinde çalışır. Basit istemler için bu birkaç saniye ekleyebilir. Karmaşık muhakeme görevleri için ekstra gecikme buna değer. Üretirken kısmi çıktıyı göstermek isterseniz akışı kullanın.
Muhakeme token'larını devre dışı bırakmanın bir yolu var mı?
Mevcut önizleme itibarıyla muhakeme zorunludur ve kapatılamaz. Düşünce zinciri olmadan daha hızlı yanıtlara ihtiyacınız varsa, bir varyantı mevcut olduğunda farklı bir model varyantını deneyin veya gecikmeye duyarlı görevler için LLaMA 3.1 8B gibi daha küçük bir ücretsiz model kullanın.
1M tokenlık bağlam penceresi maliyeti nasıl etkiler?
Ücretsiz katmanda, etkilemez. Ne kadar token gönderdiğinizden bağımsız olarak 0 dolar ödersiniz. Çok büyük isteklerin işlenmesinin daha uzun sürdüğünü ve ücretsiz katmanda zaman aşımına uğrayabileceğini unutmayın. 30-60 saniyelik bir zaman aşımı ile başlayın ve 100K token'ın üzerindeki istekler için bunu artırın.