Qwen 3.6+ : le modèle gratuit qui rivalise avec Opus (test complet)

Qwen 3.6+ en 30 secondes

Alibaba a sorti Qwen 3.6+ le 1ᵉʳ avril (et non ce n’est pas un poisson). Dans leurs benchmarks internes, il atteint des performances comparables à Claude Opus 4.5 et Gemini 3 Pro sur l’agentique terminal coding, l’analyse d’image et le raisonnement général. Et il est 3 à 8 fois moins cher en API que ses concurrents.

Cerise sur le gâteau : il est actuellement gratuit sur OpenRouter. J’ai sauté dessus pour le tester sur 3 cas concrets. Dans la lignée de Qwen 3.5 dont j’ai parlé récemment et comparable à Kimi K2.6 sur le créneau open source ambitieux.

Les specs qui comptent :

• Benchmarks très bons en agentique coding, au-dessus d’Opus 4.5 sur certains bench terminal.
• Excellent en analyse d’image : probablement le meilleur modèle actuel sur document recognition & understanding.
• Prix API : 0,5 $/M tokens en entrée, 3 $/M en sortie (vs 15 $ et 75 $ pour Opus).
• Open source prévu dans les semaines à venir.

Le prix qui change la donne

Face à Opus 4.5 :

• Entrée : 0,5 $ vs 15 $ → 10× moins cher.
• Sortie : 3 $ vs 25 $ → 8× moins cher.

Et l’output, c’est là où ça compte vraiment quand tu fais du code (un LLM crache beaucoup plus qu’il ne lit). Pour des usages intensifs — agents qui tournent 24/7, génération de masse — la facture peut littéralement passer de 500 €/mois à 60 €/mois.

Le pattern idéal : Opus en orchestrateur, Qwen en exécutant. Ton orchestrateur décide, ton exécutant bosse. C’est la même logique que je décris avec MiniMax M2.7 en sous-agent.

Test 1 : simulation 3D du système solaire

Prompt : “crée une visualisation interactive du système solaire, déplacement de planète en planète, textures NASA HD, rendu photoréaliste.”

Qwen me pose 3 questions de cadrage (stack, niveau de réalisme, fonctionnalités), me propose un plan, je valide. Il génère le code très vite (franchement rapide, que ce soit le modèle ou OpenRouter). Serveur lancé.

Résultat : le chargement des textures HD a fait planter mon navigateur. Pas une erreur de code, juste trop de dépendances à charger pour ma config. Le code généré avait l’air propre, mais je n’ai pas pu le tester en conditions réelles. Bémol à noter — pas un fail du modèle, un fail d’env.

Test 2 : analyse de migration SEO (le vrai use case e-commerce)

Là c’est ce qui intéresse vraiment mes clients. J’ai filé à Qwen deux fichiers CSV : un pré-migration, un post-migration d’un site e-commerce. Objectif :

• Récupérer les anciennes URL et les matcher avec les nouvelles.
• Consolider impressions, clics, position moyenne avant/après.
• Sortir une vue consolidée par typologie de page.
• Générer un rapport HTML + PPTX avec KPI, tableaux et graphiques.

Résultat : ultra rapide (quelques minutes). Le fichier consolidé est là, les colonnes sont bien agrégées (avec une petite erreur sur impressions/clics qu’une itération aurait corrigée). Le rapport HTML final est franchement pro — KPI généraux, comparaisons par impressions/clics, tableau par typologie de page, variations nettes, CTR par type, liste de recommandations finales.

Il a aussi généré un PPTX téléchargeable avec les tableaux et les recommandations. En soi, c’est exactement ce que je facture à mes clients SEO : le rapport de migration avec insights actionnables. Rendu en 10 minutes de run.

Pour toi e-commerçant qui a fait (ou va faire) une refonte : tu peux piloter toi-même ton analyse de migration SEO avec ce genre d’outil. Économie : quelques milliers d’euros si tu aurais externalisé.

Test 3 : Candy Crush en one-shot

Prompt : “jeu Candy Crush jouable dans le navigateur, gens de bonbons, points, combo, niveau, professionnel”. Mode plan activé, réponse à 3 questions, j’approuve et c’est parti.

Résultat en 3 minutes 22 : le jeu est jouable, système de niveaux fonctionnel, scoring, combos, UI propre. Pas parfait (pas de changement de grille entre niveaux), mais pour du one-shot en moins de 4 minutes, c’est bluffant.

Pour un e-commerçant : la gamification est un outil de conversion sous-utilisé. Un mini-jeu de fidélité sur ta boutique (type “casse l’œuf”, roue de la chance, puzzle produit), Qwen te le sort en quelques minutes.

Le piège : tes données nourrissent l’entraînement

Gros point d’attention : tant que Qwen est gratuit sur OpenRouter, tes prompts et réponses sont utilisés pour l’entraînement du modèle. Alibaba te le dit en petits caractères. Donc :

• Ne passe pas de données clients (emails, noms, adresses).
• Ne passe pas de stratégie commerciale sensible.
• Ne passe pas de code propriétaire si tu tiens à la confidentialité.

Pour du test, de la démo, de l’exploration : parfait. Pour de la prod avec des données sensibles : passe à l’API payante (chère mais confidentielle) ou à un modèle local quand l’open source sortira.

Verdict : LE modèle à tester ce week-end

À ce tarif et pour cette qualité, Qwen 3.6+ mérite largement une place dans ton stack. Je le mets clairement dans mon trio gagnant de modèles alternatifs pas chers et performants : Qwen 3.6+, GLM 5.1 et MiniMax M2.7. Selon le use case, l’un des trois sera plus pertinent que les autres.

Pour tester :

• Qwen 3.6+ : qwen.ai
• Gratuit via OpenRouter : openrouter.ai
• OpenCode (alternative open source à Claude Code) : opencode.ai

---

Dans la même veine sur le blog : Qwen 3.5 et ce que ça change pour ton e-commerce · GLM 5.1, open source face à Opus · Claude Opus 4.7 : régression vs 4.6 ?.

Tu veux qu’on construise ton rapport de migration SEO ou ton outil gamifié avec Qwen ? Prenons rendez-vous — ou parcours le blog pour d’autres démos.