Qwen 3.6 Plus — многоязычная open-weight модель от Alibaba (линейка Qwen, она же Tongyi Qianwen). Через Promptra она стоит 20 ₽ за 1M входных токенов и 130 ₽ за 1M выходных — это цена 1-в-1 с прайсом DashScope ($0.325 и $1.95 за 1M) по курсу ЦБ РФ на 27.05.2026 (71.668 ₽/$), без наценки на токены. Контекстное окно — 1 000 000 токенов, максимум на выход — 65 536 токенов. Модель сильна в многоязычных задачах (особенно азиатские языки) и в коде, а на входе — одна из самых дешёвых в каталоге. Подключение занимает пять минут: API совместим с OpenAI, в коде меняется один параметр base_url на https://api.promptra.ru/v1. Оплата идёт на российское юр.лицо с полным пакетом закрывающих документов через ЭДО.
Главное, что выделяет Qwen 3.6 Plus среди дешёвых моделей, — это асимметрия цены: вход стоит копейки (20 ₽/1M), а выход дороже входа в 6.5 раза (130 ₽/1M). Для нагрузок, где много контекста на входе и короткий ответ на выходе — классификация, извлечение полей, RAG-ответы по большой базе — это почти идеальный профиль: вы платите символически за то, что модель «прочитала» гигантский контекст, и совсем немного за короткий вывод. Ниже разберём, где Qwen выигрывает по деньгам у DeepSeek, GLM и флагманов, для каких задач его берут, и как подключить из России без VPN. Все цены — на 29.05.2026.
Что такое Qwen 3.6 Plus и для каких задач
Qwen — это семейство языковых моделей, которое разрабатывает Alibaba Cloud. Линейка существует с 2023 года и за это время выросла в одну из самых заметных open-weight экосистем мира: десятки моделей разного размера, от компактных до флагманских, плюс специализированные версии под код, математику и зрение. Qwen 3.6 Plus — старшая «плюс»-модель текущего поколения, рассчитанная на широкий спектр задач при низкой цене.
Две вещи определяют её характер. Первая — многоязычность. Qwen традиционно силён за пределами английского: китайский, японский, корейский и другие азиатские языки модель обрабатывает заметно лучше, чем большинство западных моделей сопоставимой цены. Русский Qwen тоже поддерживает — для многих повседневных задач (резюмирование, классификация, извлечение данных, генерация описаний) этого достаточно. Если ваш продукт работает с мультиязычным контентом или с азиатскими рынками, Qwen — естественный кандидат.
Вторая — open-weight. Веса Qwen опубликованы под открытой лицензией: модель можно скачать и запускать на своём железе. Для большинства команд это не означает «будем хоститься сами» — это операционно дорого и сложно, — но означает важную вещь: модель не привязана к единственному вендору. Её отдаёт сама Alibaba через DashScope и десятки независимых инференс-провайдеров, и конкуренция держит цену низкой. Именно поэтому Qwen, как и DeepSeek, стоит в разы дешевле проприетарных флагманов.
Ключевые технические характеристики из нашего каталога:
| Параметр | Значение |
|---|---|
| Идентификатор модели | qwen3.6-plus |
| Провайдер | Alibaba Qwen |
| Тип весов | open-weight (открытая лицензия) |
| Контекстное окно | 1 000 000 токенов |
| Максимум на выход | 65 536 токенов |
| Модальности входа | текст |
| Модальности выхода | текст |
| Endpoints | chat |
Миллион токенов контекста — это ориентировочно 700–750 тысяч слов или порядка 50 000 строк кода. В одно окно влезает кодовая база среднего сервиса, объёмный архив документов или длинная история диалога целиком. На фоне таких возможностей цена входа в 20 ₽ за 1M делает Qwen 3.6 Plus инструментом, которым можно «скармливать» большие объёмы контекста, почти не глядя на счёт за вход.
Цена Qwen 3.6 Plus в рублях: полная таблица
Promptra не накручивает наценку на токены. Стоимость модели равна официальному прайсу Alibaba DashScope, пересчитанному в рубли по курсу ЦБ РФ. Сервисная комиссия 5% берётся только при пополнении баланса, а не с каждого запроса, поэтому в расчётах за токены её нет. Базовый прайс публикуется на странице цен Alibaba Cloud Model Studio; рейт по конкретной версии 3.6 Plus также сверяется по листингу openrouter.ai/qwen/qwen3.6-plus.
| Тип токенов | Цена DashScope (USD за 1M) | Цена Promptra (₽ за 1M) |
|---|---|---|
| Вход (input) | $0.325 | 20 ₽ |
| Выход (output) | $1.95 | 130 ₽ |
Курс пересчёта: 1 USD = 71.668 ₽ (ЦБ РФ на 27.05.2026). Точная арифметика: $0.325 × 71.668 ≈ 23.3 ₽, $1.95 × 71.668 ≈ 139.8 ₽. В каталоге значения округлены вниз до 20 и 130 ₽ — фактический счёт считается по курсу ЦБ на день пополнения, поэтому в разные дни рублёвая цифра слегка плавает вслед за курсом, а долларовая ставка остаётся фиксированной.
Отдельно отметим важный нюанс линейки Qwen: у моделей Alibaba исторически тарификация зависит от длины контекста и режима. На официальной странице цен старшие Qwen-модели разбиты на тарифные диапазоны (например, до 256K входных токенов — одна ставка, выше — другая), а «думающий» режим (reasoning) тарифицируется по более высокой выходной ставке, чем обычная генерация. В нашем каталоге для qwen3.6-plus зафиксирована единая ставка 20/130 ₽, которая и применяется к запросам через Promptra; если вы строите пайплайн с очень длинным контекстом или с reasoning-режимом, имеет смысл свериться с официальным прайсом Alibaba по конкретному сценарию.
Чтобы понимать порядок расходов, прикинем стоимость типовых сценариев. Соотношение вход/выход в реальной нагрузке обычно смещено в сторону входа (длинный промпт + контекст, короткий ответ) — а это ровно тот профиль, на котором дешёвый вход Qwen раскрывается максимально.
| Сценарий | Вход | Выход | Стоимость |
|---|---|---|---|
| Короткий чат-запрос | 1K | 0.5K | ≈ 0.085 ₽ |
| Классификация документа | 20K | 0.3K | ≈ 0.44 ₽ |
| RAG-ответ по базе знаний | 80K | 2K | ≈ 1.86 ₽ |
| Анализ кода на 50K токенов | 50K | 4K | ≈ 1.52 ₽ |
Цифры приблизительные и зависят от точного количества токенов в ваших данных. Считаются они просто: (входные_токены / 1 000 000 × 20) + (выходные_токены / 1 000 000 × 130). Реальный расход всегда видно в дашборде по факту запроса. Обратите внимание на масштаб: RAG-ответ с контекстом на 80 тысяч токенов обходится менее чем в 2 ₽ — на флагманах такой же запрос стоил бы десятки рублей.
Где Qwen дешевле всех: разбор асимметрии вход/выход
Главный экономический сюжет Qwen 3.6 Plus — это разрыв между ценой входа и выхода. Вход стоит 20 ₽/1M, выход — 130 ₽/1M, то есть выход дороже входа в 6.5 раза. Это не дефект, а характеристика, которую можно использовать в свою пользу. Сравним соотношения у нескольких дешёвых и средних моделей каталога:
| Модель | Вход (₽/1M) | Выход (₽/1M) | Выход / вход |
|---|---|---|---|
| Qwen 3.6 Plus | 20 ₽ | 130 ₽ | ×6.5 |
| MiniMax M2.7 | 20 ₽ | 80 ₽ | ×4.0 |
| DeepSeek V4 Pro (промо) | 30 ₽ | 60 ₽ | ×2.0 |
| Kimi K2.5 | 40 ₽ | 170 ₽ | ×4.25 |
| GLM 5.1 | 100 ₽ | 310 ₽ | ×3.1 |
Вывод читается прямо из таблицы. Qwen 3.6 Plus и MiniMax M2.7 делят первое место по дешевизне входа (20 ₽/1M), но у Qwen выход дороже. Значит, Qwen оптимален там, где входной контекст большой, а выход короткий: вы платите символическую цену за то, что модель «прочитала» много контекста, и немного — за короткий ответ. И наоборот: если задача генеративная (длинные тексты, развёрнутые ответы, большой output), асимметрия работает против вас, и стоит присмотреться к DeepSeek с его ровным соотношением ×2.
Разложим это на конкретные классы задач:
Идеальный профиль для Qwen (много входа, мало выхода):
- Классификация и маршрутизация. На вход — текст обращения, документа, тикета; на выход — короткая метка категории. Вход может быть длинным, выход — несколько токенов.
- Извлечение полей (extraction). На вход — договор, инвойс, резюме; на выход — структурированный JSON с полями. Выход обычно в разы короче входа.
- RAG-ответы. На вход — вопрос плюс извлечённые фрагменты базы знаний (часто десятки тысяч токенов); на выход — короткий ответ по существу.
- Модерация и скоринг. На вход — контент; на выход — оценка или флаг.
Менее выгодный профиль (много выхода):
- Генерация длинных статей, описаний товаров пачками, развёрнутых отчётов — здесь основной счёт формирует выход, и Qwen теряет часть ценового преимущества. Для таких задач сравните его с DeepSeek (выход 60 ₽/1M в промо-период).
Как подключить Qwen 3.6 Plus из России: drop-in через OpenAI SDK
Технически Qwen 3.6 Plus подключается так же, как любая модель в каталоге, — потому что API Promptra совместим с OpenAI на уровне протокола. Это не случайность: сама Alibaba отдаёт Qwen через OpenAI-совместимый endpoint DashScope (https://dashscope-intl.aliyuncs.com/compatible-mode/v1) и в своей документации прямо рекомендует мигрировать с OpenAI-кода, поменяв ключ, base_url и имя модели. Через Promptra логика та же, но base_url один на все модели каталога, а оплата — в рублях на юр.лицо.
Меняется ровно один параметр — base_url. Ключ заменяется на ключ Promptra, имя модели указывается как qwen3.6-plus, остальной код остаётся прежним.
Python
from openai import OpenAI
client = OpenAI(
api_key="prm-xxxxxxxxxxxx", # ключ Promptra
base_url="https://api.promptra.ru/v1", # единственное изменение
)
response = client.chat.completions.create(
model="qwen3.6-plus",
messages=[
{"role": "system", "content": "Ты — ассистент по извлечению данных. Отвечай строго JSON."},
{"role": "user", "content": "Извлеки ИНН и сумму из текста:..."},
],
)
print(response.choices[0].message.content)
Node.js
import OpenAI from "openai";
const client = new OpenAI({
apiKey: "prm-xxxxxxxxxxxx",
baseURL: "https://api.promptra.ru/v1", // единственное изменение
});
const response = await client.chat.completions.create({
model: "qwen3.6-plus",
messages: [
{ role: "system", content: "Ты — ассистент по извлечению данных. Отвечай строго JSON." },
{ role: "user", content: "Извлеки ИНН и сумму из текста:..." },
],
});
console.log(response.choices[0].message.content);
Хорошая практика: base_url в переменной окружения
Чтобы не зашивать endpoint в код и иметь возможность переключаться между моделями за секунды, держите base_url и ключ в .env:
import os
from openai import OpenAI
# В.env:
# OPENAI_API_KEY=prm-xxxxxxxxxxxx
# OPENAI_BASE_URL=https://api.promptra.ru/v1
client = OpenAI(
api_key=os.environ["OPENAI_API_KEY"],
base_url=os.environ["OPENAI_BASE_URL"],
)
response = client.chat.completions.create(
model="qwen3.6-plus",
messages=[{"role": "user", "content": "Привет"}],
)
Проверить, что подключение работает, можно одним curl-запросом без всякого SDK:
curl https://api.promptra.ru/v1/chat/completions \
-H "Authorization: Bearer prm-xxxxxxxxxxxx" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3.6-plus",
"messages": [{"role": "user", "content": "ping"}]
}'
Если в ответ пришёл JSON с полем choices — модель отвечает, можно подключать в продакшен. Удобство OpenAI-совместимого протокола в том, что одну и ту же кодовую базу можно перенаправить с Qwen на DeepSeek или флагман сменой одной строки model — без переписывания интеграции.
Qwen vs DeepSeek vs GLM: какую дешёвую модель выбрать
В каталоге несколько недорогих open-weight и азиатских моделей, и вопрос «какую взять» сводится не к «какая лучшая», а к «какая дешевле для моего профиля и сильна в нужной мне области». Сведём основных кандидатов в таблицу (цены — из каталога, 1-в-1 с прайсом провайдера по курсу ЦБ).
| Модель | Вход (₽/1M) | Выход (₽/1M) | Контекст | Сильные стороны |
|---|---|---|---|---|
| Qwen 3.6 Plus | 20 ₽ | 130 ₽ | 1M | Многоязычность (азиатские языки), код, дешёвый вход |
| DeepSeek V4 Pro (промо) | 30 ₽ | 60 ₽ | 1M | Код и матлогика, дешёвый и ровный выход |
| GLM 5.1 | 100 ₽ | 310 ₽ | ~203K | Reasoning, сбалансированная универсальная модель |
| MiniMax M2.7 | 20 ₽ | 80 ₽ | ~205K | Дешёвый вход, универсал, азиатская модель |
| Kimi K2.5 | 40 ₽ | 170 ₽ | ~262K | Длинные документы, vision на входе |
USD-прайс для справки: Qwen 3.6 Plus — $0.325/$1.95, DeepSeek V4 Pro — $0.435/$0.87 (промо до 31.05.2026, базовая ставка после ≈ $1.74/$3.48), GLM 5.1 — $1.4/$4.4, MiniMax M2.7 — $0.3/$1.2, Kimi K2.5 — $0.6/$2.5.
Берите Qwen 3.6 Plus, когда: в задаче много входного контекста и короткий выход (классификация, извлечение, RAG, модерация), либо когда важна работа с азиатскими языками. Контекст 1M позволяет загружать огромные объёмы, а вход в 20 ₽/1M делает это почти бесплатным. Это лучший выбор для «прочитать много — ответить коротко».
Берите DeepSeek V4 Pro, когда: задача генеративная (длинный выход) или это код и математика. У DeepSeek ровное соотношение вход/выход (×2) и самый дешёвый выход в этой группе (60 ₽/1M в промо). Важная оговорка: промо-скидка −75% действует до 31 мая 2026, после чего базовая ставка вырастет примерно вчетверо. Подробный разбор — в статье про DeepSeek V4 Pro API за рубли.
Берите GLM 5.1, когда: нужен крепкий универсал с акцентом на reasoning и вы готовы платить за качество ответа больше, чем за Qwen или DeepSeek. GLM дороже (100/310 ₽), но это сбалансированная модель под широкий класс задач. Разбор — в статье про GLM 5.1 (Z.ai) API за рубли.
Берите MiniMax M2.7 или Kimi K2.5, когда: MiniMax — как дешёвая универсальная альтернатива Qwen с более выгодным выходом, но меньшим контекстом (около 205K против 1M). Kimi — когда нужны очень длинные документы (262K контекст) и приём изображений на входе.
Практический совет тот же, что и для флагманов: возьмите репрезентативную выборку ваших реальных запросов, прогоните на двух-трёх кандидатах и сравните не только цену, но и качество ответа на вашем классе задач и языке. OpenAI-совместимый протокол делает такой A/B-тест вопросом смены одной строки model.
Qwen 3.6 Plus против флагманов: когда экономия оправдана
Полезно понять, насколько именно Qwen дешевле топовых моделей — и где эта экономия имеет смысл, а где нет. Сравним вход и выход с флагманами каталога.
| Модель | Вход (₽/1M) | Выход (₽/1M) | Контекст |
|---|---|---|---|
| Qwen 3.6 Plus | 20 ₽ | 130 ₽ | 1M |
| Gemini 3.1 Pro | 140 ₽ | 860 ₽ | 1M |
| Claude Opus 4.7 | 350 ₽ | 1790 ₽ | 1M |
| GPT-5.5 | 350 ₽ | 2150 ₽ | 1.05M |
Цифры показывают разрыв наглядно. Вход Qwen дешевле GPT-5.5 в 17.5 раза (20 ₽ против 350 ₽), выход — в 16.5 раза (130 ₽ против 2150 ₽). Даже против самого дешёвого из флагманов, Gemini 3.1 Pro, Qwen дешевле в 7 раз по входу и в 6.6 раза по выходу. При этом контекст у Qwen такой же — 1M токенов.
Значит ли это, что Qwen всегда выгоднее? Нет. Разница в цене отражает разницу в назначении. Флагманы (GPT-5.5, Claude Opus 4.7) берут там, где цена ошибки выше цены токенов: сложный многошаговый reasoning, агентные пайплайны с планированием, код с длинными цепочками зависимостей. На таких задачах дешёвая модель может «срываться» — путать требования, терять нить, выдавать правдоподобный, но неверный ответ, — и тогда экономия на токенах оборачивается потерями на исправлении ошибок.
Qwen 3.6 Plus раскрывается на массовых задачах средней сложности, где важен объём и цена за единицу, а не предельное качество рассуждения: обработка очередей, классификация потока обращений, извлечение данных из тысяч документов, RAG-ответы. На потоке в миллионы запросов 17-кратная разница в цене входа превращается в принципиально иной порядок расходов. Многие команды строят гибридную схему: Qwen или DeepSeek на потоке простых и средних задач, флагман — точечно, только на запросах, где он реально нужен. Развёрнутое сравнение всех моделей мы собрали в обзоре топ-5 LLM 2026.
Лимиты, контекст и максимальный выход
Помимо цены, у Qwen 3.6 Plus есть архитектурные лимиты, которые важно учитывать при проектировании:
- Контекстное окно — 1 000 000 токенов. Это суммарный объём «вход + всё, что модель удерживает в рамках запроса». Один из крупнейших контекстов в каталоге наравне с флагманами — позволяет загрузить очень большой объём данных за один вызов.
- Максимум на выход — 65 536 токенов. Сколько модель может сгенерировать в одном ответе. Это вдвое меньше, чем у флагманов (у GPT-5.5 и Claude — 128K), но 65K токенов — это порядка 45–50 тысяч слов, объём большой статьи или главы. Для подавляющего большинства задач этого достаточно с запасом; для генерации очень длинных документов лимит держите в голове.
- Модальности — только текст. Qwen 3.6 Plus в нашем каталоге работает с текстом на входе и выходе. Если нужна обработка изображений на входе, смотрите в сторону моделей с vision (например, Kimi K2.5 или флагманы Claude/GPT/Gemini).
-
Endpoint —
chat. Модель доступна через стандартный chat-completions API, совместимый с OpenAI SDK, как в примерах выше.
Если задача упирается в лимит выхода (нужно сгенерировать документ длиннее 65K токенов), стандартное решение — разбивать генерацию на части с продолжением контекста, а не пытаться выжать всё в один вызов.
Сколько стоит Qwen 3.6 Plus в месяц: прикидка для команды
Чтобы цена в ₽ за миллион токенов превратилась в понятную цифру месячного бюджета, прикинем три профиля нагрузки — все смещены в сторону «много входа, короткий выход», где Qwen наиболее выгоден. Допущения указаны рядом — подставьте свои.
| Профиль | Запросов/мес | Средний вход | Средний выход | Токенов вход/мес | Токенов выход/мес | Стоимость/мес |
|---|---|---|---|---|---|---|
| Классификация потока | 1 000 000 | 2K | 0.1K | 2B | 100M | ≈ 53 000 ₽ |
| RAG-ассистент | 200 000 | 30K | 1K | 6B | 200M | ≈ 146 000 ₽ |
| Извлечение из документов | 100 000 | 15K | 0.5K | 1.5B | 50M | ≈ 36 500 ₽ |
Расчёт прямой: входные токены за месяц делим на миллион и умножаем на 20 ₽, выходные — на 130 ₽, складываем. Например, для «классификации потока»: 2000 × 20 + 100 × 130 = 40 000 + 13 000 = 53 000 ₽ за миллион запросов в месяц.
Видно, что даже на миллионе запросов с контекстом по 2 тысячи токенов счёт держится в районе 53 тысяч рублей — за тот же объём на GPT-5.5 он измерялся бы сотнями тысяч. Это и есть основной аргумент в пользу Qwen на массовых задачах:
Тот же миллион запросов на разных моделях (2K вход + 0.1K выход)
| Модель | Стоимость 1М запросов в месяц | Кратность к Qwen 3.6 Plus |
|---|---|---|
| Qwen 3.6 Plus | 53 000 ₽ | ×1 |
| MiniMax M2.7 | 48 000 ₽ | ×0.9 (ещё дешевле) |
| DeepSeek V4 Pro (промо) | 66 000 ₽ | ×1.25 |
| GLM 5.1 | 231 000 ₽ | ×4.4 |
| GPT-5.4 mini | 132 000 ₽ | ×2.5 |
| GPT-5.4 | 447 000 ₽ | ×8.4 |
| Claude Sonnet 4.6 | 527 000 ₽ | ×9.9 |
| GPT-5.5 | 915 000 ₽ | ×17.3 |
На профиле «много входа — короткий выход» (классификация, извлечение, RAG-ответы) Qwen 3.6 Plus и MiniMax M2.7 — самые выгодные модели каталога. Разница против GPT-5.5 — почти в 18 раз.
при сопоставимом качестве для классификации и извлечения порядок расходов принципиально другой. Сервисная комиссия Promptra (5%) при этом берётся один раз при пополнении баланса, а не с каждого из этих запросов.
Оплата и документы для юр.лица
Для команд в компаниях важна не только цена токена, но и то, как эти расходы проходят по бухгалтерии. Promptra принимает оплату на российское юр.лицо — российское юр.лицо — с полным пакетом закрывающих документов: договор-оферта, счёт, акт, счёт-фактура, УПД. Документооборот идёт через ЭДО (Диадок, СБИС), что удобно для корпоративной бухгалтерии — документы автоматически проводятся в учётной системе.
С Qwen этот аргумент особенно практичен. Прямой доступ к DashScope из России — это зарубежная карта, валютный платёж и отсутствие закрывающих документов российского формата: расход сложно корректно учесть. Через Promptra вы получаете ту же модель по той же цене (1-в-1 с прайсом Alibaba по курсу ЦБ), но платите в рублях и с первичкой, которую без вопросов примет ваша бухгалтерия. Любой бухгалтер и налоговый инспектор смотрят в первую очередь на документы — и здесь у вас полный комплект. Подробно тему закрывающих документов и того, легально ли использовать зарубежные LLM на юрлицо в РФ, мы разобрали в гайде легально ли использовать AI API на юрлицо.
Promptra — Russian LLM API aggregator. One OpenAI-compatible endpoint to all flagship models: OpenAI (GPT-5.5, GPT-5.4), Anthropic (Claude Opus 4.7, Sonnet 4.6), Google (Gemini 3.1 Pro, 3.5 Flash), DeepSeek V4 Pro, Qwen 3.6 Plus.
Provider prices 1-to-1 at CBR rate — no markup on tokens. Ruble billing per contract, full closing documents through EDI. No VPN — legal B2B service in Russia.
Try: promptra.ru · model catalog · docs
Top comments (0)