Qwen3.6-Max-Preview: एजेंटिक कोडिंग और world knowledge से सशक्त अगली पीढ़ी का मॉडल

 (qwen.ai)
2 पॉइंट द्वारा GN⁺ 2026-04-21 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • Qwen3.6-Plus के उत्तराधिकारी के रूप में, पिछले मॉडल की तुलना में एजेंट-आधारित कोडिंग के साथ अधिक मजबूत world knowledge और instruction following प्रदर्शन में सुधार
  • 6 प्रमुख कोडिंग बेंचमार्क में सर्वोच्च स्कोर दर्ज कर कोडिंग एजेंट प्रदर्शन में बड़े सुधार की पुष्टि
  • preserve_thinking फीचर का समर्थन, जो एजेंटिक कार्यों के दौरान पिछले टर्न की विचार प्रक्रिया को संदेश में सुरक्षित रखने का तरीका उपयोग करता है
  • world knowledge बेंचमार्क में SuperGPQA +2.3, QwenChineseBench +5.3 आदि के साथ सुधार, और instruction following में ToolcallFormatIFBench +2.8 दर्ज
  • Qwen Studio में इंटरैक्टिव टेस्ट संभव है, और Alibaba Cloud Model Studio API के जरिए qwen3.6-max-preview नाम से कॉल किया जाएगा

प्रमुख सुधार

  • Qwen3.6-Plus की तुलना में एजेंटिक कोडिंग क्षमता में बड़ा सुधार: SkillsBench +9.9, SciCode +6.3, NL2Repo +5.0, Terminal-Bench 2.0 +3.8
  • world knowledge में मजबूती: SuperGPQA +2.3, QwenChineseBench +5.3
  • instruction following में सुधार: ToolcallFormatIFBench +2.8
  • 6 प्रमुख कोडिंग बेंचमार्क में सर्वोच्च स्कोर: SWE-bench Pro, Terminal-Bench 2.0, SkillsBench, QwenClawBench, QwenWebBench, SciCode

मॉडल की विशेषताएँ और दृष्टिकोण

  • Alibaba Cloud Model Studio के जरिए उपलब्ध hosted-exclusive model
  • वास्तविक एजेंट (real-world agent) और knowledge reliability प्रदर्शन में सुधार
  • Qwen Studio में तुरंत इंटरैक्टिव परीक्षण संभव
  • API मॉडल नाम qwen3.6-max-preview है, और जल्द ही Alibaba Cloud Model Studio API में उपलब्ध होगा

API उपयोग और फीचर्स

  • OpenAI-संगत chat completions और responses API, Anthropic-संगत interface सहित industry-standard protocol का समर्थन
  • preserve_thinking फीचर के जरिए पिछले टर्न की reasoning content को सुरक्षित रखा जा सकता है, और एजेंटिक कार्यों के लिए इसकी सिफारिश की जाती है
  • enable_thinking: True सेट करने पर reasoning content और response को streaming तरीके से अलग-अलग प्राप्त किया जा सकता है
  • API के लिए क्षेत्रवार Base URL उपलब्ध: Beijing, Singapore, United States (Virginia)

विकास स्थिति

  • वर्तमान में preview release चरण में है, लगातार पुनरावृत्त सुधार जारी हैं, और आगामी संस्करणों में अतिरिक्त सुधार की योजना है

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2026-04-21
Hacker News टिप्पणियाँ

  • लोगों का सिर्फ़ SOTA तुलना पर अटका रहना मुझे थोड़ा मज़ेदार लगता है। मैंने ऐसे मामले देखे हैं जहाँ glm 5.1 ने वो काम कर दिखाया जो Opus नहीं कर पाया, और उसे बेहतर कोड लिखते भी देखा है। मैंने अभी qwen max इस्तेमाल नहीं किया है, लेकिन मैंने यह भी देखा है कि लोकल 122b मॉडल दस्तावेज़ों को बेहतर पढ़ते हैं और ज़्यादा सटीक तरीके से प्रोसेस करते हैं। आख़िरकार benchmark पूरी तस्वीर का सिर्फ़ एक हिस्सा हैं, और असल में हर मॉडल की अपनी अलग ताकत होती है, इसलिए मुझे नहीं लगता कि उन्हें ऐसे तुलना करनी चाहिए जैसे हथौड़े और रिंच में बस कौन बेहतर है

    • मैं अपने पर्सनल प्रोजेक्ट्स में Ollama Cloud के pi.dev पर GLM-5.1 इस्तेमाल कर रहा हूँ और काफ़ी संतुष्ट हूँ। कंपनी में हम pi.dev, Claude Sonnet और Opus 4.6 साथ में इस्तेमाल करते हैं। Claude Code भी अच्छा है, लेकिन हाल के अपडेट के बाद उसे बहुत बार compact करना पड़ता है, जो परेशान करता है। pi.dev इस्तेमाल करते समय MCP tool calling न होने पर भी API इंटीग्रेशन अच्छा चल गया, इसलिए कमी नहीं लगी। उल्टा, वेबसाइट बनाने में मुझे लगा कि GLM-5.1, Claude Opus से बेहतर है, और जिस full-stack development platform पर मैं अभी काम कर रहा हूँ, उसमें भी यह बहुत अच्छा काम कर रहा है
    • GLM 5.1 वह मॉडल था जिसने पहली बार मुझे महसूस कराया कि चीनी मॉडल सच में बराबरी पर पहुँच गए हैं। इसलिए मैंने Claude Max subscription भी रद्द कर दिया, और सच कहूँ तो ज़रा भी अफ़सोस नहीं हुआ। लोगों की राय इतनी अलग-अलग होना देखकर लगता है कि अब हम उस दौर में पहुँच गए हैं जहाँ पूर्ण SOTA श्रेष्ठता से ज़्यादा domain और usage pattern का फ़र्क़ मायने रखता है
    • मैं Claude और ChatGPT को अब तक लगभग सिर्फ़ tool calling की वजह से इस्तेमाल कर रहा हूँ। skills जैसी उपयोगी सुविधाएँ भी हैं। मैंने qwen और deepseek भी इस्तेमाल किए हैं, लेकिन कभी-कभी वे document output तक ठीक से नहीं कर पाते थे। जानना चाहता हूँ कि लोग इन टूल्स से documents या Excel का काम कैसे करते हैं, और अगर संभव हो तो मैं भी switch करना चाहूँगा
    • कुछ महीने पहले Qwen3-Coder ने Claude Opus या Google Gemini से कहीं बेहतर Rust कोड बनाया था। खास तौर पर उसने Rust में x86-64 vector extension तक इस्तेमाल करने वाला कोड निकाला, जो काफ़ी प्रभावशाली था। मैंने इसे Zed editor या trae CLI जैसे harnesses से कॉल करके इस्तेमाल किया, और सच में बहुत हैरान रह गया
    • मॉडल्स के benchmark scores अब ज़्यादातर एक-दूसरे के काफ़ी क़रीब हैं और फ़र्क़ भी छोटा है, तो ऐसी स्थिति में दूसरे मानकों से चुनना ज़्यादा तर्कसंगत लगता है। मेरे मामले में अगर JetBrains plugin ठीक-ठाक आ जाए, तो मैं किसी भी vendor पर तुरंत शिफ्ट होने को तैयार हूँ

  • मैं कंपनी में कई महीनों से लगातार Claude Code इस्तेमाल कर रहा हूँ, और कुछ समय पहले इसे एक छोटे पर्सनल वेबसाइट प्रोजेक्ट में भी अच्छी तरह इस्तेमाल किया। पिछले वीकेंड पहली बार self-hosting भी आज़माई। जानना चाहता हूँ कि क्या किसी ने CC या Codex को काफ़ी इस्तेमाल करने के बाद कोई संतोषजनक self-hosted setup ढूँढा है। मैंने 32GB DDR5, AMD 7800X3D, RTX 4090, Windows और WSL environment में ollama, docker desktop model runner, pi-coding-agent, opencode, और Gemma 4, Qwen, GLM-5.1 के अलग-अलग combinations टेस्ट किए। बेसिक RAM usage पहले से ही ऊँचा था, इसलिए Gemma4-31B जैसे अच्छे मॉडल नहीं चला पाया। सिर्फ़ Windows environment में file path handling बार-बार गड़बड़ा रही थी, और WSL में pi या opencode चलाकर model को docker desktop से चलाने वाला तरीका कुछ हद तक सफल रहा। लेकिन वास्तविक अनुभव में performance, CC की तुलना में बहुत धीमी लगी, और tool maturity भी CC harness की तरफ़ कहीं बेहतर महसूस हुई। setup में बहुत समय लग गया, इसलिए लंबे समय तक असली उपयोग नहीं कर पाया, लेकिन फिर भी यह एक दिलचस्प प्रयोग था

    • MoE मॉडल्स आज़माकर inference को CPU पर offload करना अच्छा रहेगा। Gemma 4 26b-a4b या qwen3.6 35b-a3b जैसे मॉडल इसका उदाहरण हैं। 32GB RAM, अगर दूसरे apps भी खुले हों, तो थोड़ी तंग पड़ सकती है, लेकिन system RAM पर्याप्त हो तो यह काफ़ी अच्छा चलता है। कुछ layers को GPU पर रखने का तरीका भी है, लेकिन MoE models और llama.cpp के combination में दिक्कतें थीं। इसके बजाय अगर KV cache को GPU पर रखा जाए, तो speed काफ़ी अच्छी मिलती है और context window भी ठीक-ठाक बनी रहती है। मैंने लोकल में बहुत प्रभावशाली नतीजे देखे हैं। साथ ही, WSL2 में llama.cpp सीधे clone करने और Claude Code जैसे frontier model से installation और tuning करवाने की मैं मज़बूती से सिफ़ारिश करूँगा। llama.cpp के ऊपर बने apps सारे options और flags expose नहीं करते, इसलिए सिर्फ़ एक flag ग़लत होने से context cache तक बंद हो सकता है और performance बुरी तरह गिर सकती है। source से सीधे build करने पर समस्या आने पर आप असली code तुरंत देख सकते हैं। उस machine पर Gemma 4 के साथ कम से कम 20~40tok/s तो आना ही चाहिए, इसलिए यह असली उपयोग के लिए पर्याप्त लगता है, और qwen3.6 में active parameters 3b हैं, तो यह और तेज़ भी हो सकता है
    • अभी जो समस्या आ रही है, वह शायद VRAM की कमी की वजह से है, जिसके कारण पूरा मॉडल एक बार में लोड नहीं हो पा रहा। llmfit भी एक बार आज़माने लायक है

  • मुझे चिंता है कि यह क्षेत्र कहीं पहले मुफ़्त में चीज़ें देकर नाम बनाने और बाद में सब कुछ proprietary कर देने वाली दिशा में तो नहीं जा रहा। फिर भी उम्मीद है कि open weights आते रहें। जिस दिन कोई भी open weights जारी नहीं करेगा, वह सच में काफ़ी उदास करने वाला दिन होगा। अगर ऐसा हुआ, तो आम लोगों के लिए अपना compute खुद own करना और मुश्किल हो जाएगा

    • यह मुझे थोड़ा ज़्यादा generalization लगता है। अमेरिकी मॉडल्स में कई तो शुरू से ही बंद थे, जबकि अमेरिका के बाहर के मॉडल्स, ख़ासकर चीनी मॉडल्स, शुरू से ज़्यादा खुले रहे हैं। बल्कि चीन की तरफ़ तो ऐसे मामले भी रहे हैं जहाँ शुरुआत proprietary थी और बाद में public release हुआ, और बड़े Qwen मॉडल्स में भी ऐसे उदाहरण रहे हैं
    • मुझे यह राष्ट्रीय रणनीति स्तर की चाल लगती है। लगातार प्रतिस्पर्धी मुफ़्त मॉडल जारी करके पश्चिमी कंपनियों के proprietary मॉडल्स से बनाए जा रहे moat को कमज़ोर करने की कोशिश दिखती है। जब तक चीन के पक्ष में यह narrative बना रहता है, मुझे नहीं लगता कि वे पूरी तरह proprietary दिशा में लौटेंगे
    • chip निर्माता के नज़रिए से भी, हमारे लिए लोकल मॉडल चलाने लायक ecosystem बने रहना शायद उनके फ़ायदे में है
    • सही है। मेरे हिसाब से चीनी labs के लिए open source एक तरह की commercial strategy है। models और inference services को प्रचारित करने के लिए उनके पास उतने प्रभावी marketing channels नहीं हैं, इसलिए यह एक व्यावहारिक विकल्प है। यह लेख भी देखने लायक है
    • मुझे तो यह पहले से ही कुछ ऐसा ही ढाँचा लगता था। आख़िरकार यह भी काफ़ी हद तक SaaS जैसा है, बस फ़र्क़ इतना है कि आजकल frontier labs का सबसे निचला subscription tier लगभग free trial जैसा लगता है

  • आज Kimi K2.6 भी साथ में आया है, इसलिए दोनों की तुलना करना काफ़ी स्वाभाविक है। सिर्फ़ pricing देखें तो Qwen में input 1.3 डॉलर और output 7.8 डॉलर है, जबकि Kimi में input 0.95 डॉलर और output 4 डॉलर है, इसलिए Qwen ज़्यादा महँगा दिखता है। announcement post में overlapping benchmarks भी सिर्फ़ दो ही हैं, और SWE-Bench Pro व Terminal-Bench 2.0 दोनों में Kimi, Qwen से थोड़ा आगे था। बेशक हर मॉडल की अपनी ताकत होती है और benchmark सब कुछ नहीं बताते, लेकिन सिर्फ़ numbers के आधार पर देखें तो Kimi ज़्यादा आकर्षक लगता है

    • चीनी मॉडल्स की कीमतें बढ़ने से उनका आकर्षण थोड़ा कम हुआ है। और Gemma-4 आने के बाद तो मुझे नहीं लगता कि बहुत से मॉडल pareto frontier पर बचे हैं। मेरा अनुभव भी काफ़ी ऐसा ही रहा है, और arena leaderboard के आँकड़े भी देखने लायक हैं

  • इस announcement की विडंबना मुझे उसके नाम में ही दिखती है। Max-Preview proprietary है और cloud-only भी। मेरे लिए असली Qwen वह open weights series है जिसे लोग अपने hardware पर चलाते हैं। मैं dual A4000 पर 32B और 72B लोकल में चला रहा हूँ। hosted Max के साथ अभी भी अंतर है, लेकिन हर release के साथ वह gap घटता दिख रहा है। इसलिए असली दिलचस्प सवाल यह नहीं है कि Max, Opus के मुकाबले कैसा है, बल्कि यह है कि open-weight tier कब ज़्यादातर workloads में cloud tier को लगभग अप्रासंगिक बना देगा

  • जब सब लोग सिर्फ़ SOTA के पीछे भाग रहे हैं, मैं MiniMax M2.5 पर कई parallel sessions चलाकर महीने के 10 डॉलर में अपना सारा coding काम कर रहा हूँ, और limits से भी लगभग कभी नहीं टकराता

    • अगर काम गंभीर हो, तो 10 डॉलर और 100 डॉलर महीने का फ़र्क़ ज़्यादातर professional developers के लिए ज़्यादा सोचने लायक नहीं होता। छात्र या कम आय वाले देशों के users जैसे exceptions हो सकते हैं, लेकिन high-salary developers को tools की cost पर इतना बचत करते देखना मुझे हमेशा अजीब लगता है। मुझे तो मौजूदा SOTA models भी one-off tasks से आगे पूरी तरह भरोसेमंद नहीं लगते, तो उनसे भी कमज़ोर models पर निगरानी रखते हुए महीने के 10~100 डॉलर बचाना बिल्कुल आकर्षक नहीं लगता। self-hosted models के साथ हल्के-फुल्के और disposable कामों में प्रयोग करना मज़ेदार है, लेकिन असली महत्वपूर्ण काम में मैं अपना समय बर्बाद नहीं करना चाहता
    • वह 10 डॉलर महीने कहाँ देते हो, यह जानना चाहूँगा। पूछना चाहता हूँ कि क्या वह OpenRouter है
    • मैं जानना चाहता हूँ कि तुम उसे व्यवहार में कैसे इस्तेमाल करते हो। क्या opencode इस्तेमाल करते हो, या कोई और frontend?

  • मैंने Qwen की context caching documentation भी देखी है और Opus, Codex, Qwen को साथ में टेस्ट किया है, और मुझे भी लगता है कि Qwen कई coding tasks में मज़बूत है। लेकिन मैं सबसे ज़्यादा जिस बात पर ध्यान देता हूँ, वह है long-running sessions में उसका व्यवहार। Qwen बड़ा context window दिखाता है, लेकिन असल long-context efficiency context caching के तरीके पर बहुत निर्भर लगती है। आधिकारिक docs के अनुसार यह implicit और explicit caching दोनों देता है, लेकिन TTL कुछ मिनटों जितना छोटा है, और prefix-based matching व minimum token conditions जैसी सीमाएँ हैं। इन सीमाओं की वजह से coding agent जैसे workflows में, जहाँ context लगातार बढ़ता रहता है, cache reuse उम्मीद जितना अच्छा नहीं हो सकता। इसलिए token के हिसाब से कीमत कम दिखे, तब भी लंबे sessions में cache hit rate गिर सकता है और recomputation बढ़ सकती है, जिससे अनुभव में लागत ज़्यादा महसूस हो सकती है। फिर भी security-related कामों में मुझे व्यक्तिगत रूप से Qwen, Opus से बेहतर लगा है। मेरे अनुभव में Qwen, individual methods या functions जैसे छोटे कामों में Opus से कहीं बेहतर है, लेकिन कुल coding अनुभव में यह Claude जैसी autonomous end-to-end coding assistant से ज़्यादा function-level generator जैसा लगा

    • फिर भी लंबे session को छोटा रखकर नया शुरू करना best practice ही है। Anthropic की Claude Code Best Practices में भी लिखा है कि "बेहतर prompt वाले एक साफ़ नए session का परिणाम, लगातार edits जुड़ते गए लंबे session से लगभग हमेशा बेहतर होता है"
    • मैंने आख़िरी बार जब देखा था, उसके हिसाब से context caching सिर्फ़ cost और latency घटाता है, यह असल में कौन से tokens निकलेंगे, उसे नहीं बदलता

  • Qwen टीम को Opus 4.5 से तुलना करते देखना मुझे थोड़ा कठिन लगता है अगर इसे अच्छे इरादे से लेना हो। यह समझ में आता है कि Opus 4.7 बहुत नया है इसलिए नहीं है, लेकिन Opus 4.6 आए काफ़ी समय हो चुका है

    • मेरे लिए Opus 4.5 वह पहला बिंदु था जहाँ अलग-अलग समस्याओं पर मॉडल काफ़ी अच्छा लगा। उससे पहले development work में AI इस्तेमाल करने पर hallucination के कारण अक्सर और ज़्यादा समय बर्बाद होता था, इसलिए यह productive विकल्प नहीं था। लेकिन अगर प्रगति Opus 4.5 पर ही रुक जाती, तब भी मुझे लगता है कि हम पहले ही बहुत सारा वास्तविक काम तेज़ी से निपटा सकते थे। अब सॉफ़्टवेयर development फिर से पूरी तरह hand-coding केंद्रित दुनिया में लौटेगा, ऐसा नहीं लगता। इसलिए अगर कोई मॉडल Opus 4.5 के बराबर या थोड़ा बेहतर स्तर को दसवें हिस्से की क़ीमत पर दे, तो बहुत लोगों के लिए वह काफ़ी आकर्षक होगा। बेशक पश्चिमी developers के नज़रिए से Opus 4.7 पर 100 डॉलर से ज़्यादा महीना देना भी क़ीमती है, क्योंकि कमज़ोर tier models जो समय बर्बाद कराते हैं, उसकी लागत बहुत ज़्यादा है। फ़िलहाल मेरा इरादा उन models के लिए premium देते रहने का है जो कम समय बर्बाद कराते हैं, कम prompt fixing में बेहतर result देते हैं। साथ ही बदलाव की रफ़्तार सच में चौंकाने वाली है, और आजकल open models भी 2 साल पहले के frontier models से प्रतिस्पर्धा करने लायक स्तर तक पहुँच गए हैं। Qwen 3.6 MoE 35B A3B या बड़े Gemma 4 models ऐसे hardware पर चल सकते हैं जो अच्छी performance वाला Macbook, Strix Halo, या हाल के 24GB या 32GB GPU जितना साधारण है, और ये pre-AI दौर के developer laptops से बहुत महँगे भी नहीं हैं। ये code भी लिखते हैं, काफ़ी अच्छा लिखित content भी बनाते हैं, tools भी इस्तेमाल करते हैं, और context length भी व्यवहारिक काम के लिए पर्याप्त है। अभी ये Opus 4.5 जितने नहीं हैं, लेकिन फिर भी काफ़ी प्रभावशाली हैं। मैं खुद security और code review के लिए पहले से कई models मिला-जुलाकर इस्तेमाल करता हूँ, और ज़्यादातर software development में अभी भी Claude Code और Opus सबसे अच्छे लगते हैं, लेकिन Qwen को भी मैं ख़ुशी से आज़माऊँगा। छोटे models भी अपनी class के हिसाब से बहुत अच्छे हैं, इसलिए बड़े models से उम्मीद बढ़ जाती है
    • अगर पैसे की कोई समस्या न हो, तो आख़िरकार Codex 5.4 या Opus 4.7 जैसी सर्वोच्च performance ही देखनी चाहिए। लेकिन बहुत लोगों के लिए cost बनाम quality बहुत बड़ा फ़ैक्टर है। Claude subscribers में भी कई लोग cost और usage pressure की वजह से हमेशा Opus 4.7 नहीं चला पाते और Sonnet या पुराने Opus इस्तेमाल करते हैं। इसलिए value-for-money quality curve के हिसाब से ऐसी तुलना पूरी तरह सार्थक है
    • पिछले कुछ महीनों में Opus 4.6 की performance इतनी अस्थिर रही है कि मैं उस पर बेवजह tokens खर्च नहीं करना चाहता था
    • जब Sonnet 4.6 आया, तो मैंने default model को Opus से Sonnet पर बदल दिया। अनुभव में Sonnet 4.6, Opus 4.5 स्तर के काफ़ी क़रीब लगा। 4.6 और 4.7 बेहतर तो हैं, लेकिन ज़्यादातर tasks में छलाँग बहुत बड़ी नहीं है, इसलिए अब cost saving एक काफ़ी तर्कसंगत विकल्प बन गई है। अगर और सस्ते models उस स्तर तक पहुँच जाएँ, तो वह और भी बड़ी बात होगी, और GLM 5.1 भी काफ़ी करीब दिखता है, इसलिए मैं उसे बहुत इस्तेमाल कर रहा हूँ। उस नज़रिए से देखें तो Opus 4.5 से तुलना करना भी उचित है
    • तुलना सबसे मिलते-जुलते target के साथ करनी चाहिए, ऐसा मेरा मानना है। और जब benchmark provider खुद जारी करता है, तो स्वाभाविक है कि वह वही framework चुनेगा जिसमें उसका model अच्छा करता हो और प्रतिकूल चीज़ों को छोड़ देगा। इसलिए आख़िरकार भरोसेमंद चीज़ independent benchmarks ही हैं

  • हाल में चीनी providers को देखते हुए मुझे एक pattern दिखता है। पहला, वे models को closed source रखने की तरफ़ बढ़ रहे हैं, और दूसरा, वे prices भी काफ़ी बढ़ा रहे हैं। कुछ मामलों में तो यह लगभग 100 प्रतिशत तक बढ़ जाता है

    • इसे ऐसे कहना कि यह मानो सिर्फ़ चीनी कंपनियों की विशेषता हो, थोड़ा अजीब लगता है। दूसरे देशों की कंपनियाँ भी इससे अलग नहीं हैं
    • Qwen max तो शुरू से ही cloud only था, और 1T से बड़ा model है, इसलिए इसका महँगा होना स्वाभाविक है
    • मैं पलटकर पूछना चाहूँगा कि price में बड़ी बढ़ोतरी करने के मामले में यह अमेरिकी कंपनियों से कैसे अलग है
    • मैं पूछना चाहूँगा कि क्या यह बात GLM 5.1, DeepSeek V3.2, और अभी आए Kimi K2.6 जैसे models पर भी लागू होती है। असल में यह उन उदाहरणों पर ठीक से फिट नहीं बैठती
    • यह तरीका तो अमेरिकी कंपनियों को भी बहुत पसंद है, ऐसा कहना पहले आएगा

  • दिलचस्प बात यह है कि कोई व्यक्ति लोकल में चलने वाले पूरे Qwen model family को जानता हो लेकिन cloud models के बारे में बिल्कुल न जानता हो। मैं खुद 3.5 series और शायद 3.6 का एक मॉडल ही जानता था, और Plus नाम तो पहली बार अभी सुना

    • जहाँ तक मुझे याद है, Plus series Qwen chat के public होने के समय से ही थी। कम से कम पिछले साल की शुरुआत में मैंने खुद Plus model इस्तेमाल किया था