อาลีบาบาส่ง Qwen3.6-Plus เร่งสปีดการใช้ Agentic AI ทั้งในระดับองค์กร และแอปพลิเคชัน AI ของบริษัท

อาลีบาบา เปิดตัว Qwen3.6-Plus โมเดลรุ่นล่าสุดในตระกูลโมเดลภาษาขนาดใหญ่ที่เป็นผลิตภัณฑ์เรือธงของบริษัทฯ โมเดลนี้ได้รับการพัฒนาเพื่อยกระดับขีดความสามารถอย่างมีนัยสำคัญทั้งในด้านการเขียนโค้ดเอเจนท์ (agentic coding) รวมถึงการรับรู้และการใช้เหตุผลแบบหลายมิติ (multimodal) ทั้งนี้ Qwen3.6-Plus ออกแบบมาเพื่อตอบสนองความต้องการของตลาดที่กำลังมุ่งสู่การใช้ agentic AI นั่นคือการสร้างโมเดลที่ไม่ได้เป็นเพียงผู้ช่วยเชิงรับ แต่เป็นระบบที่สามารถขับเคลื่อนด้วยตนเอง สามารถจัดการงานวิศวกรรมในระดับคลังข้อมูล (repository-level) รวมถึงสภาพแวดล้อมทางกายภาพจริงผ่านการประมวลผลข้อมูลภาพ

โมเดล Qwen3.6-Plus รุ่นล่าสุดนี้จะติดตั้งใช้งานภายในระบบนิเวศของอาลีบาบา ซึ่งรวมถึง Wukong ซึ่งเป็นแพลตฟอร์มระดับองค์กรแบบ AI-native ที่ทำให้งานธุรกิจที่ซับซ้อนเป็นอัตโนมัติด้วยการใช้ AI agent หลากหลาย และ Qwen App ซึ่งเป็นแอปพลิเคชัน AI ระดับเรือธงของอาลีบาบา

แม้ว่าโมเดลตระกูล Qwen จะวางรากฐานที่แข็งแกร่งให้กับการพัฒนาโซลูชัน AI แต่ Qwen3.6-Plus ปรับแต่งมาเพื่อ "capability loop" ซึ่งเป็นความสามารถในการรับรู้ การใช้เหตุผลคิดวิเคราะห์ และการสั่งการหรือลงมือทำได้เบ็ดเสร็จภายในเวิร์กโฟลว์เดียว นอกจากนี้ การนำคำเสนอแนะจากนักพัฒนาที่รวบรวมไว้มาใช้ ยังส่งให้โมเดลรุ่นนี้มีเฟรมเวิร์กที่เสถียรและพร้อมใช้งานจริง ซึ่งออกแบบมาเพื่อเชื่อมช่องว่างระหว่างการวางคอนเซปต์ซอฟต์แวร์เบื้องต้น และผลิตภัณฑ์ที่พร้อมใช้

ในการพัฒนาเว็บไซต์ส่วนหน้าและงานวิศวกรรมระดับคลังข้อมูล (repository-level) นั้น Qwen3.6-Plus สามารถวางแผน ทดสอบ และปรับปรุงโค้ดได้อย่างอิสระด้วยตนเอง เพื่อมอบโซลูชันที่มีความพร้อมในระดับใช้งานจริง ความสามารถในการบริหารจัดการวงจรการทำงานอย่างครบถ้วน ตั้งแต่การย่อยวัตถุประสงค์ไปจนถึงการขัดเกลาขั้นสุดท้าย ส่งผลให้โมเดลนี้ทำหน้าที่เป็นพันธมิตรแบบครบวงจรในทุกขั้นตอนของการพัฒนาซอฟต์แวร์

Qwen3.6-Plus กำหนดค่าเริ่มต้นของขีดความสามารถในการรับรู้ข้อมูลปริมาณมากในคราวเดียว (context window) ไว้ที่ 1 ล้านโทเค็น เพื่อรองรับงานวิศวกรรมระดับคลังข้อมูล (repository-level) ที่มีความซับซ้อน Qwen3.6-Plus ได้แสดงให้เห็นถึงสมรรถนะที่ยอดเยี่ยม ทั้งในด้าน agentic coding และความสามารถด้านการใช้เหตุผลแบบ multimodal ผ่านการทดสอบประสิทธิภาพตามเกณฑ์มาตรฐานหลากหลาย

ความก้าวหน้าอย่างมีกลยุทธ์ในด้านการให้เหตุผลแบบ multimodal ของ Qwen3.6-Plus เป็นการก้าวข้ามจากการจดจำข้อมูลพื้นฐาน ไปสู่การวิเคราะห์และการตัดสินใจที่ซับซ้อน โมเดลนี้ออกแบบมาเพื่อบูรณาการข้อมูลต่างรูปแบบเข้าด้วยกัน เพื่อแก้ไขความท้าทายที่ซับซ้อน ซึ่งรวมถึงการวิเคราะห์เอกสารที่มีข้อมูลหนาแน่นสูง การวิเคราะห์ภาพในโลกกายภาพ และการให้เหตุผลจากวิดีโอที่มีความยาว

ความก้าวหน้านี้ยังครอบคลุมไปถึงการเขียนโค้ดเชิงภาพ (visual coding) ซึ่งโมเดลนี้สามารถตีความการออกแบบเชิงภาพ (visual designs) และต้นแบบ (prototypes) เพื่อสร้างโค้ดที่ใช้งานได้จริง (functional code) นับเป็นการเชื่อมต่อช่องว่างระหว่างการรับรู้และการลงมือทำได้อย่างมีประสิทธิภาพ ปัจจุบันโมเดลนี้สามารถแปลผลภาพหน้าจอผู้ใช้งาน, โครงร่างที่เขียนด้วยมือ หรือต้นแบบผลิตภัณฑ์ และเปลี่ยนให้เป็นฟรอนต์เอนด์โค้ดที่พร้อมใช้งาน

Qwen3.6-Plus ปรับให้เหมาะสมให้มีความเสถียรและความแม่นยำที่จำเป็นต้องใช้กับสภาพแวดล้อมทางธุรกิจระดับมืออาชีพ เพื่อให้มั่นใจถึงประโยชน์ใช้สอยเมื่อนำไปใช้งาน โมเดลนี้มอบผลลัพธ์ที่มีความแม่นยำสูงทั้งในเรื่องของการปฏิบัติตามคำสั่ง การจดจำข้อความที่ซับซ้อน และการรับรู้ภาพที่มีความละเอียดสูง การเพิ่มประสิทธิภาพดังกล่าวส่งให้โมเดลนี้เป็นโซลูชันที่เชื่อถือได้เมื่อใช้ในสถานการณ์จริงที่ต้องการความแม่นยำสูง เช่น ระบบอัจฉริยะด้านการค้าปลีกและการตรวจสอบอัตโนมัติ ซึ่งการทำงานหลายขั้นตอนอย่างสม่ำเสมอเป็นสิ่งสำคัญที่จะเคลื่อน AI จากขั้นทดลองไปสู่การใช้งานจริงในสายการผลิตในวงกว้าง

ผู้ใช้งานสามารถเข้าถึงและติดตั้งใช้งานโมเดลนี้ผ่านทาง Model Studio ซึ่งเป็นแพลตฟอร์มเพื่อการพัฒนา AI ของอาลีบาบา คลาวด์ และสามารถทดลองใช้งานผ่าน Qwen Chat นอกจากนี้ สำหรับการพัฒนาซอฟต์แวร์แบบบูรณาการ โมเดลนี้ยังรองรับการทำงานร่วมกับเครื่องมือช่วยเขียนโค้ดชั้นนำระดับโลก เช่น OpenClaw, Claude Code และ Cline ซึ่งจะช่วยให้เวิร์กโฟลว์เป็นไปอย่างอัตโนมัติและเข้าใจบริบทของงาน ที่สามารถเปลี่ยนโจทย์โครงการที่ซับซ้อนให้กลายเป็นโค้ดที่ใช้งานได้จริง

นอกจากนี้ อาลีบาบาจะยังคงให้การสนับสนุนชุมชนโอเพ่นซอร์สอย่างต่อเนื่อง ด้วยการคัดสรรโมเดล Qwen3.6 ขนาดที่เหมาะสมให้นักพัฒนาสามารถนำไปใช้งานต่อได้

• ข่าวผลิตภัณฑ์
• ข่าวอาลีบาบา
• ข่าวขนาดใหญ่
• ข่าวการสร้าง
• ข่าวo:member