Qwen3.6 preserve_thinkingとは｜Qwen3.8との既定値の違い

情報確認日: 2026年8月23日（公式ページの現行内容を確認）
固定した版: Qwen3.6-35B-A3B 995ad96e、Qwen3.6-27B 6a9e13bd、Qwen3.8-27B 1d4bf0f2
検証区分: Qwen公式モデルカードと公式Qwen Codeリポジトリによる机上調査です。下記の効果は公式説明に基づく期待値で、筆者の性能測定結果ではありません。
未検証範囲: 各ランタイム／クライアントの任意パラメータ転送、タスク成功率、token削減量、KV cache hit率、応答速度。

2026年8月更新：Qwen3.8では保持が既定で有効

Qwen3.8へ移行した場合、Qwen3.6向けの「trueを付けて有効化する」手順をそのまま必須条件として扱わないでください。反対に履歴を短くしたい場合は、Qwen3.8で明示的にfalseを渡します。ローカルOpenAI互換APIではchat_template_kwargs内、Qwen Cloudではpreserve_thinkingを直接指定します。

Qwen3.6の概要

Qwen3.6のpreserve_thinkingは、多ターン会話をchat templateへ変換するときに、過去のassistantメッセージに含まれるthinking blockを保持するためのオプションです。

公式モデルカードは、エージェント場面で意思決定の一貫性を高め、冗長な再推論を減らし、KV cache利用を改善できる場合があると説明しています。効果量はタスクと配信実装に依存するため、常に向上すると断定はできません。

既定動作との違い

Qwen3.6の既定動作では、最新のユーザーメッセージを処理したときのthinking blockだけを保持します。preserve_thinking: trueを指定すると、履歴中のthinking traceも保持してモデルへ渡せます。

履歴のシリアライズ結果がターン間で変わると、次のような影響が出る可能性があります。

• KV cache: 共通prefixが変化すれば再利用範囲が短くなる可能性があります。
• 意思決定: 過去のreasoning traceを使わないため、長いエージェント処理で判断の一貫性が変わる可能性があります。

preserve_thinking の動作

基本的なパラメータ

コード例（OpenAI SDK 互換）

from openai import OpenAI

client = OpenAI()

response = client.chat.completions.create(
    model="Qwen/Qwen3.6-35B-A3B",
    messages=messages,
    max_tokens=32768,
    temperature=0.7,
    top_p=0.8,
    extra_body={
        "top_k": 20,
        "chat_template_kwargs": {
            "enable_thinking": True,
            "preserve_thinking": True,   # 重要！
        },
    },
)

API（Alibaba Cloud Model Studio / DashScope）の場合

# Qwen3.6 のオープンソース モデル用
extra_body={"chat_template_kwargs": {"preserve_thinking": True}}

# Alibaba Cloud Model StudioのOpenAI互換Python SDK用
extra_body={"preserve_thinking": True}  # chat_template_kwargs は不要

DashScopeのraw HTTP APIでは、{"parameters": {"preserve_thinking": true}}の形で送ります。Model Studioの対応モデルIDは更新されるため、オープンモデルのQwen/Qwen3.6-35B-A3Bと、クラウドのqwen3.6-plusなどを同一のallowlistとして扱わないでください。

Hugging Face Transformers / ローカル推論の場合

# 利用中のTransformers版が対応していることを確認してchat templateへ渡す
from transformers import AutoProcessor

processor = AutoProcessor.from_pretrained("Qwen/Qwen3.6-35B-A3B")
prompt = processor.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    preserve_thinking=True,
)

指定場所を混同しないでください。 OpenAI互換のローカルendpointでは、SDKのextra_body内に{"chat_template_kwargs": {"preserve_thinking": true}}を入れます。Alibaba Cloud Model Studioでは{"preserve_thinking": true}を直接送ります。extra_bodyはOpenAI Python SDKの引数名であり、raw HTTP JSONのフィールド名ではありません。

なぜ重要なのか

1. KV キャッシュの再利用効率化

• 履歴prefixが同一に保たれ、server側もprefix cacheを利用する構成では、再利用範囲が広がる可能性があります。
• 共通prefixが保たれる構成では、KV cache利用が改善する可能性があります。
• 実際の改善幅はserver、template、履歴の作り方を固定して測定します。

2. エージェントワークフローの一貫性向上

• モデルが履歴中のthinking traceを参照できるため、意思決定の一貫性を高められる可能性があります。
• ツール選択や引数の正確さは保証されないため、JSON Schemaによる出力検証と権限制御は別途必要です。
• マルチステップタスクでは、成功率と再試行回数をoff/onで比較します。

生成結果をschemaで受けるだけでなく、アプリケーション側で再検証する二重検証の設計も合わせて確認すると、エージェントの失敗を切り分けやすくなります。具体的な構成はOllama構造化出力の二重検証設計で整理しています。

3. トークン消費の削減

• 公式説明では、冗長な再推論が減り、総token数が減る場合があるとされています。
• 一方で履歴自体は長くなるため、入力token数を含めた総量で確認します。

有効化の検証方法（テスト手順）

次の2ターンは、履歴の扱いを観察するための簡易プローブです。モデル出力は確率的であり、この一例だけで対応可否や性能を判定しないでください。

1. 最初のメッセージ:
   can you come up with two random 20-digit numbers and validate that they are 20 digits, do not use any tools, and only give me one of the two and nothing else

2. 次のターンで確認:
   now give me the second number that you came up with

クリエイター向け実装の注意点

クライアント対応を確認する方法

• クライアントが任意のchat_template_kwargsをrequest bodyへ転送できるか確認します。
• 転送後のserver logまたはtemplate展開結果で、preserve_thinkingが実際に反映されたか確認します。
• LM Studio、Ollama、KoboldCppなどの対応状況は更新されるため、製品名だけで可否を固定せず、利用版の公式資料と実リクエストを確認します。

Qwen Codeの実装

Qwen CodeのPR #2897は2026年4月にmergeされた履歴資料です。2026年8月22日公開のv0.22.0ではPR固有の内部関数や時間条件を前提にできないため、現在の公開API仕様ではなく設計経緯として参照し、利用するreleaseまたはcommitの実装を確認します。

Qwen3.6 のアーキテクチャコンテキスト

Qwen3.6-35B-A3B (オープンソース版)

Qwen3.6-Plus (クラウド/API版)

クラウド版のcontext上限、出力上限、速度、課金はサービス更新や提供地域で変わります。本記事では固定値を再掲せず、利用時点のAlibaba Cloud Model Studio公式ドキュメントとAPI応答を確認します。

Qwen3.6 の思考モード

• デフォルトで Thinking mode が有効です。Qwen3で案内された/think／/no_thinkをQwen3.6の切替方法として流用せず、APIまたはchat templateのparameterを使います。
• thinkingの表現形式はruntimeによって、本文内のblockまたは別フィールドになる場合があります。
• 直接回答を得たい場合は、chat_template_kwargs: {"enable_thinking": False} を設定してください。

参考情報源

まとめ

preserve_thinkingは、thinking履歴のシリアライズをエージェント用途に合わせて制御する選択肢です。Qwen3.6では全履歴保持を有効化し、Qwen3.8では既定で有効な保持を必要に応じて無効化する、という違いがあります。

1. エージェントアプリケーション（マルチステップのツール呼び出し）
2. コード生成・デバッグ（リポジトリレベルの複雑な問題解決）
3. 長文コンテキスト処理（一貫性の維持）
4. KV キャッシュの最適化が必要な推論環境

ローカルのOpenAI互換APIではchat_template_kwargsにネストし、Qwen CloudのOpenAI互換APIではpreserve_thinkingを直接指定します。DashScope raw HTTPではparameters配下です。クライアントからserverまでフィールドが保持されることを確認し、off/onでタスク成功率、総token数、cache指標、遅延を比較してください。

外部クライアントから使うとき

OpenCodeなどの汎用クライアントから利用する場合は、クライアントが任意のrequest bodyフィールドをOpenAI互換endpointへ転送できることが前提です。設定名や転送挙動は更新されるため、古い設定例をそのまま信頼せず、まずraw HTTPでserver側の対応を確認します。

raw HTTPでの確認例

curl http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Qwen/Qwen3.6-35B-A3B",
    "messages": [
      {"role": "user", "content": "2段階で解く短い計画問題を作ってください"}
    ],
    "stream": false,
    "chat_template_kwargs": {
      "enable_thinking": true,
      "preserve_thinking": true
    }
  }'

raw HTTPではchat_template_kwargsをrequest bodyへ直接入れます。Python SDKのextra_bodyは、標準引数にないフィールドをHTTP bodyへ追加するためのSDK側ラッパーなので、JSON内に"extra_body"というキーを作りません。

クライアント接続時のチェック

1. 同じendpointへ上のcurlを送り、HTTP statusとserver logを確認します。
2. クライアントが送った実requestでchat_template_kwargsが欠落していないか確認します。
3. off/onの双方で同じ会話履歴、sampling、seed、model revisionを使います。
4. タスク成功率、総input/output token、cache hitまたはprefix再利用指標、TTFTを複数回記録します。

Qwen CodeとOpenCodeは別プロジェクトです。Qwen Codeのthinking履歴処理を調べる場合は、利用releaseの実装を正本とし、PR #2897は過去の設計資料として参照してください。別クライアントへその内部挙動を当てはめないでください。

調査日: 2026年8月23日。Qwen3.6／Qwen3.8公式モデルカード、Alibaba Cloud資料、Qwen Code v0.22.0を確認。