Qwen3.6-35B-A3B 發布說明

Qwen 已開源 Qwen3.6-35B-A3B，這是一個稀疏的混合專家（Mixture‑of‑Experts，MoE）模型，旨在提供高效能的代理式編碼與多模態推理。模型擁有 350 億總參數，但僅有 30 億活躍參數，使其在效能上可與更大型的密集模型（如 Qwen3.5-27B 與 Gemma4-31B）相媲美，同時保持顯著較小的活躍計算負載。

代理式編碼與推理效能

Qwen3.6-35B-A3B 超越其前身 Qwen3.5-35B-A3B，並在多項編碼與代理基準測試中與更大的密集模型競爭。僅憑 30 億活躍參數，即在代理式編碼任務上取得優於 270 億參數的 Qwen3.5-27B 的成果。

編碼代理基準

  • SWE-bench Verified：73.4（相較於 Qwen3.5-27B 的 75.0 與 Qwen3.5-35B-A3B 的 70.0）。
  • Terminal-Bench 2.0：51.5（超過 Qwen3.5-27B 的 41.6）。
  • Claw-Eval Avg：68.7（超過 Qwen3.5-27B 的 64.3）。
  • NL2Repo：29.4（超過 Qwen3.5-27B 的 27.3）。
  • QwenWebBench：1397（超過 Qwen3.5-27B 的 1068）。

通用代理與知識基準

  • MCPMark：37.0（相較於 Qwen3.5-27B 的 36.3）。
  • AIME26：92.7（相較於 Qwen3.5-27B 的 92.6）。
  • GPQA：86.0（相較於 Qwen3.5-27B 的 85.5）。

多模態能力

Qwen3.6-35B-A3B 原生支援多模態，提供的感知與推理能力在多項視覺‑語言基準上可與或超過 Claude Sonnet 4.5，尤其在空間智慧方面表現突出。

視覺‑語言基準

  • Spatial Intelligence：在 RefCOCO 上取得 92.0，於 ODInW13 上取得 50.8。
  • STEM and Puzzle：在 MMMU 上取得 81.7，於 Mathvista(mini) 上取得 86.4。
  • General VQA：在 RealWorldQA 上取得 85.3，於 MMBench EN-DEV-v1.1 上取得 92.8。
  • Document Understanding：在 OmniDocBench1.5 上取得 89.9，於 CC-OCR 上取得 81.9。
  • Video Understanding：在 VideoMMMU 上取得 83.7，於 MLVU 上取得 86.2。

整合與部署

Qwen3.6-35B-A3B 已於 Hugging Face 與 ModelScope 以開放權重形式提供，亦可透過阿里雲 Model Studio API（qwen3.6-flash）存取。

API 功能與相容性

  • Thinking Preservation：API 支援 preserve_thinking 功能，可保留前一回合訊息中的思考內容，建議於代理式任務中使用。
  • Protocol Support：阿里雲 Model Studio 支援 OpenAI 相容的聊天完成與回應 API，亦提供與 Anthropic 相容的 API 介面。

第三方編碼助理整合

  • OpenClaw：相容自行部署的開源 AI 編碼代理 OpenClaw。
  • Qwen Code：深度優化 Qwen 系列，提供終端機版 AI 代理。
  • Claude Code：透過 Qwen API 的 Anthropic 協議相容性支援。

模型規格摘要

功能 規格
總參數 350 億
活躍參數 30 億
架構 稀疏混合專家（MoE）
可取得性 開放權重（Hugging Face、ModelScope） / API（qwen3.6-flash）

Sources