2026年4月16日晚，阿里巴巴通义千问团队正式开源Qwen3.6系列首款模型——Qwen3.6-35B-A3B。

这款大模型采用稀疏混合专家（MoE）架构，总参数量350亿，推理时仅激活30亿参数。从算力消耗看，运行成本接近3B级小模型，但性能可以对标27B-31B的稠密模型。

核心参数

Qwen3.6-35B-A3B是Qwen3.6系列首个开源权重版本，使用Apache 2.0协议。模型内部有256个专家网络，每次推理激活8个路由专家加1个共享专家。架构共40层，隐藏层维度2048，融合了门控DeltaNet与门控注意力两种机制。

上下文方面，模型原生支持262,144 tokens，扩展后可达1,010,000 tokens。

开发者可在Hugging Face、ModelScope下载模型权重，或通过Qwen Studio在线体验。阿里云百炼API平台即将上线，命名为qwen3.6-flash。

编程能力

在智能体编程领域，Qwen3.6-35B-A3B交出了这样的成绩单：

• SWE-bench Verified：73.4分
• Terminal-Bench 2.0：51.5分
• AIME 2026：92.7分
• NL2Repo：29.4分

对比来看，SWE-bench Verified得分与Qwen3.5-27B的75.0基本持平，大幅超越前代Qwen3.5-35B-A3B的70.0。Terminal-Bench 2.0得分51.5，领先所有同级对比模型。NL2Repo取得29.4分，也超过了Qwen3.5-27B的27.3。

数学推理方面，AIME 2026得分92.7，MMLU-Pro 85.2，GPQA 86.0。

多模态表现

Qwen3.6-35B-A3B原生支持多模态输入输出，内置视觉编码器。在主流视觉语言基准测试中：

• MMMU：81.7分
• MathVista：86.4分
• RealWorldQA：85.3分
• OmniDocBench：89.9分

这些分数在大多数视觉语言基准上已与Claude Sonnet 4.5持平，部分任务实现超越。

空间智能方面表现更突出：RefCOCO得分92.0，ODInW13得分50.8，EmbSpatialBench得分84.3。视频理解方面，VideoMME（含字幕）86.6，VideoMMMU 83.7，VideoMMMU得分超过Claude Sonnet 4.5的77.6。

生态兼容性

模型已实现与主流编程智能体工具的深度兼容，包括OpenClaw、Claude Code、Qwen Code。API层面同时支持OpenAI与Anthropic两套标准协议，开发者切换模型时无需修改原有代码逻辑。

新功能方面，模型支持思维保留（Thinking Preservation）机制，可在多轮对话中保留历史推理上下文，减少重复推理开销。同时支持多模态思考与非思考模式切换，适配不同复杂度的任务需求。

技术架构

MoE架构的核心思路是：传统稠密模型无论任务难易都激活全部参数，而MoE将模型拆分为多个专家网络，根据任务类型动态选择合适的专家组合。以极低的激活参数实现接近全参数模型的性能。

模型兼容Transformers、vLLM、SGLang、KTransformers等主流推理框架。运行需要安装最新版本transformers，以及torchvision和pillow依赖。

本地部署友好

普通消费级显卡即可运行，编译产物仅数 MB，适合 Serverless 和边缘部署

模型下载：

• Hugging Face：https://huggingface.co/Qwen/Qwen3.6-35B-A3B
• ModelScope：https://modelscope.cn/models/Qwen/Qwen3.6-35B-A3B
• 在线体验：https://chat.qwen.ai/