阿里開源 Qwen3.6-35B-A3B：35B 總引數僅啟用 3B，程式設計能力堪比十倍體量

Qwen3.6-35B-A3B 是阿里 Qwen 團隊以 Apache 2.0 協議開源的稀疏 MoE 模型，主打極高推理效率與程式碼智慧體能力。

作為 2 月份 Qwen3.5 系列釋出後推出的首個 Qwen3.6 開源權重版本，它把重點放在了穩定性和實際生產力上。

它能做什麼

模型的總引數量為 350 億（35B），但每次計算僅啟用 30 億（3B）引數。

在程式設計方面，官方表示它的智慧體程式設計能力可以媲美啟用引數量達到其 10 倍的模型。它能夠更流暢、精準地處理前端工作流以及倉庫級別的程式碼推理。

除了寫程式碼，它還是一個多模態模型，具備圖文感知與推理能力，並且同時支援多模態思考模式與常規的非思考推理模式。

怎麼跑起來

Qwen3.6-35B-A3B 採用寬鬆的 Apache 2.0 協議開源，後訓練權重和配置檔案已經完整上傳到了 Hugging Face 和魔搭社群 ModelScope。

推理生態方面支援很全面。它相容 Hugging Face Transformers、vLLM、SGLang 和 KTransformers 等主流框架，也可以直接使用 Docker Model Runner 一鍵執行容器映象。

如果你不想本地部署，可以直接在 Qwen Studio 網頁端或者 HuggingChat 體驗。此外，開發者也可以在 Google Colab、Kaggle 以及 AMD Developer Cloud 上快速啟動筆記本。

阿里雲百鍊平臺（Model Studio）的 API 即將上線，API 名稱為 Qwen3.6-Flash。

為什麼重要

對於個人開發者和邊緣計算場景來說，這款模型值得重點關注。啟用引數只有 3B，意味著執行時的計算延遲和吞吐消耗極低，卻能獲得接近大模型的程式碼生成和倉庫理解效果。

我們認為，阿里在 MoE 架構上的這種打法很務實。雖然 35B 的總引數量依然需要佔用相應的視訊記憶體來存放權重，但啟用成本被壓到了極低水平，非常適合作為高併發、低成本的本地或私有化程式設計助手。

不過要注意，雖然官方宣稱其效能匹敵 10 倍體量模型，但在面對極為複雜的跨檔案邏輯或極端生僻的多模態任務時，3B 的實際啟用容量是否會出現泛化瓶頸，還需要社群在真實開發環境裡進一步驗證。