# Qwen3.6-35B-A3B：具有能动编码能力的模型，现已向所有人开放

- 来源：Hacker News 热门（buzzing.cc 中文翻译）
- 作者：cmitsakis
- 发布时间：2026-04-16 22:32
- AIHOT 分数：84
- AIHOT 标记：精选
- AIHOT 链接：https://aihot.virxact.com/items/cmo1l583w00xkslrr53kmsgxv
- 原文链接：https://qwen.ai/blog?id=qwen3.6-35b-a3b

## 精选理由

Qwen 这台 3B 活跃参数的 MoE 在 coding agent 上追平 27B 密集模型，效率惊人，对端侧部署和低成本 agent 应用是实打实的利好。

## AI 摘要

阿里巴巴通义千问团队发布Qwen3.6-35B-A3B代码模型，总参数350亿、激活参数30亿，具备能动编码（Agentic Coding）能力，可自主规划并执行复杂编程任务。该模型采用MoE架构平衡性能与成本，现已完全开源并向公众免费开放。

## 正文

Qwen3.6-35B-A3B：智能体编程能力，现已全面开放 | Qwen

Qwen3.6-35B-A3B：智能体编程能力，现已全面开放

QWEN STUDIOHUGGING FACEMODELSCOPEDISCORD

继 Qwen3.6-Plus 发布之后，我们很高兴地开源 Qwen3.6-35B-A3B——一个稀疏但能力卓越的混合专家（MoE）模型，总参数量为 350 亿，仅 30 亿参数被激活。尽管效率极高，Qwen3.6-35B-A3B 仍能提供出色的智能体编程性能，大幅超越其前代 Qwen3.5-35B-A3B，并可媲美 Qwen3.5-27B 和 Gemma4-31B 等规模更大的稠密模型。Qwen3.6-35B-A3B 同时支持多模态思考模式与非思考模式，是当前功能最全面的开源模型之一。现在，Qwen3.6-35B-A3B 已在 Qwen Studio 上线，可通过我们的 API 调用，并以开放权重形式发布给社区。

Qwen3.6-35B-A3B 是一个完全开源的 MoE 模型（总参数量 350 亿 / 激活参数 30 亿），具备以下特点：卓越的智能体编程能力，可与规模大得多的模型相抗衡；强大的多模态感知与推理能力。

您可以在 Qwen Studio 上进行交互式对话，通过阿里云模型服务平台 API 以 Qwen3.6-Flash 名称调用 API，或从 Hugging Face 和 ModelScope 下载权重。

性能表现#

下面我们展示 Qwen3.6-35B-A3B 与同规模模型在广泛任务和模态上的全面评估结果。

语言能力#

仅凭 30 亿激活参数，Qwen3.6-35B-A3B 在多个关键编程基准测试上超越了稠密型 270 亿参数模型 Qwen3.5-27B，并大幅领先其直接前代 Qwen3.5-35B-A3B，尤其是在智能体编程和推理任务上。

Qwen3.5-27B Gemma4-31B Qwen3.5-35BA3B Gemma4-26BA4B Qwen3.6-35BA3B

编程智能体

SWE-bench Verified 75.0 52.0 70.0 17.4 73.4

SWE-bench Multilingual 69.3 51.7 60.3 17.3 67.2

SWE-bench Pro 51.2 35.7 44.6 13.8 49.5

Terminal-Bench 2.0 41.6 42.9 40.5 34.2 51.5

Claw-Eval 平均分 64.3 48.5 65.4 58.8 68.7

Claw-Eval Pass^3 46.2 25.0 51.0 28.0 50.0

SkillsBench 平均分5 27.2 23.6 4.4 12.3 28.7

QwenClawBench 52.2 41.7 47.7 38.7 52.6

NL2Repo 27.3 15.5 20.5 11.6 29.4

QwenWebBench 1068 1197 978 1178 1397

通用智能体

TAU3-Bench 68.4 67.5 68.9 59.0 67.2

VITA-Bench 41.8 43.0 29.1 36.9 35.6

DeepPlanning 22.6 24.0 22.8 16.2 25.9

Tool Decathlon 31.5 21.2 28.7 12.0 26.9

MCPMark 36.3 18.1 27.0 14.2 37.0

MCP-Atlas 68.4 57.2 62.4 50.0 62.8

WideSearch 66.4 35.2 59.1 38.3 60.1

知识

MMLU-Pro 86.1 85.2 85.3 82.6 85.2

MMLU-Redux 93.2 93.7 93.3 92.7 93.3

SuperGPQA 65.6 65.7 63.4 61.4 64.7

C-Eval 90.5 82.6 90.2 82.5 90.0

STEM 与推理

GPQA 85.5 84.3 84.2 82.3 86.0

HLE 24.3 19.5 22.4 8.7 21.4

LiveCodeBench v6 80.7 80.0 74.6 77.1 80.4

HMMT 2025年2月 92.0 88.7 89.0 91.7 90.7

HMMT 2025年11月 89.8 87.5 89.2 87.5 89.1

HMMT 2026年2月 84.3 77.2 78.7 79.0 83.6

IMOAnswerBench 79.9 74.5 76.8 74.3 78.9

AIME26 92.6 89.2 91.0 88.3 92.7

SWE-Bench 系列：内部智能体脚手架（bash + 文件编辑工具）；temp=1.0，topp=0.95，200K 上下文窗口。我们修正了 SWE-bench Pro 公开数据集中的一些有问题的任务，并在优化后的基准上评估所有基线。

Terminal-Bench 2.0：Harbor/Terminus-2 测试框架；3 小时超时，32 CPU/48 GB 内存；temp=1.0，topp=0.95，topk=20，maxtokens=80K，256K 上下文；5 次运行的平均值。

SkillsBench：通过 OpenCode 在 78 个任务上评估（自包含子集，排除依赖 API 的任务）；5 次运行的平均值。

NL2Repo：其他模型通过 Claude Code 评估（temp=1.0，topp=0.95，maxturns=900）。

QwenClawBench：一个基于真实用户分布的内部 Claw 智能体基准（即将开源）；temp=0.6，256K 上下文。

QwenWebBench：一个内部前端代码生成基准；双语（英文/中文），7 个类别（网页设计、网页应用、游戏、SVG、数据可视化、动画和 3D）；自动渲染 + 多模态评判器（代码/视觉正确性）；BT/Elo 评分系统。

TAU3-Bench：我们使用官方用户模型（gpt-5.2，低推理强度）+ 默认 BM25 检索。

VITA-Bench：各子领域平均得分；使用 claude-4-sonnet 作为评判器，因为官方评判器（claude-3.7-sonnet）已不再可用。

MCPMark：GitHub MCP v0.30.3；Playwright 响应截断至 32K tokens。

MCP-Atlas：公开集得分；gemini-2.5-pro 评判器。

AIME 26：我们使用完整的 AIME 2026（I 和 II），得分可能与 Qwen 3.5 说明中的结果不同。

视觉语言

Qwen3.6 原生支持多模态，Qwen3.6-35B-A3B 展现出的感知与多模态推理能力远超其模型规模所暗示的水平，仅需约 30 亿激活参数。在大多数视觉语言基准测试中，其性能与 Claude Sonnet 4.5 相当，甚至在多项任务上超越后者。该模型的优势在空间智能方面尤为突出，在 RefCOCO 上达到 92.0，在 ODInW13 上达到 50.8。

Qwen3.5-27B Claude-Sonnet-4.5 Gemma4-31B Gemma4-26BA4B Qwen3.5-35B-A3B Qwen3.6-35B-A3B

STEM 与谜题

MMMU 82.3 79.6 80.4 78.4 81.4 81.7

MMMU-Pro 75.0 68.4 76.9 73.8 75.1 75.3

Mathvista(mini) 87.8 79.8 79.3 79.4 86.2 86.4

ZEROBenchsub 36.2 26.3 26.0 26.3 34.1 34.4

通用 VQA

RealWorldQA 83.7 70.3 72.3 72.2 84.1 85.3

MMBench EN-DEV-v1.1 92.6 88.3 90.9 89.0 91.5 92.8

SimpleVQA 56.0 57.6 52.9 52.2 58.3 58.9

HallusionBench 70.0 59.9 67.4 66.1 67.9 69.8

文本识别与文档理解

OmniDocBench1.5 88.9 85.8 80.1 74.4 89.3 89.9

CharXiv(RQ) 79.5 67.2 67.9 69.0 77.5 78.0

CC-OCR 81.0 68.1 75.7 74.5 80.7 81.9

AI2DTEST 92.9 87.0 89.0 88.3 92.6 92.7

空间智能

RefCOCO(avg) 90.9 -- -- -- 89.2 92.0

ODInW13 41.1 -- -- -- 42.6 50.8

EmbSpatialBench 84.5 71.8 -- -- 83.1 84.3

RefSpatialBench 67.7 -- -- -- 63.5 64.3

视频理解

VideoMME(w sub.) 87.0 81.1 -- -- 86.6 86.6

VideoMME(w/o sub.) 82.8 75.3 -- -- 82.5 82.5

VideoMMMU 82.3 77.6 81.6 76.0 80.4 83.7

MLVU 85.9 72.8 -- -- 85.6 86.2

MVBench 74.6 -- -- -- 74.8 74.6

LVBench 73.6 -- -- -- 71.4 71.4

空单元格（--）表示分数不可用或不适用。

使用 Qwen3.6-35B-A3B 构建#

Qwen3.6-35B-A3B 以开放权重形式在 Hugging Face 和 ModelScope 上提供，可用于自行部署，也可通过阿里云百炼 API 以 qwen3.6-flash 名称调用。您还可以在 Qwen Studio 上立即体验。

该模型可与流行的第三方编程助手无缝集成，包括 OpenClaw、Claude Code 和 Qwen Code，从而简化开发工作流程，实现高效且具有上下文感知能力的编程体验。

API 使用#

本次发布支持保留思考功能：保留消息中所有先前轮次的思考内容，建议在智能体任务中使用。

阿里云百炼

阿里云百炼平台支持行业标准协议，包括兼容 OpenAI 规范的聊天补全与响应 API，以及兼容 Anthropic 的 API 接口。

以下是聊天补全 API 的示例代码：

""" 环境变量（根据官方文档）： DASHSCOPEAPIKEY：您的 API 密钥，来自 https://modelstudio.console.alibabacloud.com DASHSCOPEBASEURL：（可选）兼容模式 API 的基础 URL。

北京：https://dashscope.aliyuncs.com/compatible-mode/v1

新加坡：https://dashscope-intl.aliyuncs.com/compatible-mode/v1

美国（弗吉尼亚）：https://dashscope-us.aliyuncs.com/compatible-mode/v1 DASHSCOPEMODEL：（可选）模型名称；可覆盖以使用不同模型。 """from openai import OpenAIimport osapikey = os.environ.get("DASHSCOPEAPIKEY")if not apikey: raise ValueError( "DASHSCOPEAPIKEY is required. " "Set it via: export DASHSCOPEAPIKEY='your-api-key'" )client = OpenAI( apikey=apikey, baseurl=os.environ.get( "DASHSCOPEBASEURL", "https://dashscope-intl.aliyuncs.com/compatible-mode/v1", ),)messages = [{"role": "user", "content": "介绍 vibe coding。"}]model = os.environ.get( "DASHSCOPEMODEL", "qwen3.6-flash",)completion = client.chat.completions.create( model=model, messages=messages, extrabody={ "enablethinking": True, # "preservethinking": True, }, stream=True)reasoningcontent = "" # 完整推理过程answercontent = "" # 完整回答isanswering = False # 是否已进入回答阶段print("\n" + "=" 20 + "Reasoning" + "=" 20 + "\n")for chunk in completion: if not chunk.choices: print("\nUsage:") print(chunk.usage) continue delta = chunk.choices[0].delta # 仅收集推理内容 if hasattr(delta, "reasoningcontent") and delta.reasoningcontent is not None: if not isanswering: print(delta.reasoningcontent, end="", flush=True) reasoningcontent += delta.reasoningcontent # 收到内容，开始回答阶段 if hasattr(delta, "content") and delta.content: if not isanswering: print("\n" + "=" 20 + "Answer" + "=" 20 + "\n") isanswering = True print(delta.content, end="", flush=True) answercontent += delta.content

更多信息，请访问 API 文档。

编程与智能体

Qwen3.6-35B-A3B 具备出色的智能体编码能力，可无缝集成到流行的第三方编码助手，包括 OpenClaw、Claude Code 和 Qwen Code。

OpenClaw#

Qwen3.6-35B-A3B 兼容 OpenClaw（原名 Moltbot / Clawdbot），这是一款自托管开源 AI 编码智能体。将其连接到 Model Studio，即可在终端中获得完整的智能体编码体验。通过以下脚本开始使用：

bash

Node.js 22+curl -fsSL https://molt.bot/install.sh | bash # macOS / Linux# 设置你的 API 密钥export DASHSCOPEAPIKEY= 启动 OpenClawopenclaw dashboard # 网页浏览器# openclaw tui # 打开新终端并启动 TUI

首次使用时，编辑 ~/.openclaw/openclaw.json 文件，将 OpenClaw 指向 Model Studio。找到或创建以下字段并进行合并——不要覆盖整个文件，以保留你现有的设置：

json

{ "models": { "mode": "merge", "providers": { "modelstudio": { "baseUrl": "https://dashscope-intl.aliyuncs.com/compatible-mode/v1", "apiKey": "DASHSCOPEAPIKEY", "api": "openai-completions", "models": [ { "id": "qwen3.6-flash", "name": "qwen3.6-flash", "reasoning": true, "input": ["text", "image"], "contextWindow": 131072, "maxTokens": 16384 } ] } } }, "agents": { "defaults": { "model": { "primary": "modelstudio/qwen3.6-flash" }, "models": { "modelstudio/qwen3.6-flash": {} } } }}

Qwen Code#

Qwen3.6-35B-A3B 兼容 Qwen Code，这是一款专为终端设计、并针对通义千问系列深度优化的开源 AI 智能体。通过以下脚本开始使用：

bash

Node.js 20+npm install -g @qwen-code/qwen-code@latest 启动 Qwen Code（交互模式）qwen 然后在会话中：/help /auth

首次使用时，系统会提示你登录。你可以随时运行 /auth 来切换认证方式。

Claude Code#

Qwen API 还支持 Anthropic API 协议，这意味着你可以将其与 Claude Code 等工具配合使用，以获得更高级的编码体验：

bash

安装 Claude Codenpm install -g @anthropic-ai/claude-code 配置环境变量export ANTHROPICMODEL="qwen3.6-flash"export ANTHROPICSMALLFASTMODEL="qwen3.6-flash"export ANTHROPICBASEURL=https://dashscope-intl.aliyuncs.com/apps/anthropic export ANTHROPICAUTHTOKEN= 启动 CLIclaude

总结

Qwen3.6-35B-A3B 证明了稀疏 MoE 模型能够实现卓越的智能体编码与推理能力。仅需 3B 活跃参数，其性能即可媲美活跃规模数倍于己的稠密模型，同时在多模态基准测试中也表现优异。作为一款完全开源模型，它为其规模层级所能达到的水平树立了新标杆。

展望未来，我们将持续扩展 Qwen3.6 开源家族，并不断突破高效开源模型的能力边界。我们感谢社区的反馈，并期待看到大家基于 Qwen3.6-35B-A3B 构建的成果。此外，Qwen3.6 开源家族仍在持续壮大，敬请关注我们后续的发布！

引用说明#

如果您认为 Qwen3.6-35B-A3B 对您有帮助，欢迎引用以下文章：

@misc{qwen3635ba3b, title = {{Qwen3.6-35B-A3B}: 智能体编码能力，现已全面开放}, url = {https://qwen.ai/blog?id=qwen3.6-35b-a3b}, author = {{Qwen 团队}}, month = {四月}, year = {2026}}