Puis-je exécuter Qwen3.6-35B-A3B localement ?

Oui — les poids sont ouverts sous licence Apache 2.0 et disponibles sur Hugging Face, compatibles avec Transformers, vLLM, SGLang et KTransformers. Comme seuls 3 milliards de paramètres sont actifs par token, les besoins mémoire sont inférieurs à ce que suggère le total de 35 milliards ; vérifiez un guide VRAM avant de télécharger.

Quel est le coût et quelle est la fenêtre de contexte ?

Via API, c’est 0,10 $ par million de tokens d’entrée et 0,95 $ par million de tokens de sortie, avec un contexte natif de 262 144 tokens — extensible à environ 1 million via YaRN.

Comment cela se compare-t-il à Qwen3.5-35B-A3B ?

Qwen3.6 est le successeur direct, construit sur les retours de la communauté, avec les principaux gains dans les benchmarks de codage agentique et une nouvelle option pour conserver les traces de raisonnement sur les conversations multi-tours ; les scores de connaissances générales sont globalement similaires.

▲

122%

cette semaine

Qwen3.6 35B A3B

8682°

#llm #qwen #vision #vidéo #raisonnement #programmation

Cette semaine

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Qwen | 262,144 token context | $0.15/M input, $1.00/M output. Qwen3.6-35B-A3B is an open-weight multimodal model from Alibaba Cloud with 35 billion total parameters and 3 billion active parameters per token. It uses a hybrid sparse mixture-of-experts architecture combining Gated DeltaNet linear attention with standard gated attention layers, enabling efficient inference at a fraction of the compute cost. The model supports a 262K token native context window (extensible to 1M via YaRN) and accepts text, image, and video inputs. It includes integrated thinking mode with reasoning traces preserved across multi-turn conversations, function calling, and structured output. Released under the Apache 2.0 license.

Guides pour ce modèle

Comment installer Ollama et faire tourner une IA locale (Windows, Mac, Linux)

Ollama vs LM Studio (2026) : quelle application d’IA locale choisir, et quels modèles top chacun fait tourner

Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Qwen3.6-35B-A3B est un modèle multimodal à poids ouverts d’Alibaba Cloud construit sur une architecture hybride mixture-of-experts sparse : 35 milliards de paramètres au total mais seulement 3 milliards actifs par token, ce qui maintient les coûts d’inférence bas. Son amélioration principale par rapport à son prédécesseur est le codage agentique, en particulier les workflows frontend et les tâches au niveau des dépôts. Si vous avez besoin d’un codeur et agent performant que vous pouvez exécuter localement ou utiliser à bas coût via API, c’est un choix sérieux.

Connu pour

Codage agentique : performant sur workflows frontend et raisonnement au niveau des dépôts
Seulement 3 milliards de paramètres actifs par token, donc inférence rapide et économique
Fenêtre de contexte native de 262K, extensible à environ 1 million via YaRN
Accepte les entrées texte, image et vidéo avec mode de réflexion intégré
Traces de raisonnement conservées sur les conversations multi-tours

Attention à

Les tokens de sortie coûtent près de 10 fois les tokens d’entrée à 0,95 $/M — les longues sessions agentiques s’additionnent.
L’architecture hybride d’attention linéaire est moins éprouvée que les transformers standards ; certains stacks d’inférence peuvent avoir un support limité.
La qualité des entrées vision et vidéo n’est pas évaluée indépendamment dans les résultats publiés.

Idéal pour

Programmation

Agents et utilisation d'outils

Raisonnement

Vision

Fonctionne localement

Prompts à essayer

Refactoriser une base de code désordonnée

J’ai un frontend React avec tout l’état géré dans un seul fichier App.js de 800 lignes. Il n’y a pas de composants, pas de hooks personnalisés, et les props sont passés sur quatre niveaux. Analysez la structure, identifiez les trois problèmes les plus dommageables, puis proposez un plan concret de refactorisation avec noms de fichiers et ordre des changements à effectuer.

Plan agent multi-étapes

Vous êtes un agent avec accès à bash et outils d’édition de fichiers. Un projet Python d’un utilisateur échoue son pipeline CI à cause de trois tests instables qui dépendent d’un appel réseau réel à une API externe. Expliquez comment vous localiseriez les tests, concevriez une stratégie de mock, implémenteriez la correction, et vérifieriez sans toucher au code de production.

Puzzle de raisonnement difficile

Cinq ingénieurs possèdent chacun un langage de programmation différent, boivent une boisson différente, et travaillent dans un fuseau horaire différent. L’ingénieur Rust boit un espresso. L’ingénieur en UTC+9 utilise Python. L’ingénieur TypeScript est immédiatement à gauche du buveur de café. L’ingénieur Go travaille en UTC-5. Qui boit du thé, et quel langage utilise-t-il ? Montrez votre raisonnement étape par étape.

Comparer avec

Qwen3.7 Flash
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $0.03/M, sortie $0.13/M
Qwen3.8 Max (0902)
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $2.00/M, sortie $6.00/M
Qwen3.8 Omni Flash
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $0.15/M, sortie $0.47/M
Qwen3.5 Plus 2026-02-15
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $0.26/M, sortie $1.56/M

Plus de modèles de texte de qwen

Questions fréquentes

Puis-je exécuter Qwen3.6-35B-A3B localement ?: Oui — les poids sont ouverts sous licence Apache 2.0 et disponibles sur Hugging Face, compatibles avec Transformers, vLLM, SGLang et KTransformers. Comme seuls 3 milliards de paramètres sont actifs par token, les besoins mémoire sont inférieurs à ce que suggère le total de 35 milliards ; vérifiez un guide VRAM avant de télécharger.
Quel est le coût et quelle est la fenêtre de contexte ?: Via API, c’est 0,10 $ par million de tokens d’entrée et 0,95 $ par million de tokens de sortie, avec un contexte natif de 262 144 tokens — extensible à environ 1 million via YaRN.
Comment cela se compare-t-il à Qwen3.5-35B-A3B ?: Qwen3.6 est le successeur direct, construit sur les retours de la communauté, avec les principaux gains dans les benchmarks de codage agentique et une nouvelle option pour conserver les traces de raisonnement sur les conversations multi-tours ; les scores de connaissances générales sont globalement similaires.

Verdict du capitaine
Une combinaison rare : poids ouverts, entrée multimodale, contexte long et codage agentique réellement compétitif à un prix raisonnable.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: Silver · Hottest this week · #114 Hottest AI model · #48 Hottest Text / LLM model · #48 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendance de popularité de Qwen3.6 35B A3B

Score de chaleur depuis 27 Apr 2026

Score de popularité

8,682°

Cette semaine

▲

122%

8,578° alors, 8,682° maintenant

Ce mois-ci

n/a

Pas encore publié/suivi

L'année passée

n/a

Pas encore publié/suivi

7,000°

Plancher

L’échelle va de 0° à 9 999°. Tout ce qui est en dessous de 7,000° est réservé aux modèles dont aucune source ne rapporte encore de données, ils portent un nombre de remplacement pour que les listes restent complètes. 7,000° est le point où les données mesurées commencent : un modèle avec de vraies données mais presque aucun téléchargement est au plancher, et les mesures remplissent les degrés au-dessus. Le plancher ne dit rien sur le modèle ; seuls les degrés au-dessus le font, et ce sont eux qui différencient un modèle d’un autre.

+1,365°

Tokens OpenRouter

355,046,263,575 tokens traités par ce modèle via OpenRouter au cours des 30 derniers jours, prompts et réponses confondus. Chaque 10,000,000 tokens compte comme un téléchargement dans le terme de téléchargement, 35,504 au total ; les tokens du dernier jour s'ajoutent au taux d'adoption. Source : OpenRouter (openrouter.ai/rankings).

+317°

Taux d’adoption

Environ 16,735 téléchargements par jour, mesurés entre deux relevés des sources, jamais estimés à partir d’une moyenne sur la durée. La vitesse compte pour un quart du terme téléchargement, donc une poussée récente apparaît sans qu’un pic d’un jour dépasse des années d’usage.

Afficher le détail

Chaque chiffre sur ce site peut être vérifié. Le score de popularité de ce modèle est de 8,682°, et voici comment il est construit, ingrédient par ingrédient, avec le total cumulé après chaque étape : le plancher, les degrés ajoutés par chaque source, le bonus pour le type de modèle et ce que l’âge de ses poids enlève. Les couleurs correspondent aux bandes du graphique ci-dessus. Le glossaire à la fin définit chaque terme.

1
Commence au plancher.
Pourquoi 7,000° et pas zéro : l’échelle va de 0° à 9 999°, et la partie en dessous de 7,000° est réservée aux modèles dont aucune source ne rapporte encore de données, qui portent un nombre de remplacement pour que les listes restent complètes et ne dépassent jamais un modèle avec données. 7,000° est le point où les données mesurées commencent. Un modèle avec de vraies données mais presque aucun téléchargement est ici ; tout ce qui suit est une mesure, et l’espace au-dessus du plancher contient dix paliers de dix fois plus de téléchargements à 300° chacun. Le plancher est le même pour tous les modèles, donc il ne décide rien ; ce sont les degrés au-dessus qui le font.
7,000°
total en cours
2
Ajoute les téléchargements.
35,504 équivalents de téléchargement au total, venant de Tokens OpenRouter. Multiplier les téléchargements par dix ajoute le même 300°, donc la taille compte mais ne domine jamais le score.
+1,365°
8,365°
total en cours
3
Ajoute le taux d’adoption.
Environ 16,735 téléchargements par jour en ce moment, mesurés entre deux relevés, à un quart du poids.
+317°
8,682°
total en cours
=
Le score de chaleur.
La place de ce modèle dans chaque liste de ce site. Rien d’autre ne le modifie.
8,682°

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Voici comment la popularité de ce modèle a évolué par rapport au reste du catalogue : sa croissance en téléchargements, likes et utilisation à chaque période, comparée à la croissance typique des modèles sur la même période, avec son score de chaleur à ce moment-là. Au-dessus de la croissance typique, c’est une hausse, en dessous, une baisse. Le passé est reconstitué à partir des totaux d’aujourd’hui, du premier jour du modèle et de sa vitesse de téléchargement mesurée quand il y a deux relevés ; un modèle qui n’existait pas au début d’une période affiche n/a.

Modèles similaires

Mistral 7B Instruct v0.2

TEXT / LLM

GPT 5.1 Codex Max

TEXT / LLM

Modèles d'IA pour générer image, vidéo et texte

Qwen3.6 35B A3B est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm qwen vision vidéo raisonnement programmation agents local

Parcourir par famille de modèles