Czy mogę uruchomić Qwen3.6-35B-A3B lokalnie?

Tak — wagi są otwarte na licencji Apache 2.0 i dostępne na Hugging Face, kompatybilne z Transformers, vLLM, SGLang i KTransformers. Ponieważ aktywnych jest tylko 3 mld parametrów na token, wymagania pamięciowe są niższe niż sugerowałaby liczba 35 mld parametrów łącznie; przed pobraniem sprawdź przewodnik VRAM.

Ile to kosztuje i jak duże jest okno kontekstu?

Przez API kosztuje 0,10 USD za milion tokenów wejściowych i 0,95 USD za milion tokenów wyjściowych, z natywnym kontekstem 262 144 tokenów — rozszerzalnym do około 1 miliona przez YaRN.

Jak to się ma do Qwen3.5-35B-A3B?

Qwen3.6 to bezpośredni następca, zbudowany na podstawie opinii społeczności, z głównymi postępami w benchmarkach agentowego kodowania i nową opcją zachowywania śladów rozumowania w wieloetapowych rozmowach; wyniki w wiedzy ogólnej są podobne.

▲

122%

ten tydzień

Qwen3.6 35B A3B

8682°

#llm #qwen #wizja #wideo #rozumowanie #kodowanie

Ten tydzień

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza 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.

Poradniki do tego modelu

Jak zainstalować Ollama i uruchomić lokalną AI (Windows, Mac, Linux)

Ollama vs LM Studio (2026): którą lokalną aplikację AI wybrać i które topowe modele obsługuje każda z nich

Najlepsze lokalne LLM według zastosowania (październik 2026): odpowiedni otwarty model do każdego zadania

Ile VRAM naprawdę potrzebuję do lokalnej AI?

Co to jest plik GGUF? Wyjaśnienie modeli kwantyzowanych (Q4, Q8, fp8, NF4)

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

Qwen3.6-35B-A3B to model multimodalny z otwartymi wagami od Alibaba Cloud, oparty na hybrydowej architekturze mieszanki ekspertów rzadkich: 35 miliardów parametrów łącznie, ale tylko 3 miliardy aktywnych na token, co utrzymuje koszty inferencji niskie. Jego główną nowością względem poprzednika jest agentowe kodowanie, szczególnie w przepływach frontendowych i zadaniach na poziomie repozytorium. Jeśli potrzebujesz zdolnego kodera i agenta, którego możesz uruchomić lokalnie lub tanio przez API, warto się nim poważnie zainteresować.

Znany z

Agentowe kodowanie: silny w przepływach frontendowych i rozumowaniu na poziomie repozytorium
Tylko 3 mld parametrów aktywnych na token, więc inferencja jest szybka i tania
Natywne okno kontekstu 262 tys. tokenów, rozszerzalne do około 1 mln przez YaRN
Akceptuje tekst, obraz i wideo z zintegrowanym trybem myślenia
Ślady rozumowania zachowywane w wieloetapowych rozmowach

Uważaj na

Koszt tokenów wyjściowych jest prawie 10 razy wyższy niż wejściowych, 0,95 USD za milion — długie sesje agentowe szybko się sumują.
Hybrydowa architektura uwagi liniowej jest mniej przetestowana niż standardowe transformatory; niektóre stosy inferencyjne mogą mieć opóźnienia w wsparciu.
Jakość wejść wizji i wideo nie była niezależnie benchmarkowana w opublikowanych wynikach.

Najlepszy do

Kodowanie

Agenci i użycie narzędzi

Rozumowanie

Wizja

Działa lokalnie

Podpowiedzi do wypróbowania

Przepisz nieuporządkowaną bazę kodu

Mam frontend React, w którym cały stan jest zarządzany w jednym pliku App.js o długości 800 linii. Brak komponentów, brak własnych hooków, a propsy przekazywane są na cztery poziomy w dół. Przeanalizuj strukturę, wskaż trzy najbardziej szkodliwe problemy, a następnie przygotuj konkretny plan refaktoryzacji z nazwami plików i kolejnością zmian, które powinienem wykonać.

Plan wieloetapowego agenta

Jesteś agentem z dostępem do bash i narzędzi edycji plików. Projekt Pythona użytkownika nie przechodzi testów CI z powodu trzech niestabilnych testów zależnych od rzeczywistego wywołania sieciowego do zewnętrznego API. Opisz, jak zlokalizujesz testy, zaprojektujesz strategię mockowania, wdrożysz poprawkę i zweryfikujesz ją bez dotykania produkcyjnej ścieżki kodu.

Trudna zagadka logiczna

Pięciu inżynierów każdy zna inny język programowania, pije inny napój i pracuje w innej strefie czasowej. Inżynier Rust pije espresso. Inżynier w UTC+9 zna Pythona. Inżynier TypeScript siedzi bezpośrednio po lewej stronie kawosza. Inżynier Go pracuje w UTC-5. Kto pije herbatę i jakiego języka używa? Pokaż rozumowanie krok po kroku.

Porównaj z

Qwen3.7 Flash
Model tylko z API
Kontekst 1,000,000 tokenów · $0.03/M wejście, $0.13/M wyjście
Qwen3.8 Max (0902)
Model tylko z API
Kontekst 1,000,000 tokenów · $2.00/M wejście, $6.00/M wyjście
Qwen3.8 Omni Flash
Model tylko z API
Kontekst 1,000,000 tokenów · $0.15/M wejście, $0.47/M wyjście
Qwen3.5 Plus 2026-02-15
Model tylko z API
Kontekst 1,000,000 tokenów · $0.26/M wejście, $1.56/M wyjście

Więcej modeli tekstowych od qwen

Pytania, które ludzie zadają

Czy mogę uruchomić Qwen3.6-35B-A3B lokalnie?: Tak — wagi są otwarte na licencji Apache 2.0 i dostępne na Hugging Face, kompatybilne z Transformers, vLLM, SGLang i KTransformers. Ponieważ aktywnych jest tylko 3 mld parametrów na token, wymagania pamięciowe są niższe niż sugerowałaby liczba 35 mld parametrów łącznie; przed pobraniem sprawdź przewodnik VRAM.
Ile to kosztuje i jak duże jest okno kontekstu?: Przez API kosztuje 0,10 USD za milion tokenów wejściowych i 0,95 USD za milion tokenów wyjściowych, z natywnym kontekstem 262 144 tokenów — rozszerzalnym do około 1 miliona przez YaRN.
Jak to się ma do Qwen3.5-35B-A3B?: Qwen3.6 to bezpośredni następca, zbudowany na podstawie opinii społeczności, z głównymi postępami w benchmarkach agentowego kodowania i nową opcją zachowywania śladów rozumowania w wieloetapowych rozmowach; wyniki w wiedzy ogólnej są podobne.

Wyrok kapitana
Rzadkie połączenie: otwarte wagi, multimodalne wejście, długi kontekst i naprawdę konkurencyjne agentowe kodowanie w cenie, która nie boli.

Karta modelu na Hugging Face

Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.

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

Trend popularności: Qwen3.6 35B A3B

Wynik heat od 27 Apr 2026

Wskaźnik popularności

8,682°

Ten tydzień

▲

122%

8,578° wtedy, 8,682° teraz

Ten miesiąc

n/a

Jeszcze nie wydano/śledzono

Ostatni rok

n/a

Jeszcze nie wydano/śledzono

7,000°

Podstawa

Skala idzie od 0° do 9 999°. Wszystko poniżej 7,000° jest zarezerwowane dla modeli, o których żadne źródło jeszcze nie raportuje, które mają tam zastępczą wartość, by listy były kompletne. 7,000° to punkt startowy dla danych pomiarowych: model z prawdziwymi danymi, ale prawie bez pobrań, stoi na tej podstawie, a pomiary wypełniają stopnie powyżej niej. Podstawa nic nie mówi o modelu; to stopnie powyżej niej robią różnicę i to one rozróżniają modele.

+1,365°

Tokeny OpenRouter

355,046,263,575 tokenów przetworzonych przez ten model przez OpenRouter w ciągu ostatnich 30 dni, razem zapytania i odpowiedzi. Każde 10,000,000 tokenów liczy się jako jedno pobranie w terminie pobrań, łącznie 35,504; tokeny z ostatniego dnia wchodzą do wskaźnika adopcji. Źródło: OpenRouter (openrouter.ai/rankings).

+317°

Tempo adopcji

Około 16,735 pobrań dziennie, mierzone między dwoma odczytami źródeł, nigdy nie szacowane na podstawie średniej z całego czasu. Prędkość waży ćwierć składnika pobrań, więc świeży wzrost jest widoczny, ale jednodniowy skok nie przebije lat użycia.

Pokaż szczegóły

Każdą liczbę na tej stronie można sprawdzić. Wynik popularności tego modelu to 8,682°, a tutaj jest zbudowany krok po kroku, z bieżącym sumowaniem po każdym składniku: podstawa, stopnie dodawane przez każde źródło, bonus za rodzaj modelu oraz odejmowanie za wiek wag. Kolory odpowiadają zakresom na wykresie powyżej. Na końcu znajduje się słownik, który wyjaśnia każde pojęcie.

1
Zacznij od podstawy.
Dlaczego 7,000°, a nie zero: skala idzie od 0° do 9 999°, a część poniżej 7,000° jest zarezerwowana dla modeli, o których żadne źródło jeszcze nie raportuje, które mają tam zastępczą wartość, by listy były kompletne i nigdy nie wyprzedzały modeli z danymi. 7,000° to punkt startowy dla danych pomiarowych. Model z prawdziwymi danymi, ale prawie bez pobrań, stoi tutaj; wszystko co dalej to pomiary, a przestrzeń powyżej podstawy mieści dziesięć dziesięciokrotnych kroków w pobraniach po 300° każdy. Podstawa jest taka sama dla każdego modelu, więc nic nie decyduje; decydują stopnie powyżej niej.
7,000°
bieżąca suma
2
Dodaj pobrania.
35,504 równoważników pobrań łącznie, z Tokeny OpenRouter. Dziesięć razy więcej pobrań dodaje ten sam 300°, więc rozmiar ma znaczenie, ale nigdy nie dominuje wyniku.
+1,365°
8,365°
bieżąca suma
3
Dodaj tempo adopcji.
Około 16,735 pobrań dziennie teraz, mierzone między dwoma odczytami, z wagą ćwierć pobrania.
+317°
8,682°
bieżąca suma
=
Wynik heat.
Pozycja tego modelu na każdej liście na tej stronie. Nic innego tego nie zmienia.
8,682°

Słowniczek: używane tu terminy

Wynik heat: Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa: 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań: Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna: Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia: Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji: Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany: Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder: Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde: Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące: Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter: Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint): Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding: Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi: Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek: Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny: Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy: Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji): Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend: Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model: Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.

Jak popularność tego modelu zmieniała się w porównaniu do reszty katalogu: jego wzrost w pobraniach, polubieniach i użyciu w każdym okresie, mierzony względem typowego wzrostu modelu w tym samym czasie, wraz z jego wynikiem heat score. Powyżej typowego wzrostu oznacza wzrost, poniżej spadek. Przeszłość jest odtwarzana na podstawie dzisiejszych sum, pierwszego dnia modelu i zmierzonej prędkości pobrań, jeśli są dwa odczyty; model, który nie istniał na początku okresu, pokazuje n/d.

Podobne modele

Nemotron 3 Nano 30B A3B

Modele AI do generowania obrazów, wideo i tekstu

Qwen3.6 35B A3B to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.

Więcej modeli Text / LLM Więcej Text / LLM Tekst / LLM llm qwen wizja wideo rozumowanie kodowanie agenci lokalny

Przeglądaj według rodziny modeli