Qwen3.6 35B A3B
8682°
รันโมเดลนี้
ข้อเสนอ / โฆษณา
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.
คู่มือสำหรับโมเดลนี้
วิธีติดตั้ง Ollama และใช้งาน AI แบบออฟไลน์ (Windows, Mac, Linux)
Ollama กับ LM Studio (2026): แอป AI ท้องถิ่นตัวไหนใช้ดี และแต่ละตัวรันโมเดลชั้นนำอะไรได้บ้าง
LLM ท้องถิ่นที่ดีที่สุดตามการใช้งาน (ตุลาคม 2026): โมเดลเปิดที่เหมาะกับทุกงาน
ฉันต้องการ VRAM เท่าไหร่สำหรับ AI ท้องถิ่นจริงๆ?
ไฟล์ GGUF คืออะไร? อธิบายโมเดลควอนไทซ์ (Q4, Q8, fp8, NF4)
บันทึกของกัปตัน
บันทึกจาก 2026-10-13
Qwen3.6-35B-A3B คือโมเดลมัลติโหมดน้ำหนักเปิดจาก Alibaba Cloud สร้างบนสถาปัตยกรรม mixture-of-experts แบบ sparse ผสมผสาน: มีพารามิเตอร์รวม 35 พันล้าน แต่ใช้งานจริงแค่ 3 พันล้านต่อโทเคน ทำให้ต้นทุนอินเฟอเรนซ์ต่ำ จุดเด่นเหนือรุ่นก่อนคือความสามารถด้าน agentic coding โดยเฉพาะงาน frontend และงานระดับ repository หากคุณต้องการโมเดลเขียนโค้ดและเอเจนต์ที่รันเองหรือใช้ผ่าน API ได้ในราคาประหยัด นี่คือทางเลือกที่ควรพิจารณา
เป็นที่รู้จักสำหรับ
- Agentic coding: เด่นด้าน workflow ฝั่ง frontend และเหตุผลระดับ repository
- ใช้งานจริงแค่ 3B พารามิเตอร์ต่อโทเคน อินเฟอเรนซ์จึงเร็วและถูก
- หน้าต่าง context 262K โทเคน ขยายได้ถึงประมาณ 1M ด้วย YaRN
- รับอินพุตข้อความ, รูปภาพ และวิดีโอ พร้อมโหมดคิดแบบบูรณาการ
- รักษา reasoning trace ข้ามบทสนทนาแบบหลายรอบ
ระวัง
- โทเคนขาออกแพงกว่าขาเข้าเกือบ 10 เท่า ($0.95/M) — งานเอเจนต์ยาว ๆ ต้นทุนจะสูง
- สถาปัตยกรรม linear-attention แบบ hybrid ยังใหม่กว่าทรานส์ฟอร์เมอร์มาตรฐาน บาง stack อาจยังรองรับไม่ดี
- คุณภาพการรับรู้ภาพและวิดีโอยังไม่มีเบนช์มาร์กอิสระในผลลัพธ์ที่เผยแพร่
คำสั่งที่ควรลอง
รีแฟกเตอร์โค้ดเบสที่ยุ่งเหยิง
ฉันมี React frontend ที่ state ทั้งหมดอยู่ในไฟล์ App.js ยาว 800 บรรทัด ไม่มี component, ไม่มี custom hook และ prop ถูกส่งลึกถึง 4 ชั้น วิเคราะห์โครงสร้าง ระบุ 3 ปัญหาหลักที่กระทบหนักสุด แล้วสร้างแผนรีแฟกเตอร์พร้อมชื่อไฟล์และลำดับการเปลี่ยนแปลงที่ควรทำ
แผนเอเจนต์หลายขั้นตอน
คุณเป็นเอเจนต์ที่เข้าถึง bash และเครื่องมือแก้ไขไฟล์ได้ โปรเจกต์ Python ของผู้ใช้ล้มเหลวใน CI เพราะมี 3 เทสต์ที่ไม่เสถียรซึ่งพึ่งพาการเรียก API ภายนอกจริง ๆ อธิบายขั้นตอนการหาตำแหน่งเทสต์ ออกแบบวิธี mock แก้ไข และตรวจสอบผลลัพธ์โดยไม่แตะ code path ฝั่ง production
ปริศนาเหตุผลยาก
วิศวกร 5 คน แต่ละคนใช้ภาษาโปรแกรมต่างกัน ดื่มเครื่องดื่มต่างกัน และทำงานในไทม์โซนต่างกัน วิศวกร Rust ดื่ม espresso วิศวกรใน UTC+9 ใช้ Python วิศวกร TypeScript อยู่ติดซ้ายมือของคนดื่มกาแฟ วิศวกร Go ทำงานใน UTC-5 ใครดื่มชา และเขาใช้ภาษาอะไร? แสดงเหตุผลทีละขั้น
เปรียบเทียบกับ
- Qwen3.7 Flashโมเดลสำหรับ API เท่านั้นบริบท 1,000,000 โทเค็น · ป้อน $0.03/M, ส่งออก $0.13/M
- Qwen3.8 Max (0902)โมเดลสำหรับ API เท่านั้นบริบท 1,000,000 โทเค็น · ป้อน $2.00/M, ส่งออก $6.00/M
- Qwen3.8 Omni Flashโมเดลสำหรับ API เท่านั้นบริบท 1,000,000 โทเค็น · ป้อน $0.15/M, ส่งออก $0.47/M
- Qwen3.5 Plus 2026-02-15โมเดลสำหรับ API เท่านั้นบริบท 1,000,000 โทเค็น · ป้อน $0.26/M, ส่งออก $1.56/M
โมเดลข้อความเพิ่มเติมจาก qwen
คำถามที่คนถาม
- สามารถรัน Qwen3.6-35B-A3B ในเครื่องได้ไหม?
- ได้ — น้ำหนักเปิดภายใต้ Apache 2.0 licence และมีให้ดาวน์โหลดบน Hugging Face ใช้กับ Transformers, vLLM, SGLang และ KTransformers ได้จริง เพราะใช้งานจริงแค่ 3B พารามิเตอร์ต่อโทเคน จึงใช้หน่วยความจำน้อยกว่าที่ตัวเลข 35B บอกไว้ ตรวจสอบคู่มือ VRAM ก่อนดาวน์โหลด
- ราคาเท่าไร และ context window ยาวแค่ไหน?
- ผ่าน API ราคา $0.10 ต่อ 1 ล้าน input tokens และ $0.95 ต่อ 1 ล้าน output tokens context window 262,144 โทเคน — ขยายได้ถึงราว 1 ล้านโทเคนด้วย YaRN
- ต่างจาก Qwen3.5-35B-A3B อย่างไร?
- Qwen3.6 คือรุ่นต่อยอดโดยตรงจากฟีดแบ็กชุมชน เน้นพัฒนาด้าน agentic coding และเพิ่มตัวเลือกเก็บ reasoning trace ข้ามบทสนทนาแบบหลายรอบ คะแนนความรู้ทั่วไปใกล้เคียงกัน
คำตัดสินของกัปตันหายากมาก: น้ำหนักเปิด, รับอินพุตมัลติโหมด, context ยาว และ agentic coding ที่แข่งกับตัวท็อปได้ในราคาสบายกระเป๋า
บัตรโมเดลบน Hugging Face
กัปตันเขียนบันทึกเหล่านี้จากคำอธิบายและบัตรโมเดลของโมเดล ราคากับขนาดบริบทเป็นของผู้ให้บริการในเวลาที่เขียนและอาจเปลี่ยนแปลงได้
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.
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
แนวโน้มความนิยมของ Qwen3.6 35B A3B
คะแนนความร้อนตั้งแต่ 27 Apr 2026
คะแนนความนิยม
8,682°
สัปดาห์นี้
▲
122%
8,578° ตอนนั้น, 8,682° ตอนนี้
เดือนนี้
n/a
ยังไม่ปล่อย/ติดตาม
ปีที่ผ่านมา
n/a
ยังไม่ปล่อย/ติดตาม
7,000°
ค่าพื้นฐาน
มาตรวัดมีช่วงตั้งแต่ 0° ถึง 9,999° ทุกอย่างต่ำกว่า 7,000° จะเก็บไว้สำหรับโมเดลที่ยังไม่มีแหล่งข้อมูลรายงาน ซึ่งใช้ตัวเลขแทนที่ตรงนั้นเพื่อให้รายการครบถ้วน 7,000° คือจุดเริ่มต้นของข้อมูลที่วัดได้: โมเดลที่มีข้อมูลจริงแต่แทบไม่มีการดาวน์โหลดจะอยู่ที่ค่าพื้นฐานนี้ และการวัดจะเติมองศาเพิ่มขึ้นด้านบน ค่าพื้นฐานไม่ได้บอกอะไรเกี่ยวกับโมเดลเลย; มีแค่องศาที่เพิ่มขึ้นด้านบนเท่านั้นที่บอกความแตกต่างระหว่างโมเดลแต่ละตัว
+1,365°
โทเค็น OpenRouter
โมเดลนี้ประมวลผลโทเค็น 355,046,263,575 ผ่าน OpenRouter ใน 30 วันที่ผ่านมา รวมคำสั่งและคำตอบ ทุก 10,000,000 โทเค็นนับเป็นการดาวน์โหลดหนึ่งครั้งในช่วงเวลาการดาวน์โหลด รวมทั้งหมด 35,504 โทเค็น โทเค็นของวันล่าสุดจะถูกนำมาคิดในอัตราการใช้งาน แหล่งข้อมูล: OpenRouter (openrouter.ai/rankings).
+317°
อัตราการนำไปใช้
ประมาณ 16,735 ดาวน์โหลดต่อวัน วัดจากการอ่านข้อมูลสองครั้งจากแหล่งข้อมูล ไม่ได้คาดเดาจากค่าเฉลี่ยตลอดอายุการใช้งาน ความเร็วมีน้ำหนักเป็นหนึ่งในสี่ของส่วนดาวน์โหลด ดังนั้นการเพิ่มขึ้นอย่างรวดเร็วจะแสดงออกโดยไม่ให้การพุ่งขึ้นในวันเดียวแซงหน้าการใช้งานหลายปี
แสดงรายละเอียด
ทุกตัวเลขบนเว็บไซต์นี้ตรวจสอบได้ คะแนนความนิยมของโมเดลนี้คือ 8,682° และนี่คือการสร้างคะแนนทีละส่วน พร้อมยอดรวมที่เพิ่มขึ้นหลังจากแต่ละส่วน: ค่าพื้นฐาน, จำนวนองศาที่แต่ละแหล่งข้อมูลเพิ่ม, โบนัสสำหรับประเภทของโมเดล และการลดคะแนนตามอายุของน้ำหนัก สีต่างๆ คือช่วงของกราฟด้านบน คำศัพท์ท้ายบทความอธิบายคำทุกคำ
- 1เริ่มที่ค่าพื้นฐานทำไมต้อง 7,000° ไม่ใช่ศูนย์: มาตรวัดมีช่วงตั้งแต่ 0° ถึง 9,999° ส่วนที่ต่ำกว่า 7,000° ถูกสงวนไว้สำหรับโมเดลที่ยังไม่มีแหล่งข้อมูลรายงาน ซึ่งใช้ตัวเลขแทนที่ตรงนั้นเพื่อให้รายการครบถ้วนและไม่แซงหน้าโมเดลที่มีข้อมูล 7,000° คือจุดเริ่มต้นของข้อมูลที่วัดได้ โมเดลที่มีข้อมูลจริงแต่แทบไม่มีดาวน์โหลดจะอยู่ที่นี่ ทุกอย่างที่ตามมาคือการวัด และพื้นที่ด้านบนค่าพื้นฐานมีสิบขั้นตอนดาวน์โหลดที่เพิ่มขึ้นสิบเท่าที่ 300° ต่อขั้น ค่าพื้นฐานเหมือนกันสำหรับทุกโมเดล ดังนั้นมันจึงไม่ตัดสินอะไร; องศาที่เพิ่มขึ้นด้านบนต่างหากที่ตัดสิน7,000°ยอดรวมที่กำลังคำนวณ
- 2เพิ่มจำนวนการดาวน์โหลด35,504 เทียบเท่าการดาวน์โหลดทั้งหมด จาก โทเค็น OpenRouter การดาวน์โหลดเพิ่มขึ้นสิบเท่าจะเพิ่ม 300° เท่ากัน ดังนั้นขนาดจึงสำคัญแต่ไม่ใช่ทุกอย่าง+1,365°8,365°ยอดรวมที่กำลังคำนวณ
- 3เพิ่มอัตราการนำไปใช้ประมาณ 16,735 การดาวน์โหลดต่อวันตอนนี้ วัดจากความต่างระหว่างสองครั้งที่อ่านข้อมูล น้ำหนักเป็นหนึ่งในสี่ของการดาวน์โหลด+317°8,682°ยอดรวมที่กำลังคำนวณ
- =คะแนนความร้อนตำแหน่งของโมเดลนี้ในทุกลิสต์ของเว็บไซต์นี้ ไม่มีอะไรปรับแต่งเพิ่มเติม8,682°
คำศัพท์: คำที่ใช้ที่นี่
- คะแนนความร้อน
- ตัวเลขเดียวที่บอกว่าโมเดลถูกใช้และต้องการมากแค่ไหนตอนนี้ ตั้งแต่ 0° ถึง 9,999° ทุกลิสต์ที่บอกว่าร้อนแรงที่สุดจะเรียงตามคะแนนนี้เท่านั้น
- พื้นฐาน
- 7,000° คือจุดเริ่มต้นของทุกโมเดลที่มีข้อมูลจริง สเกลตั้งแต่ 0° ถึง 9,999° ส่วนที่ต่ำกว่าพื้นฐานสงวนไว้สำหรับตัวแทน (โมเดลที่ไม่มีข้อมูล) เพื่อให้โมเดลที่มีข้อมูลอยู่เหนือกว่า พื้นฐานเหมือนกันสำหรับทุกคนและไม่ตัดสินอะไร คะแนนที่สูงกว่าพื้นฐานคือการวัดผล
- เทียบเท่าการดาวน์โหลด
- ทุกอย่างที่คะแนนนับเป็นการดาวน์โหลด รวมกัน: การดาวน์โหลดจริง, ผู้แชร์แต่ละคนในทอร์เรนต์นับเป็น 1,000, ภาพ AI Horde แต่ละภาพ และแต่ละครั้งที่ใช้งานในเว็บไซต์สร้างภาพ
- สเกลลอการิทึม
- นับเป็นสิบ ไม่ใช่หน่วยเดียว: การเพิ่มจาก 1,000 เป็น 10,000 การดาวน์โหลดจะเพิ่มคะแนนเท่ากับการเพิ่มจาก 10,000 เป็น 100,000 เพื่อไม่ให้โมเดลใหญ่แย่งพื้นที่ทั้งหมด
- ไลก์
- การกดถูกใจและไลก์จากทุกแหล่ง มีค่าน้ำหนักครึ่งหนึ่งของการดาวน์โหลดในสเกลลอการิทึม
- อัตราการนำไปใช้
- จำนวนการดาวน์โหลดต่อวันที่โมเดลได้รับตอนนี้ วัดจากความต่างระหว่างสองครั้งที่อ่านข้อมูล น้ำหนักเป็นหนึ่งในสี่ของการดาวน์โหลด
- วัดได้และประมาณ
- วัดได้หมายถึงมีการอ่านค่าจากแหล่งที่มาสองครั้งและความแตกต่างนั้นเป็นของจริง ประมาณหมายถึงรู้แค่ยอดรวมของวันนี้เท่านั้น ส่วนอดีตจะถูกกระจายไปตามอายุของโมเดล; เว็บไซต์จะบอกว่ากำลังแสดงแบบไหน
- Seeder
- คนที่เก็บสำเนาน้ำหนักไว้บนออนไลน์เพื่อให้คนอื่นดาวน์โหลดผ่านทอร์เรนต์ หรือกระจกที่โฮสต์ทำแบบเดียวกัน แต่ละคนจะนับเป็น 1,000 ดาวน์โหลด
- AI Horde
- เครือข่ายอาสาสมัครที่สร้างภาพฟรีบนคอมพิวเตอร์ที่บริจาค จำนวนภาพที่สร้างด้วยโมเดลแต่ละตัวเป็นข้อมูลสาธารณะ และแต่ละภาพนับเป็นหนึ่งดาวน์โหลด
- เว็บไซต์สร้างภาพ
- เว็บไซต์ที่โฮสต์สำเนาโมเดลของตัวเองและให้คนสร้างภาพ เช่น PixAI, SeaArt และ Yodayo การดาวน์โหลดของพวกเขานับเหมือนกับ Civitai และแต่ละการสร้างภาพนับเป็นหนึ่งดาวน์โหลด
- โทเค็น OpenRouter
- โมเดลข้อความที่ให้บริการผ่าน API เช่น Claude หรือ GPT ไม่มีน้ำหนักให้ดาวน์โหลด ดังนั้นการใช้งานจะวัดจากโทเค็น: ชิ้นส่วนข้อความที่อ่านและเขียนผ่าน OpenRouter ซึ่งเป็นเกตเวย์ที่แอปหลายตัวใช้ใน 30 วันที่ผ่านมา ทุก 10,000,000 โทเค็นนับเป็นการดาวน์โหลดหนึ่งครั้ง แหล่งข้อมูล: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- โมเดลเต็ม (checkpoint)
- น้ำหนักโมเดลเอง ไฟล์ที่สร้างภาพได้ด้วยตัวเอง ได้รับโบนัสเพราะส่วนเสริมขึ้นอยู่กับมัน
- LoRA และ embedding
- ไฟล์เสริมขนาดเล็กที่ช่วยปรับน้ำหนักของคนอื่นให้ไปในสไตล์ ตัวละคร หรือแนวคิดเฉพาะ มันไม่สามารถทำงานได้เอง
- ตระกูลและน้ำหนัก
- ฐานที่โมเดลสร้างขึ้น เช่น SD 1.5, SDXL, Flux หรือ Wan โมเดลทุกตัวจะสืบทอดวันที่ปล่อยน้ำหนักของตระกูล
- อายุ
- ลดคะแนนตามระยะเวลาที่น้ำหนักของตระกูลถูกปล่อยออกมา: 150° ต่อปี สูงสุด 750° มันเก็บดาวน์โหลดเก่าที่สะสมมาหลายปีจากการแช่แข็งบนสุดของรายการ
- บูสต์ตระกูล
- แรงกระตุ้นเล็กๆ ที่จำกัดสำหรับ LoRA ของตระกูลที่เว็บไซต์นี้กำลังผลักดันอยู่ตอนนี้ จะแสดงในรายละเอียดเสมอ
- คะแนนสำรอง
- ตัวเลขที่มั่นคงต่ำกว่าค่าขั้นต่ำที่ให้กับโมเดลที่ยังไม่มีรายงานแหล่งที่มา เพื่อให้รายการครบถ้วน มันจะไม่จัดอันดับสูงกว่าโมเดลที่มีข้อมูล
- ใหม่! (ช่วงเวลาปลอดภัย)
- โมเดลที่มีอายุน้อยกว่า 7 วันจะแสดงคำว่า ใหม่! แทนคะแนนและจะไม่มีอันดับ โมเดลจะเริ่มคำนวณคะแนนตั้งแต่วันแรก แต่โมเดลที่อายุเพียงวันเดียวจะเติบโตเร็วที่สุด ดังนั้นถ้าไม่รอ โมเดลอันดับ #1 ของสัปดาห์จะเป็นโมเดลที่เพิ่งออกมาเมื่อวานแทนที่จะเป็นโมเดลที่อยู่ได้นานหนึ่งสัปดาห์
- แนวโน้ม
- การเติบโตของโมเดลในช่วงเวลาหนึ่งเทียบกับการเติบโตของโมเดลทั่วไปในช่วงเวลาเดียวกัน เร็วกว่าปกติหมายถึงเพิ่มขึ้น ช้ากว่าหมายถึงลดลง
- โมเดลทั่วไป
- จุดกึ่งกลางของแคตตาล็อก: ครึ่งหนึ่งของโมเดลที่มีตัวเลขเติบโตเร็วกว่าในช่วงเวลา ครึ่งหนึ่งช้ากว่า
ความนิยมของโมเดลนี้เปลี่ยนไปอย่างไรเมื่อเทียบกับแคตตาล็อกทั้งหมด: การเติบโตของการดาวน์โหลด ไลก์ และการใช้งานในแต่ละช่วงเวลา วัดเทียบกับการเติบโตเฉลี่ยของโมเดลทั่วไปในช่วงเวลาเดียวกัน พร้อมคะแนนความร้อนในเวลานั้น ถ้าอยู่เหนือการเติบโตเฉลี่ยคือเพิ่มขึ้น ต่ำกว่าคือถดถอย ข้อมูลในอดีตสร้างจากยอดรวมปัจจุบัน วันแรกของโมเดล และความเร็วดาวน์โหลดที่วัดได้ถ้ามีสองจุดข้อมูล โมเดลที่ยังไม่มีในช่วงเริ่มต้นจะแสดงเป็น n/a
Qwen3.6 35B A3B เป็นโมเดลข้อความสำหรับตระกูล Text / LLM ที่อยู่ใน ModelTrends.ai แคตตาล็อกแบบอ่านอย่างเดียวของโมเดล AI สร้างภาพ วิดีโอ และข้อความแบบโอเพนซอร์ส เปรียบเทียบกับโมเดล Text / LLM อื่น ๆ และดูคะแนนความร้อนแรงเพื่อติดตามเทรนด์
โมเดล Text / LLM เพิ่มเติมข้อความ / LLM Text / LLM เพิ่มเติมllmqwenวิสัยทัศน์วิดีโอการให้เหตุผลเขียนโค้ดเอเจนต์ในเครื่อง
เรียกดูตามตระกูลโมเดล
โมเดล Text / LLM
434
โมเดล Anima
528
โมเดล Chroma
19
โมเดล Fibo
2
โมเดล Flux
1,496
โมเดล Flux 2 / Klein
1,239
โมเดล Flux 3
3
โมเดล Moss
3
โมเดล Iris
1
โมเดล MiniMax H3
364
โมเดล Hunyuan
204
โมเดล Ideogram
20
โมเดล Krea2
717
โมเดล Qwen
20
โมเดล Qwen2
47
โมเดล Ltx2
153