Чи можу я запускати Qwen3.6-35B-A3B локально?

Так — ваги відкриті під ліцензією Apache 2.0 і доступні на Hugging Face, сумісні з Transformers, vLLM, SGLang і KTransformers. Оскільки активних лише 3 млрд параметрів на токен, вимоги до пам’яті нижчі, ніж здається з 35 млрд загальних параметрів; перед завантаженням ознайомтеся з гідом по VRAM.

Скільки коштує і який розмір контексту?

Через API $0.10 за мільйон вхідних токенів і $0.95 за мільйон вихідних, з нативним контекстом 262 144 токени, розширюваним приблизно до 1 млн через YaRN.

Чим ця модель відрізняється від Qwen3.5-35B-A3B?

Qwen3.6 — прямий наступник, створений з урахуванням відгуків спільноти, з основними покращеннями в агентському кодуванні і новою опцією збереження слідів мислення у багатоходових діалогах; загальні знання приблизно на тому ж рівні.

▲

122%

цього тижня

Qwen3.6 35B A3B

8682°

#llm #qwen #бачення #відео #логіка #кодування

Цей тиждень

Запустити модель

Пропозиції / Реклама

OpenRouter Термінал / API

Платити за токен

Спілкуйся з цією моделлю у браузері або викликай її з коду за допомогою одного API ключа.

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.

Посібники до цієї моделі

Як встановити Ollama і запустити локальний ШІ (Windows, Mac, Linux)

Ollama проти LM Studio (2026): яку локальну AI-програму вибрати і які топ-моделі кожна підтримує

Найкращі локальні LLM за випадками використання (жовтень 2026): правильна відкрита модель для кожного завдання

Скільки VRAM мені справді потрібно для локального ШІ?

Що таке файл GGUF? Пояснення квантизованих моделей (Q4, Q8, fp8, NF4)

Усі посібники

Нотатки капітана

Написано Captain, головним редактором

Нотатки від 2026-10-13

Qwen3.6-35B-A3B — мультимодальна модель з відкритими вагами від Alibaba Cloud на основі гібридної архітектури mixture-of-experts: 35 млрд параметрів загалом, але лише 3 млрд активних на токен, що знижує вартість інференсу. Головне покращення порівняно з попередником — агентське кодування, особливо фронтенд-робочі процеси та завдання на рівні репозиторію. Якщо вам потрібен потужний кодер і агент, який можна запускати локально або дешево через API, варто серйозно розглянути цю модель.

Відомий за

Агентське кодування: сильна підтримка фронтенд-робочих процесів і логіки на рівні репозиторію
Лише 3 млрд параметрів активні на токен, тому інференс швидкий і дешевий
Нативне контекстне вікно 262K, розширюване приблизно до 1 млн через YaRN
Приймає текст, зображення і відео з інтегрованим режимом мислення
Збереження слідів мислення у багатоходових діалогах

Зверніть увагу на

Вартість вихідних токенів майже в 10 разів вища за вхідні — $0.95 за мільйон; довгі агентські сесії швидко накопичують витрати.
Гібридна архітектура лінійної уваги менш перевірена, ніж стандартні трансформери; деякі стеки інференсу можуть не підтримувати її повністю.
Якість вхідних зображень і відео не була незалежно оцінена у публічних результатах.

Найкраще для

Кодування

Агенти та використання інструментів

Міркування

Зір

Працює локально

Підказки для спроби

Переробка заплутаного коду

У мене React-фронтенд, де весь стан керується в одному файлі App.js на 800 рядків. Немає компонентів, кастомних хуків, а пропси передаються на чотири рівні глибини. Проаналізуйте структуру, визначте три найшкідливіші проблеми, а потім запропонуйте конкретний план рефакторингу з назвами файлів і порядком змін.

Багатокроковий план агента

Ви агент з доступом до bash і файлових інструментів. Проєкт користувача на Python падає у CI через три нестабільні тести, які залежать від реального мережевого виклику зовнішнього API. Опишіть, як ви знайдете тести, розробите стратегію мокінгу, реалізуєте виправлення і перевірите його без зміни продакшн-коду.

Складна логічна задача

П’ять інженерів володіють різними мовами програмування, п’ють різні напої і працюють у різних часових поясах. Інженер Rust п’є еспресо. Інженер у UTC+9 володіє Python. Інженер TypeScript сидить праворуч від того, хто п’є каву. Інженер Go працює в UTC-5. Хто п’є чай і якою мовою він користується? Покажіть логіку крок за кроком.

Порівняти з

Qwen3.7 Flash
Модель тільки з API
контекст 1,000,000 токенів · $0.03/M вхід, $0.13/M вихід
Qwen3.8 Max (0902)
Модель тільки з API
контекст 1,000,000 токенів · $2.00/M вхід, $6.00/M вихід
Qwen3.8 Omni Flash
Модель тільки з API
контекст 1,000,000 токенів · $0.15/M вхід, $0.47/M вихід
Qwen3.5 Plus 2026-02-15
Модель тільки з API
контекст 1,000,000 токенів · $0.26/M вхід, $1.56/M вихід

Більше текстових моделей від qwen

Питання, які задають люди

Чи можу я запускати Qwen3.6-35B-A3B локально?: Так — ваги відкриті під ліцензією Apache 2.0 і доступні на Hugging Face, сумісні з Transformers, vLLM, SGLang і KTransformers. Оскільки активних лише 3 млрд параметрів на токен, вимоги до пам’яті нижчі, ніж здається з 35 млрд загальних параметрів; перед завантаженням ознайомтеся з гідом по VRAM.
Скільки коштує і який розмір контексту?: Через API $0.10 за мільйон вхідних токенів і $0.95 за мільйон вихідних, з нативним контекстом 262 144 токени, розширюваним приблизно до 1 млн через YaRN.
Чим ця модель відрізняється від Qwen3.5-35B-A3B?: Qwen3.6 — прямий наступник, створений з урахуванням відгуків спільноти, з основними покращеннями в агентському кодуванні і новою опцією збереження слідів мислення у багатоходових діалогах; загальні знання приблизно на тому ж рівні.

Вердикт капітана
Рідкісне поєднання: відкриті ваги, мультимодальний вхід, довгий контекст і справді конкурентне агентське кодування за доступною ціною.

Картка моделі на Hugging Face

Капітан пише ці нотатки на основі опису моделі та картки моделі. Ціни та розміри контексту вказані на момент написання і можуть змінюватися.

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

Тренд популярності Qwen3.6 35B A3B

Показник популярності з 27 Apr 2026

Оцінка популярності

8,682°

Цього тижня

▲

122%

8,578° тоді, 8,682° зараз

Цього місяця

n/a

Ще не випущено/не відстежується

За минулий рік

n/a

Ще не випущено/не відстежується

7,000°

Основний рівень

Шкала йде від 0° до 9 999°. Все, що нижче за 7,000°, відведено для моделей, про які жодне джерело ще не повідомляло, і вони мають замінне число, щоб списки були повними. 7,000° — це початок виміряних даних: модель з реальними даними, але майже без завантажень, стоїть на цьому рівні, а вимірювання додають градуси вище. Основний рівень нічого не говорить про модель; тільки градуси вище його відрізняють одну модель від іншої.

+1,365°

Токени OpenRouter

355,046,263,575 токенів ця модель обробила через OpenRouter за останні 30 днів, разом підказки та відповіді. Кожні 10,000,000 токенів рахується як одне завантаження в терміні завантажень, всього 35,504; токени останнього дня додаються до коефіцієнта прийняття. Джерело: OpenRouter (openrouter.ai/rankings).

+317°

Швидкість прийняття

Приблизно 16,735 завантажень на день, виміряно між двома зчитуваннями джерел, ніколи не вгадується за середнім за весь час. Швидкість важить чверть показника завантажень, тому свіжий сплеск видно, але одноденний стрибок не перевищить роки використання.

Показати детальний розподіл

Кожне число на цьому сайті можна перевірити. Оцінка популярності цієї моделі становить 8,682°, і тут вона побудована по одному інгредієнту за раз, з поточним підсумком після кожного: основа, градуси, які додає кожне джерело, бонус за тип моделі та віднімання за вік ваг. Кольори відповідають діапазонам на діаграмі вище. Глосарій в кінці пояснює кожен термін.

1
Почни з основного рівня.
Чому 7,000°, а не нуль: шкала йде від 0° до 9 999°, і частина нижче за 7,000° відведена для моделей, про які жодне джерело ще не повідомляло, які мають замінне число, щоб списки були повними і ніколи не перевищували модель з даними. 7,000° — це початок виміряних даних. Модель з реальними даними, але майже без завантажень, стоїть тут; все, що далі, — це вимірювання, а простір вище основного рівня містить десять десятикратних кроків у завантаженнях по 300° кожен. Основний рівень однаковий для всіх моделей, тому він нічого не вирішує; градуси вище нього — ось що вирішує.
7,000°
поточний підсумок
2
Додай завантаження.
Всього 35,504 еквівалентів завантажень з Токени OpenRouter. Десятикратне збільшення завантажень додає ті ж 300°, тож розмір важливий, але не домінує у рейтингу.
+1,365°
8,365°
поточний підсумок
3
Додай швидкість прийняття.
Приблизно 16,735 завантажень на день зараз, виміряно між двома замірами, вагою в чверть від завантаження.
+317°
8,682°
поточний підсумок
=
Оцінка популярності.
Де ця модель стоїть у кожному списку на цьому сайті. Нічого іншого не впливає на цю оцінку.
8,682°

Глосарій: терміни, що тут використовуються

Оцінка популярності: Одне число, що показує, наскільки модель зараз використовується і потрібна, від 0° до 9,999°. Кожен список на цьому сайті, який називається найгарячішим, відсортований саме за цим числом.
Початкова оцінка: 7,000° — це стартова оцінка для кожної моделі з реальними даними. Шкала від 0° до 9,999°; частина нижче початкової оцінки відведена для моделей без даних, щоб модель з даними завжди була вище. Початкова оцінка однакова для всіх і нічого не вирішує; градуси вище неї — це власне вимірювання.
Еквіваленти завантажень: Все, що оцінка рахує як завантаження, підсумовано: самі завантаження, кожен торрент-сідер як 1,000, кожне зображення AI Horde і кожен запуск на сайті генерації як один.
Логарифмічна шкала: Рахунок по десятках, а не по одиницях: перехід від 1,000 до 10,000 завантажень додає ті ж градуси, що й від 10,000 до 100,000. Це не дає гігантам витіснити все інше.
Лайки: Вподобання і лайки з усіх джерел, вартістю половини завантаження на логарифмічній шкалі.
Швидкість прийняття: Скільки завантажень на день модель отримує зараз, за різницею між двома замірами джерела. Чверть ваги від терміну завантажень.
Виміряно та оцінено: Виміряно означає, що є два показники джерела, і різниця справжня. Оцінено означає, що відомий лише загальний показник за сьогодні, а минуле розподілено на весь час існування моделі; сайт показує, який саме варіант відображається.
Сідер: Хтось, хто тримає копію вагів онлайн, щоб інші могли завантажувати через торрент, або хостинг-дзеркало, що робить те саме. Кожен такий рахується як 1000 завантажень.
AI Horde: Добровільна мережа, яка безкоштовно генерує зображення на пожертвуваних комп’ютерах. Кількість зображень, створених з моделлю, публічна, і кожне рахується як одне завантаження.
Сайти генерації: Сайти, які розміщують власні копії моделі і дозволяють людям генерувати з нею, наприклад PixAI, SeaArt і Yodayo. Їхні завантаження рахується так само, як у Civitai, а кожен запуск генерації — як одне завантаження.
Токени OpenRouter: Текстова модель, що обслуговується через API, як Claude або GPT, не має ваг для завантаження, тому її використання вимірюється токенами: частинами тексту, які вона прочитала і написала через OpenRouter, шлюз, який використовують багато додатків, за останні 30 днів. Кожні 10,000,000 токенів рахується як одне завантаження. Джерело: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Повна модель (чекпойнт): Самі ваги, файл, який генерує самостійно. Має бонус, бо від нього залежать додатки.
LoRA та embedding: Малі додаткові файли, які направляють чужі ваги в певний стиль, персонажа чи концепцію. Вони не можуть працювати самі по собі.
Сімейство та ваги: База, на якій побудована модель, наприклад SD 1.5, SDXL, Flux або Wan. Кожна модель успадковує дату виходу вагів свого сімейства.
Вік: Віднімається градус за те, як давно вийшли ваги сімейства: 150° за рік, максимум 750°. Це зберігає старі завантаження, які мали роки, щоб накопичитись, заморожуючи їх на верху списку.
Підсилення сімейства: Невеликий, обмежений поштовх для LoRA сімейства, яке цей сайт зараз просуває, завжди вказується в розподілі.
Оцінка заміщення: Стабільне число нижче мінімуму, яке дають моделі, про яку ще немає даних, щоб списки були повними. Воно ніколи не вище за модель з даними.
Новинка! (період очікування): Модель віком менше 7 днів показує Новинка! замість оцінки і не займає місце в рейтингах. Її оцінка обчислюється з першого дня, але модель віком один день росте швидше за все, тому без очікування #1 тижня завжди була б та, що вийшла вчора, а не та, що трималась тиждень.
Тренд: Як зростання моделі за період порівнюється зі звичайним зростанням моделей за той самий період. Швидше за звичайне — це підйом, повільніше — спад.
Типова модель: Середина каталогу: половина моделей з показником зросла швидше за цей період, половина повільніше.

Як популярність цієї моделі змінювалась у порівнянні з рештою каталогу: її зростання за кількістю завантажень, лайків і використання за кожен період, порівняно зі звичайним зростанням моделей за той же час, з урахуванням її рейтингу популярності на той момент. Вище звичайного зростання означає підйом, нижче — спад. Минуле відновлюється з сьогоднішніх підсумків, першого дня моделі та швидкості завантажень, якщо є два заміри; модель, якої не було на початку періоду, показує n/a.

Схожі моделі

Моделі ШІ для генерації зображень, відео та тексту

Qwen3.6 35B A3B — це текстова модель для сімейства Text / LLM, представлена на ModelTrends.ai, каталозі лише для читання відкритих моделей ШІ для зображень, відео та тексту. Порівняйте її з іншими моделями Text / LLM і перевірте бал популярності, щоб побачити тренд.

Більше моделей Text / LLM Більше Text / LLM Текст / LLM llm qwen бачення відео логіка кодування агенти локально

Перегляд за сімейством моделей