Qwen3.5-35B-A3B

Qwen3.5-35B-A3B — это средне-размерная MoE-модель с 35 миллиардами общих параметров и активацией лишь 3-х миллиардов на токен. Модель содержит 40 слоёв с размером скрытого представления 2048 и использует токенизацию с довольно большим vocab size равным 248 320. Гибридная архитектура внимания сочетает слои Gated DeltaNet (линейное внимание) для быстрой обработки длинных последовательностей и слои Gated Attention (полное внимание) для точного контекстуального понимания. Это позволяет модели поддерживать нативное контекстное окно в 262 144 токена без деградации качества. Визуально-языковые возможности встроены через early-fusion обучение, что обеспечивает лучшее понимание изображений по сравнению с серией Qwen3-VL. Модель поддерживает два режима работы: Thinking для глубоких рассуждений (математика, логика, код) и No-thinking для быстрых ответов на простые запросы. Инференс максимально оптимизирован, для развёртывания в квантованном формате на GPU требуется примерно 22–24 ГБ памяти.

Модель демонстрирует впечатляющие результаты на бенчмарках, лишь незначительно уступая флагманским версиям серии. В языковых тестах, таких как MMLU-Pro (85.3) и SuperGPQA (63.4), она обходит более крупные модели предыдущего поколения. Особо выделяются ее агентные способности: результат TAU2-Bench (81.2) является лучшим в семействе, что говорит о великолепной способности планировать и выполнять многошаговые задачи с использованием инструментов. В мультимодальном анализе она показывает результаты, близкие к топовым: MathVision (83.9), MMMU-Pro (75.1), OCRBench (91.0). Важно отметить, что именно эта модель лежит в основе сервиса Qwen3.5-Flash.

Уникальность модели — в ее универсальности и экономичности, плюс она выгодно отличается от предыдущих версий значительным скачком в производительности агентов и мультимодальном понимании. Этот вариант может стать отличным выбором для компаний, разрабатывающих сложных ассистентов, системы обработки заказов, интеллектуальные RAG-системы с огромными базами знаний, и в целом для любых сценариев, где нужно высокое качество понимания контекста и генерации при контролируемых разумных затратах на инфраструктуру.

Дата анонса: 24.02.2026
Параметров: 36B
Экспертов: 256
Активно параметров при инференсе: 3B
Контекст: 263K
Слоев: 40, с полным вниманием: 10
Тип внимания: Linear Attention
Разработчик: Qwen
Версия Transformers: 4.57.0.dev0
Версия vLLM: 0.17.0
Лицензия: Apache 2.0

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с Qwen3.5-35B-A3B. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

• получить максимальную производительность эндпоинта,
• получить полный контекст для обработки больших запросов и диалогов,
• обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
• использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.