Qwen3.5-35B-A3B

размышляющая
мультимодальная
русскоязычная
можно попробовать

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: Hybrid Attention
Тип Mamba: Gated Delta Net
Разработчик: Qwen
Версия Transformers: 4.57.0.dev0
Версия vLLM: 0.17.0
Лицензия: Apache 2.0

Публичный эндпоинт

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.
Наименование модели Контекст Тип GPU TPS Tooling Статус Ссылка
Qwen/Qwen3.5-35B-A3B-GPTQ-Int4 262 144 Публичный — 149.67 да доступен чат

API доступ к Qwen3.5-35B-A3B эндпоинтам

curl https://chat.immers.cloud/v1/endpoints/qwen3.5-35b-a3b/generate/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer USER_API_KEY" \
--data-binary @- <<"EOF"
{"model": "qwen3.5-35b-a3b", "messages": [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Say this is a test"}
], "temperature": 0, "max_tokens": 150
}
EOF
$response = Invoke-WebRequest https://chat.immers.cloud/v1/endpoints/qwen3.5-35b-a3b/generate/chat/completions `
-Method POST `
-Headers @{
"Authorization" = "Bearer USER_API_KEY"
"Content-Type" = "application/json; charset=utf-8"
} `
-Body ([System.Text.Encoding]::UTF8.GetBytes((@{
model = "qwen3.5-35b-a3b"
messages = @(
@{ role = "system"; content = "You are a helpful assistant." },
@{ role = "user"; content = "Say this is a test" })
} | ConvertTo-Json -Depth 10)))
([System.Text.Encoding]::UTF8.GetString($response.RawContentStream.ToArray()) | ConvertFrom-Json).choices[0].message.content
#!pip install OpenAI --upgrade

from openai import OpenAI

client = OpenAI(
api_key="USER_API_KEY",
base_url="https://chat.immers.cloud/v1/endpoints/qwen3.5-35b-a3b/generate/",
)

chat_response = client.chat.completions.create(
model="qwen3.5-35b-a3b",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Say this is a test"},
]
)
print(chat_response.choices[0].message.content)

Частный сервер

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.

Рекомендуемые конфигурации сервера для хостинга Qwen3.5-35B-A3B

Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
teslat4-3.32.64.160
262 144
pipeline
 3 78,57 ₽ 1,52 Запустить
teslaa10-2.16.64.160
262 144
tensor
 2 83,37 ₽ 3,22 Запустить
teslat4-4.16.64.160
262 144
tensor
 4 85,77 ₽ 2,32 Запустить
teslaa2-3.32.128.160
262 144
pipeline
 3 94,64 ₽ 1,54 Запустить
rtxa5000-2.16.64.160.nvlink
262 144
tensor
 2 109,77 ₽ 3,22 Запустить
teslaa2-4.32.128.160
262 144
tensor
 4 112,24 ₽ 2,33 Запустить
rtx3090-2.16.64.160
262 144
tensor
 2 139,77 ₽ 3,60 Запустить
rtx5090-1.16.64.160
262 144
 1 141,77 ₽ 1,23 Запустить
rtx4090-2.16.64.160
262 144
tensor
 2 171,77 ₽ 3,59 Запустить
teslaa100-1.16.64.160
262 144
 1 211,77 ₽ 9,94 Запустить
h100-1.16.64.160
262 144
 1 341,77 ₽ 152,27 9,93 Запустить
h100nvl-1.16.96.160
262 144
 1 367,41 ₽ 12,46 Запустить
teslaa100-2.24.96.160.nvlink
262 144
tensor
 2 411,81 ₽ 23,86 Запустить
h200-1.16.128.160
262 144
 1 423,04 ₽ 20,95 Запустить
h200-2.24.256.160.nvlink
262 144
tensor
 2 839,97 ₽ 45,88 Запустить
Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
teslaa10-3.16.96.160
262 144
pipeline
 3 119,81 ₽ 2,37 Запустить
teslaa10-4.12.48.160
262 144
tensor
 4 139,96 ₽ 3,75 Запустить
teslaa2-6.32.128.160
262 144
pipeline
 6 147,44 ₽ 1,91 Запустить
rtx3090-3.16.96.160
262 144
pipeline
 3 204,41 ₽ 2,75 Запустить
rtxa5000-4.16.128.160.nvlink
262 144
tensor
 4 209,04 ₽ 3,75 Запустить
teslaa100-1.16.64.160
262 144
 1 211,77 ₽ 7,02 Запустить
rtx4090-3.16.96.160
262 144
pipeline
 3 252,41 ₽ 2,74 Запустить
rtx3090-4.16.64.160
262 144
tensor
 4 257,77 ₽ 4,13 Запустить
rtx5090-2.16.64.160
262 144
tensor
 2 261,77 ₽ 3,52 Запустить
rtx4090-4.16.64.160
262 144
tensor
 4 321,77 ₽ 4,12 Запустить
h100-1.16.64.160
262 144
 1 341,77 ₽ 7,01 Запустить
h100nvl-1.16.96.160
262 144
 1 367,41 ₽ 9,54 Запустить
teslaa100-2.24.96.160.nvlink
262 144
tensor
 2 411,81 ₽ 20,94 Запустить
h200-1.16.128.160
262 144
 1 423,04 ₽ 18,03 Запустить
h200-2.24.256.160.nvlink
262 144
tensor
 2 839,97 ₽ 42,96 Запустить
Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
dedicated-rtx3090-8.64.128.960-1
262 144
tensor
 8 4,27 Запустить
h100nvl-1.16.96.240
262 144
 1 368,18 ₽ 3,20 Запустить
rtx5090-3.16.96.240
262 144
pipeline
 3 388,18 ₽ 1,15 Запустить
h200-1.16.128.240
262 144
 1 423,81 ₽ 11,69 Запустить
teslaa100-2.24.256.240
262 144
tensor
 2 440,74 ₽ 14,60 Запустить
teslaa100-2.24.256.320.nvlink
262 144
tensor
 2 441,52 ₽ 14,60 Запустить
rtx5090-4.16.128.320
262 144
tensor
 4 514,59 ₽ 3,80 Запустить
rtx4090-6.44.256.240
262 144
pipeline
 6 521,74 ₽ 2,93 Запустить
rtx4090-8.44.256.240
262 144
tensor
 8 671,74 ₽ 4,26 Запустить
h100-2.24.256.240
262 144
tensor
 2 700,74 ₽ 14,57 Запустить
h200-2.24.256.240.nvlink
262 144
tensor
 2 840,74 ₽ 36,62 Запустить

Связанные модели

Qwen3.5-397B-A17B
Qwen3.5-122B-A10B
Qwen3.5-27B
Qwen3.5-9B
Qwen3.5-4B
Qwen3.5-2B
Qwen3.5-0.8B
Qwen3.6-27B
Qwen3.6-35B-A3B

Остались вопросы?

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