Qwen3.6-35B-A3B — первая open-weight модель линейки Qwen3.6 и один из самых практичных релизов Qwen для разработчиков: она выпущена под Apache 2.0, работает как causal language model с vision encoder и ориентирована не только на чат, но и на реальные агентные сценарии. Главное инженерное решение здесь — sparse Mixture-of-Experts: всего у модели 35B параметров, но при инференсе на токен активируется примерно 3B. Это дает хороший баланс между качеством большой модели и стоимостью обслуживания малой активной части, особенно в coding-агентах, где запросы часто длинные, многошаговые и требуют вызова инструментов.
Архитектура модели построена как 40-слойный гибрид с hidden dimension 2048, словарем 248 320 токенов и схемой 10 × (3 × Gated DeltaNet → MoE + 1 × Gated Attention → MoE). В каждом MoE-блоке доступно 256 экспертов, но на токен выбираются 8. Gated DeltaNet в этой архитектуре отвечает за основную массу слоев: это более экономичный механизм линейного внимания, который вместо полного сравнения каждого токена с каждым поддерживает обновляемое состояние памяти. Gating помогает модели решать, какую информацию сохранить, ослабить или пропустить дальше, поэтому длинный контекст становится дешевле по памяти и вычислениям. Gated Attention, наоборот, оставляет точное attention-поведение в каждом четвертом блоке. Смысл гибрида в том, что DeltaNet дает эффективность на длинных последовательностях, а Gated Attention периодически возвращает модели точную глобальную связность между токенами. Дополнительно модель обучалась с multi-token prediction, а нативный контекст составляет 262 144 токена и может быть расширен через YaRN/RoPE scaling до 1 010 000 токенов.
Из бенчмарков стоит выделить несколько наиболее показательных. Terminal-Bench 2.0 проверяет способность агента работать в терминальной среде, и здесь Qwen3.6-35B-A3B занимает первое место среди открытых моделей сопоставимого размера с результатом 51.5, обгоняя Qwen3.5-27B, Qwen3.5-35B-A3B и Gemma4-31B. QwenWebBench оценивает фронтенд-генерацию в категориях Web Design, Web Apps, Games, SVG, Data Visualization, Animation и 3D; модель снова первая с 1397 Elo. На SkillsBench Avg5, где проверяются практические coding-задачи через OpenCode, она также первая с 28.7, а на MCPMark, связанном с GitHub MCP и tool-use задачами, показывает 37.0 и обходит все сравниваемые модели. В мультимодальной части модель также показывает достойные результаты. На RealWorldQA она набирает 85.3 и занимает первое место среди сопоставимых отрытых моделей, на MMBench EN-DEV-v1.1 — 92.8, на OmniDocBench1.5— 89.9, на CC-OCR — 81.9, на VideoMMMU — 83.7, на MLVU — 86.2. Эти метрики хорошо ложатся на сценарии, где модель должна читать интерфейсы, документы, схемы, скриншоты, видеофрагменты и связывать визуальную информацию с кодом или инструкциями.
Для инференса разработчики рекомендуют SGLang, vLLM или KTransformers для production/high-throughput сценариев, а также советуют сохранять контекст не ниже 128K токенов, если задача требует сложного reasoning. По sampling-параметрам: для thinking mode в общих задачах указаны temperature 1.0, top_p 0.95, top_k 20; для точного кодинга и WebDev — temperature 0.6, top_p 0.95, top_k 20; для non-thinking режима — temperature 0.7, top_p 0.80, top_k 20.
Сценарии использования: Qwen3.6-35B-A3B лучше всего раскрывается как основа для coding-агентов, которые чинят баги, редактируют многофайловые проекты, работают с терминалом, читают большие репозитории, генерируют фронтенд и используют внешние инструменты через Qwen-Agent, Qwen Code, MCP или совместимые API. Благодаря мультимодальности модель также подходит для анализа скриншотов, UI-макетов, документов, OCR, видео и визуальных QA-задач. За счет preserve_thinking ее удобно применять в длинных агентных сессиях: модель может сохранять reasoning-контекст прошлых шагов, меньше повторять уже проделанный анализ и стабильнее вести поэтапную работу.
| Наименование модели | Контекст | Тип | GPU | TPS | Tooling | Статус | Ссылка |
|---|---|---|---|---|---|---|---|
| RedHatAI/Qwen3.6-35B-A3B-NVFP4 | 263K | Публичный | 2×4090 tensor |
206 | да | доступен | чат |
curl https://chat.immers.cloud/v1/endpoints/generate/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer USER_API_KEY" \
--data-binary @- <<"EOF"
{"model": "qwen3.6-35b-a3b", "messages": [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Say this is a test"}
], "temperature": 0, "max_tokens": 150
}
EOF
$response = Invoke-WebRequest https://chat.immers.cloud/v1/endpoints/generate/chat/completions `
-Method POST `
-Headers @{
"Authorization" = "Bearer USER_API_KEY"
"Content-Type" = "application/json; charset=utf-8"
} `
-Body ([System.Text.Encoding]::UTF8.GetBytes((@{
model = "qwen3.6-35b-a3b"
messages = @(
@{ role = "system"; content = "You are a helpful assistant." },
@{ role = "user"; content = "Say this is a test" })
} | ConvertTo-Json -Depth 10)))
([System.Text.Encoding]::UTF8.GetString($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/generate/",
)
chat_response = client.chat.completions.create(
model="qwen3.6-35b-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)
# linux
export ANTHROPIC_BASE_URL=https://chat.immers.cloud/v1/endpoints/generate/
export ANTHROPIC_API_KEY=USER_API_KEY
export ANTHROPIC_MODEL=qwen3.6-35b-a3b
# windows (ps)
[Environment]::SetEnvironmentVariable("ANTHROPIC_BASE_URL", "https://chat.immers.cloud/v1/endpoints/generate/", "User")
[Environment]::SetEnvironmentVariable("ANTHROPIC_AUTH_TOKEN", "USER_API_KEY", "User")
[Environment]::SetEnvironmentVariable("ANTHROPIC_MODEL", "qwen3.6-35b-a3b", "User")
# linux
export OPENAI_BASE_URL=https://chat.immers.cloud/v1/endpoints/generate/
export OPENAI_API_KEY=USER_API_KEY
export OPENAI_MODEL=qwen3.6-35b-a3b
# windows (ps)
[Environment]::SetEnvironmentVariable("OPENAI_BASE_URL", "https://chat.immers.cloud/v1/endpoints/generate/", "User")
[Environment]::SetEnvironmentVariable("OPENAI_API_KEY", "USER_API_KEY", "User")
[Environment]::SetEnvironmentVariable("OPENAI_MODEL", "qwen3.6-35b-a3b", "User")
Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.
Мы рекомендуем создание частных инстансов в случаях, если необходимо:
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
262 144 tensor |
2 | 83,37 ₽ | 2,66 | Запустить | ||
262 144 pipeline |
3 | 94,64 ₽ | 1,36 | Запустить | ||
262 144 tensor |
4 | 112,24 ₽ | 1,98 | Запустить | ||
262 144 tensor |
2 | 139,77 ₽ | 164.75 | 2,84 | Запустить | |
262 144 tensor |
2 | 139,77 ₽ | 2,84 | Запустить | ||
262 144 tensor |
2 | 171,77 ₽ | 318.00 | 3,04 | Запустить | |
262 144 |
1 | 211,77 ₽ | 160.20 | 9,37 | Запустить | |
262 144 tensor |
2 | 261,77 ₽ | 209.34 | 5,90 | Запустить | |
262 144 |
1 | 341,77 ₽ | 154.82 | 9,37 | Запустить | |
262 144 |
1 | 367,41 ₽ | 179.08 | 11,90 | Запустить | |
262 144 tensor |
2 | 411,81 ₽ | 23,43 | Запустить | ||
262 144 |
1 | 423,04 ₽ | 20,48 | Запустить | ||
262 144 tensor |
2 | 839,97 ₽ | 237.71 | 45,76 | Запустить | |
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
262 144 pipeline |
3 | 119,81 ₽ | 2,45 | Запустить | ||
262 144 tensor |
4 | 139,96 ₽ | 3,50 | Запустить | ||
262 144 pipeline |
6 | 147,44 ₽ | 4,29 | Запустить | ||
262 144 pipeline |
3 | 204,41 ₽ | 123.83 | 2,84 | Запустить | |
262 144 |
1 | 211,77 ₽ | 126.87 | 7,05 | Запустить | |
262 144 pipeline |
3 | 252,41 ₽ | 106.88 | 2,91 | Запустить | |
262 144 tensor |
4 | 257,77 ₽ | 3,89 | Запустить | ||
262 144 tensor |
2 | 261,77 ₽ | 2,94 | Запустить | ||
262 144 tensor |
4 | 269,04 ₽ | 3,89 | Запустить | ||
262 144 tensor |
4 | 321,77 ₽ | 3,87 | Запустить | ||
262 144 |
1 | 341,77 ₽ | 165.11 | 7,10 | Запустить | |
262 144 |
1 | 367,41 ₽ | 160.31 | 9,58 | Запустить | |
262 144 tensor |
2 | 411,81 ₽ | 20,46 | Запустить | ||
262 144 |
1 | 423,04 ₽ | 17,42 | Запустить | ||
262 144 tensor |
2 | 839,97 ₽ | 42,61 | Запустить | ||
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
262 144 |
1 | 368,18 ₽ | 41.83 | 3,46 | Запустить | |
262 144 pipeline |
3 | 388,18 ₽ | 1,49 | Запустить | ||
262 144 |
1 | 423,81 ₽ | 11,83 | Запустить | ||
262 144 tensor |
2 | 440,74 ₽ | 152.45 | 14,76 | Запустить | |
262 144 tensor |
2 | 441,52 ₽ | 14,76 | Запустить | ||
262 144 tensor |
4 | 514,59 ₽ | 3,84 | Запустить | ||
262 144 pipeline |
6 | 521,74 ₽ | 7,29 | Запустить | ||
262 144 tensor |
8 | 539,21 ₽ | 4,28 | Запустить | ||
262 144 tensor |
8 | 671,74 ₽ | 4,27 | Запустить | ||
262 144 tensor |
2 | 700,74 ₽ | 158.82 | 14,72 | Запустить | |
262 144 tensor |
2 | 840,74 ₽ | 36,93 | Запустить | ||
Свяжитесь с нашей специализированной группой поддержки по нейросетям support@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.