Qwen3.6-35B-A3B：智能体编程利器，现已开源

继 Qwen3.6-Plus 发布之后，我们非常高兴地宣布开源 Qwen3.6-35B-A3B —— 一个稀疏但能力出色的混合专家（MoE）模型，总参数量为350亿，激活参数仅30亿。尽管高效轻量，Qwen3.6-35B-A3B 在智能体编程方面表现卓越，大幅超越前代模型 Qwen3.5-35B-A3B，并可与 Qwen3.5-27B 和 Gemma4-31B 等稠密模型一较高下。该模型依然支持多模态思考与非思考模式，是当前最具通用性的开源模型之一。现在，Qwen3.6-35B-A3B 已在 Qwen Studio 上线，可通过 API 调用，并以开源权重的形式向社区发布。

• Qwen3.6-35B-A3B 是一个完全开源的 MoE 模型（总参数 35B / 激活参数 3B），主要特性包括： 卓越的智能体编程能力，可与大得多的模型相媲美
• 强大的多模态感知与推理能力
• 您可以在 Qwen Studio 进行交互对话， 通过 阿里云百炼 以 Qwen3.6-Flash 的名称调用 API （即将到来）， 或从 Hugging Face 和 ModelScope 下载模型权重。

模型表现

下文将全面展示 Qwen3.6-35B-A3B 与同规模模型在各类任务和模态上的评测对比结果。

自然语言

仅凭30亿激活参数，Qwen3.6-35B-A3B 在多项关键编程基准上超越了270亿参数的稠密模型 Qwen3.5-27B，并在智能体编程和推理任务上大幅超越其直接前代 Qwen3.5-35B-A3B。

	Qwen3.5-27B	Gemma4-31B	Qwen3.5-35BA3B	Gemma4-26BA4B	Qwen3.6-35BA3B
Coding Agent
SWE-bench Verified	75.0	52.0	70.0	17.4	73.4
SWE-bench Multilingual	69.3	51.7	60.3	17.3	67.2
SWE-bench Pro	51.2	35.7	44.6	13.8	49.5
Terminal-Bench 2.0	41.6	42.9	40.5	34.2	51.5
Claw-Eval Avg	64.3	48.5	65.4	58.8	68.7
Claw-Eval Pass^3	46.2	25.0	51.0	28.0	50.0
SkillsBench Avg5	27.2	23.6	4.4	12.3	28.7
QwenClawBench	52.2	41.7	47.7	38.7	52.6
NL2Repo	27.3	15.5	20.5	11.6	29.4
QwenWebBench	1068	1197	978	1178	1397
General Agent
TAU3-Bench	68.4	67.5	68.9	59.0	67.2
VITA-Bench	41.8	43.0	29.1	36.9	35.6
DeepPlanning	22.6	24.0	22.8	16.2	25.9
Tool Decathlon	31.5	21.2	28.7	12.0	26.9
MCPMark	36.3	18.1	27.0	14.2	37.0
MCP-Atlas	68.4	57.2	62.4	50.0	62.8
WideSearch	66.4	35.2	59.1	38.3	60.1
Knowledge
MMLU-Pro	86.1	85.2	85.3	82.6	85.2
MMLU-Redux	93.2	93.7	93.3	92.7	93.3
SuperGPQA	65.6	65.7	63.4	61.4	64.7
C-Eval	90.5	82.6	90.2	82.5	90.0
STEM & Reasoning
GPQA	85.5	84.3	84.2	82.3	86.0
HLE	24.3	19.5	22.4	8.7	21.4
LiveCodeBench v6	80.7	80.0	74.6	77.1	80.4
HMMT Feb 25	92.0	88.7	89.0	91.7	90.7
HMMT Nov 25	89.8	87.5	89.2	87.5	89.1
HMMT Feb 26	84.3	77.2	78.7	79.0	83.6
IMOAnswerBench	79.9	74.5	76.8	74.3	78.9
AIME26	92.6	89.2	91.0	88.3	92.7

• SWE-Bench Series: Internal agent scaffold (bash + file-edit tools); temp=1.0, top_p=0.95, 200K context window. We correct some problematic tasks in the public set of SWE-bench Pro and evaluate all baselines on the refined benchmark.
• Terminal-Bench 2.0: Harbor/Terminus-2 harness; 3h timeout, 32 CPU/48 GB RAM; temp=1.0, top_p=0.95, top_k=20, max_tokens=80K, 256K ctx; avg of 5 runs.
• SkillsBench: Evaluated via OpenCode on 78 tasks (self-contained subset, excluding API-dependent tasks); avg of 5 runs.
• NL2Repo: Others are evaluated via Claude Code (temp=1.0, top_p=0.95, max_turns=900).
• QwenClawBench: An internal real-user-distribution Claw agent benchmark (open-sourcing soon); temp=0.6, 256K ctx.
• QwenWebBench: An internal front-end code generation benchmark; bilingual (EN/CN), 7 categories (Web Design, Web Apps, Games, SVG, Data Visualization, Animation, and 3D); auto-render + multimodal judge (code/visual correctness); BT/Elo rating system.
• TAU3-Bench: We use the official user model (gpt-5.2, low reasoning effort) + default BM25 retrieval.
• VITA-Bench: Avg subdomain scores; using claude-4-sonnet as judger, as the official judger (claude-3.7-sonnet) is no longer available.
• MCPMark: GitHub MCP v0.30.3; Playwright responses truncated at 32K tokens.
• MCP-Atlas: Public set score; gemini-2.5-pro judger.
• AIME 26: We use the full AIME 2026 (I & II), where the scores may differ from Qwen 3.5 notes.

视觉语言

Qwen3.6 原生支持多模态，Qwen3.6-35B-A3B 以仅约 30 亿激活参数，展现出远超其体量的感知与多模态推理能力。在大多数视觉语言基准上，它的表现已与 Claude Sonnet 4.5 持平，甚至在部分任务上实现超越。其在空间智能上的优势尤为突出：RefCOCO 92.0、ODInW13 50.8。

	Qwen3.5-27B	Claude-Sonnet-4.5	Gemma4-31B	Gemma4-26BA4B	Qwen3.5-35B-A3B	Qwen3.6-35B-A3B
STEM and Puzzle
MMMU	82.3	79.6	80.4	78.4	81.4	81.7
MMMU-Pro	75.0	68.4	76.9*	73.8*	75.1	75.3
Mathvista(mini)	87.8	79.8	79.3	79.4	86.2	86.4
ZEROBench_sub	36.2	26.3	26.0	26.3	34.1	34.4
General VQA
RealWorldQA	83.7	70.3	72.3	72.2	84.1	85.3
MMBench EN-DEV-v1.1	92.6	88.3	90.9	89.0	91.5	92.8
SimpleVQA	56.0	57.6	52.9	52.2	58.3	58.9
HallusionBench	70.0	59.9	67.4	66.1	67.9	69.8
Text Recognition and Document Understanding
OmniDocBench1.5	88.9	85.8	80.1	74.4	89.3	89.9
CharXiv(RQ)	79.5	67.2	67.9	69.0	77.5	78.0
CC-OCR	81.0	68.1	75.7	74.5	80.7	81.9
AI2D_TEST	92.9	87.0	89.0	88.3	92.6	92.7
Spatial Intelligence
RefCOCO(avg)	90.9	--	--	--	89.2	92.0
ODInW13	41.1	--	--	--	42.6	50.8
EmbSpatialBench	84.5	71.8	--	--	83.1	84.3
RefSpatialBench	67.7	--	--	--	63.5	64.3
Video Understanding
VideoMME (w sub.)	87.0	81.1	--	--	86.6	86.6
VideoMME (w/o sub.)	82.8	75.3	--	--	82.5	82.5
VideoMMMU	82.3	77.6	81.6	76.0	80.4	83.7
MLVU	85.9	72.8	--	--	85.6	86.2
MVBench	74.6	--	--	--	74.8	74.6
LVBench	73.6	--	--	--	71.4	71.4

• Empty cells (--) indicate scores not available or not applicable.

开始使用 Qwen3.6-35B-A3B

Qwen3.6-35B-A3B 即将登陆阿里云 Model Studio。我们正在全力筹备中，请耐心等待。

Qwen3.6-35B-A3B 的开源权重已在 Hugging Face 和 ModelScope 上提供，支持本地部署；也可通过 阿里云百炼 API 以 qwen3.6-flash 的名称调用。此外，您还可以在 Qwen Studio 上即时体验。

该模型可以无缝集成到流行的第三方编程助手中，包括 OpenClaw、Claude Code 和 Qwen Code，从而简化开发流程，实现高效且具备上下文感知能力的编码体验。

API 使用方式

本次发布支持 preserve_thinking 功能：在消息中保留所有前序轮次的思维内容，推荐用于智能体任务。

阿里云百炼

阿里云百炼支持行业标准协议，包括兼容 OpenAI 规范的聊天补全（chat completions）和响应（responses）API，以及兼容 Anthropic 的 API 接口。

以下是聊天补全 API 的代码示例：

"""
Environment variables (per official docs):
  DASHSCOPE_API_KEY: Your API Key from https://bailian.console.aliyun.com/
  DASHSCOPE_BASE_URL: (optional) Base URL for compatible-mode API.
    - Beijing: https://dashscope.aliyuncs.com/compatible-mode/v1
    - Singapore: https://dashscope-intl.aliyuncs.com/compatible-mode/v1
    - US (Virginia): https://dashscope-us.aliyuncs.com/compatible-mode/v1
  DASHSCOPE_MODEL: (optional) Model name; override for different models.
"""
from openai import OpenAI
import os

api_key = os.environ.get("DASHSCOPE_API_KEY")
if not api_key:
    raise ValueError(
        "DASHSCOPE_API_KEY is required. "
        "Set it via: export DASHSCOPE_API_KEY='your-api-key'"
    )

client = OpenAI(
    api_key=api_key,
    base_url=os.environ.get(
        "DASHSCOPE_BASE_URL",
        "https://dashscope.aliyuncs.com/compatible-mode/v1",
    ),
)

messages = [{"role": "user", "content": "Introduce vibe coding."}]

model = os.environ.get(
    "DASHSCOPE_MODEL",
    "qwen3.6-flash",
)
completion = client.chat.completions.create(
    model=model,
    messages=messages,
    extra_body={
        "enable_thinking": True,
        # "preserve_thinking": True,
    },
    stream=True
)

reasoning_content = ""  # Full reasoning trace
answer_content = ""  # Full response
is_answering = False  # Whether we have entered the answer phase
print("\n" + "=" * 20 + "Reasoning" + "=" * 20 + "\n")

for chunk in completion:
    if not chunk.choices:
        print("\nUsage:")
        print(chunk.usage)
        continue

    delta = chunk.choices[0].delta

    # Collect reasoning content only
    if hasattr(delta, "reasoning_content") and delta.reasoning_content is not None:
        if not is_answering:
            print(delta.reasoning_content, end="", flush=True)
        reasoning_content += delta.reasoning_content

    # Received content, start answer phase
    if hasattr(delta, "content") and delta.content:
        if not is_answering:
            print("\n" + "=" * 20 + "Answer" + "=" * 20 + "\n")
            is_answering = True
        print(delta.content, end="", flush=True)
        answer_content += delta.content

更多信息请访问 API 文档。

代码及智能体

Qwen3.6-35B-A3B 具备出色的智能体编程能力，可以无缝集成到流行的第三方编程助手中，包括 OpenClaw、Claude Code 和 Qwen Code。

OpenClaw

Qwen3.6-35B-A3B 兼容 OpenClaw（原名 Moltbot / Clawdbot），这是一款可自托管的开源 AI 编码智能体。将其连接至 百炼，即可在终端中获得完整的智能体编码体验。请使用以下脚本开始：

# Node.js 22+
curl -fsSL https://molt.bot/install.sh | bash   # macOS / Linux

# Set your API key
export DASHSCOPE_API_KEY=<your_api_key>

# Launch OpenClaw
openclaw dashboard # web browser
# openclaw tui # Open a new terminal and start the TUI

首次使用时，请编辑 ~/.openclaw/openclaw.json 文件，将 OpenClaw 指向百炼。 找到或创建以下字段并合并它们——切勿覆盖整个文件，以保留您现有的设置：

{
  "models": {
    "mode": "merge",
    "providers": {
      "bailian": {
        "baseUrl": "https://dashscope.aliyuncs.com/compatible-mode/v1",
        "apiKey": "DASHSCOPE_API_KEY",
        "api": "openai-completions",
        "models": [{
          "id": "qwen3.6-flash",
          "name": "qwen3.6-flash",
          "reasoning": true,
          "input": ["text", "image"],
          "contextWindow": 131072,
          "maxTokens": 16384
        }]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "bailian/qwen3.6-flash"
      },
      "models": {
        "bailian/qwen3.6-flash": {}
      }
    }
  }
}

Qwen Code

Qwen3.6-35B-A3B 适配 Qwen Code，这是一款专为终端设计的开源 AI 智能体，针对 Qwen 系列进行了深度优化。请使用以下脚本开始：

# Node.js 20+
npm install -g @qwen-code/qwen-code@latest

# Start Qwen Code (interactive)
qwen

# Then, in the session:
/help
/auth

首次使用时，系统会提示您登录。您可以随时运行 /auth 来切换认证方式。

Claude Code

Qwen API 也支持 Anthropic API 协议，这意味着您可以将其与 Claude Code 等工具配合使用，以获得更优质的编码体验：

# Install Claude Code
npm install -g @anthropic-ai/claude-code

# Configure environment
export ANTHROPIC_MODEL="qwen3.6-flash"
export ANTHROPIC_SMALL_FAST_MODEL="qwen3.6-flash"
export ANTHROPIC_BASE_URL=https://dashscope.aliyuncs.com/apps/anthropic
export ANTHROPIC_AUTH_TOKEN=<your_api_key>

# Launch the CLI
claude

总结

Qwen3.6-35B-A3B 表明，稀疏 MoE 模型可以实现卓越的智能体编程和推理能力。仅凭30亿激活参数，它便能够交付与数倍于其激活规模的稠密模型相当的性能，同时在多模态基准上同样表现出色。作为完全开源的模型权重，它为该规模下的模型能力树立了新的标杆。

展望未来，我们将继续扩展 Qwen3.6 开源家族，并不断拓展高效开源模型所能实现的边界。我们由衷感谢社区的宝贵反馈，并期待看到大家利用 Qwen3.6-35B-A3B 创造出的精彩成果。Qwen3.6 开源家族正在持续壮大，敬请关注我们的后续发布！