Qwen 3.6 35B A3B vs. Qwen 3.8 27B: 3B aktiv oder 27B dense?

Zwei Zahlen entscheiden über diese Paarung, und sie ziehen in entgegengesetzte Richtungen. Qwen3.6-35B-A3Bhat 35 Milliarden Parameter, aktiviert aber für jedes einzelne Token nur etwa 3 Milliarden davon. Qwen3.8-27Bist dicht: Jeder einzelne seiner 27 Milliarden Parameter wird für jedes Token verwendet, das Sie generieren. Das bedeutet: Das Mixture-of-Experts-Modell ist das leichtere Modell zum Ausführen und das schwerere Modell zum Halten – 71,9 GB BF16-Gewichte gegenüber 55,6 GB, laut dem eigenen Repository des jeweiligen Anbieters – während das dichte Modell pro Token etwa neunmal so viel Rechenaufwand erfordert und mit weniger Speicher auskommt. Keines von beidem ist ein Mangel. Sie sind zwei verschiedene Antworten auf die Frage „Wie viel Maschine habe ich“, und welche Antwort Ihre ist, ist die ganze Entscheidung.

Es gibt einen zweiten Grund, warum diese Seite Ihre Zeit wert ist. Dieser Vergleich ist die Form, nach der Leser rund um das 35B A3B suchen — jede Abfrage in der kleinen Familie dieses Modells ist eine Version davon — und Qwen3.6-35B-A3B hatte hier noch nie überhaupt eine Seite, die es beschreibt. Diese Seite enthält also einen ehrlichen Absatz für jede Seite und kommt dann zum Vergleich.

Was der 35B A3B-Build tatsächlich ist

Qwen3.6-35B-A3B ist das Sparse-Mitglied der Qwen3.6-Generation von Alibaba vom April 2026, veröffentlicht unter Apache-2.0 im eigenen Hugging-Face-Repository des Anbieters, das am 15. April 2026 erstellt wurde. Die Modellkarte des Anbieters beschreibt es als Mixture-of-Experts mit „35B insgesamt und 3B aktiviert“, aufgebaut aus 256 Experten, von denen pro Token acht geroutete Experten plus ein gemeinsamer Experte aktiv werden. Es ist nicht nur auf Text beschränkt: Die Karte nennt es ein „Causal Language Model with Vision Encoder“, und das Repository trägt ein Image-Text-to-Text-Tag, sodass es Text, Bilder und Video entgegennimmt und Text zurückgibt. Der Kontext beträgt nativ 262.144 Token und lässt sich mit YaRN-Skalierung auf etwa 1.010.000 erweitern. Sein Layout ist ein Hybrid — zehn Wiederholungen von drei Gated-DeltaNet-Linear-Attention-Blöcken, gefolgt von einem gated Full-Attention-Block, Hidden-Dimension 2.048, 40 Schichten — und die Karte trennt den Werbetext von der Architektur, indem sie zwei Dinge benennt, die sie hervorhebt: agentisches Coding und eine „Thinking Preservation“-Option, die den Reasoning-Kontext aus früheren Turns beibehält. Die eigenen Tabellen des Anbieters auf dieser Karte führen es mit SWE-bench Verified 73,4, Terminal-Bench 2.0 51,5, MMLU-Pro 85,2, GPQA 86,0 und LiveCodeBench v6 80,4 auf — alle vom Anbieter berichtet und ungeprüft, was die Kennzeichnung ist, die sie tragen, wo immer sie unten erscheinen.

Was Qwen3.8-27B ist

Qwen3.8-27B ist Alibabas dichtes 27B-Modell mit offenen Gewichten aus der Qwen3.8-Generation, veröffentlicht unter Apache-2.0; das Anbieter-Repository wurde am 5. August 2026 erstellt und zuletzt am 14. August geändert. Qwens eigene Modellkarte bezeichnet es als „ein kompaktes, einsatzfreundliches dichtes Modell“ und positioniert es als die bisher leistungsfähigste offene Qwen-Generation mit den angegebenen Verbesserungen bei Coding, professioneller Arbeit, Forschung und langfristigen agentischen Aufgaben. Es ist ebenfalls ein Vision-Language-Modell – „Kausales Sprachmodell mit Vision-Encoder“ –, das Bilder und Videos sowie Text akzeptiert, bei einem nativen Kontext von 262.144 Tokens und 1.000.000 mit Erweiterung. Architektonisch ist es vergleichsweise konventionell: 64 Schichten, Hidden-Dimension 5.120, ein reguläres Feed-Forward-Netzwerk mit Zwischendimension 17.408 statt einer Expertensammlung und derselbe Drei-linear-zu-einer-vollen-Attention-Rhythmus wie bei seinem Geschwistermodell. Während die 35B-A3B-Karte von Denkbewahrung spricht, spricht die Qwen3.8-27B-Karte von flexibler Denksteuerung – eine reasoning_effort-Einstellung, die standardmäßig auf xhigh steht, wobei medium und low verfügbar sind, und preserve_thinking standardmäßig aktiviert ist. Seine Karte meldet LiveCodeBench v6 90,3, GPQA Diamond 89,2, OSWorld-Verified 84,3, QwenSWEBench 79,0, Terminal Bench 2.1 73,0 und SWE-bench Pro 61,7 – erneut vom Anbieter gemeldet und nicht unabhängig geprüft. Sein Gesamtgewicht beträgt 55,6 GB verteilt auf achtzehn Safetensors-Shards, und seine Parameterzahl beträgt 27,8 Milliarden, wenn der Vision-Turm mitgezählt wird, weshalb das Modell 27B genannt wird und 27,8B misst.

Die eine Zahl, die am häufigsten den Ausschlag gibt: aktive Parameter

Dateien erfassen die Gesamtparameter. Geschwindigkeit erfasst die aktiven. Das sind zwei verschiedene Spalten auf dem Datenblatt, und Lesende fassen sie routinemäßig zu einer zusammen, weshalb Leute am Ende ein 22-GB-Mixture-of-Experts-Modell herunterladen und erwarten, dass es dort hineinpasst, wo ein dichtes 16,5-GB-Modell hineinpassen würde.

Der Mechanismus ist es wert, klar ausgesprochen zu werden, denn er ist der ganze Trade-off. Ein dichtes Modell muss alle seine Gewichte lesen, um jedes Token zu erzeugen; eine dünnbesetzte Mixtur liest nur die Experten, die ihr Router auswählt. Qwen3.6-35B-A3B liest pro Token ungefähr den Gegenwert von drei Milliarden Parametern und Qwen3.8-27B liest siebenundzwanzig Milliarden — daher hat die Mixtur einen strukturellen Vorteil beim Rechenaufwand pro Token und beim Decodier-Durchsatz, und dieser Vorteil ist real. Aber die anderen Experten sind nicht kostenlos: Sie müssen irgendwo resident sein, im VRAM oder im Systemspeicher, sonst lädt der Router sie am Ende nach, und ein Abruf kann mehr kosten als die Arithmetik, die er eingespart hat. Der Vorteil ist also daran geknüpft, das gesamte 35B-Modell vorzuhalten. So funktioniert Mixture-of-Experts-Decoding, es ist keine Messung dieser beiden spezifischen Modelle, und es ist der Grund, warum die Frage, ob es passt, vor der Geschwindigkeitsfrage kommt und nicht danach.

• Gesamtparameter auf der Festplatte, BF16 — Qwen3.6-35B-A3B: 35,95 Mrd. in 26 Safetensors-Dateien, 71,9 GB. Qwen3.8-27B: 27,78 Mrd. in 18 Shards, 55,6 GB. Laut den eigenen Hugging-Face-Repositories der Anbieter, abgerufen am 13.10.2026.

• Aktive Parameter pro Token — Qwen3.6-35B-A3B: etwa 3B. Qwen3.8-27B: alle 27B, weil dense nun mal dense bedeutet.

• Architektur — Qwen3.6-35B-A3B: 256 Experten, 8 geroutete plus 1 geteilter pro Token, 40 Schichten, Hidden-Größe 2.048. Qwen3.8-27B: ein einzelnes Feed-Forward mit Zwischendimension 17.408, 64 Schichten, Hidden-Größe 5.120.

• Nativer Kontext – 262.144 Tokens bei beiden. Qwen3.6-35B-A3B erweitert sich mit YaRN auf etwa 1.010.000; im Datenblatt von Qwen3.8-27B stehen 1.000.000 mit Erweiterung.

• Lizenz — Apache-2.0 bei beiden. Beide sind beim Anbieter herunterladbar, beide sind Open Weights, und es gibt keine Klausel pro Arbeitsplatz oder pro Aufruf, die an eine der beiden gebunden wäre.

Was dich jedes einzelne pro Token kostet

Beide Modelle werden auf OrcaRouter bereitgestellt, Sie können das also klären, ohne etwas herunterzuladen. Aus unserem Live-Katalog vom 13.10.2026, qwen/qwen3.6-35b-a3b kostet 0,248 $ pro Million Eingabe-Tokens und 1,485 $ pro Million Ausgabe-Tokens, mit einem 262.144-Token-Fenster und 65.536 maximalen Ausgabe-Tokens. qwen/qwen3.8-27b kostet 0,330 $ pro Million Eingabe und 2,400 $ pro Million Ausgabe bei demselben 262.144-Token-Fenster. Beide sind außerdem in unserem Katalog unter einer zweiten Host-ID zu einem höheren Preis gelistet, prüfen Sie also, welche Kennung Sie tatsächlich aufrufen, bevor Sie Rechnungen vergleichen.

Bei einer Arbeitslast von einer Million Eingabe-Tokens und einer Viertelmillion Ausgabe-Tokens – ein plausibler Monat für ein kleines Coding-Agent-Deployment – sieht die Rechnung so aus. Qwen3.6-35B-A3B: 1.00 × $0.248 plus 0.25 × $1.485, also etwa $0.62. Qwen3.8-27B: 1.00 × $0.330 plus 0.25 × $2.400, also etwa $0.93. Das neuere dichte Modell kostet bei dieser Art von Traffic rund anderthalbmal so viel, und die Differenz ist bei Ausgabe-Tokens am größten, wo sie etwa 62 % beträgt.

Zwei Dinge folgen daraus, die wichtiger sind als die Zahlen. Erstens sind dies unsere Katalogpreise, und wir schlagen keinen Aufschlag auf den veröffentlichten Listenpreis eines Anbieters auf – eine Preisänderung eines Anbieters erreicht diese Seite also am selben Tag, an dem sie den Anbieter erreicht, ohne Verzögerung und ohne zweiten Vertrag. Zweitens ist der Grund, sie anhand eines Schlüssels statt zweier zu vergleichen, die Wechselkosten: Die beiden IDs liegen hinter einem einzigen Endpunkt, sodass der Wechsel von der einen zur anderen eine Änderung einer Zeichenkette statt einer Migration ist, und automatisches Failover bedeutet, dass Sie die weniger vertraute der beiden für einen Teil Ihres Datenverkehrs einsetzen können, ohne einen Produktionspfad darauf zu verwetten. Wenn Sie wegen des oben genannten Compute-Arguments erstmals eine Mischung von Experten evaluieren, ist das der kostengünstige Weg, um zu testen, ob das Argument für Ihre Workload gilt.

Was auf Ihre Maschine passt

Das ist die Frage, bei der sich die beiden Modelle tatsächlich unterscheiden, und sie hängt an derselben Aufteilung zwischen Gesamt- und aktiven Parametern. Vergleicht man die Community-GGUF-Builds, die es für beide Modelle gibt – das sind Drittanbieter-Repositories, keine Hersteller-Releases, und ihre Dateinamen sind ihre eigenen –, bekommt man unter demselben Quantisierungs-Label deutlich unterschiedliche Dateigrößen:

• Q3-Klasse, kleinste vernünftige Option — Qwen3.6-35B-A3B: 16,60 GB bei UD-Q3_K_M. Qwen3.8-27B: 13,15 GB bei UD-Q3_K_XL.

• Rund um IQ4 — Qwen3.6-35B-A3B: 17,73 GB bei UD-IQ4_XS, 18,04 GB bei UD-IQ4_NL. Qwen3.8-27B: 14,25 GB bei UD-IQ4_XS.

• Q4_K_S — Qwen3.6-35B-A3B: 20,89 GB. Qwen3.8-27B: 15,36 GB.

• Q4_K_M, der übliche Standard — Qwen3.6-35B-A3B: 22,13 GB. Qwen3.8-27B: 16,46 GB.

• Q4_K_XL — Qwen3.6-35B-A3B: 22,36 GB. Qwen3.8-27B: 17,56 GB.

• Q5_K_M — Qwen3.6-35B-A3B: 26,46 GB. Qwen3.8-27B: 19,77 GB.

• Q8_0 — Qwen3.6-35B-A3B: 36,90 GB. Qwen3.8-27B: 29,05 GB.

• BF16, wie ausgeliefert — Qwen3.6-35B-A3B: 71,9 GB. Qwen3.8-27B: 55,6 GB.

• Außerdem veröffentlicht — Qwen3.6-35B-A3B hat einen FP8-Checkpoint im eigenen Repository des Anbieters und einen MXFP4-Mix mit 21,71 GB in den Community-Builds; Qwen3.8-27B hat ebenfalls einen FP8-Checkpoint im Repository des Anbieters.

Vergleicht man die beiden Spalten, ergibt sich die Regel. Bei jedem übereinstimmenden Label ist die Mixtur bei derselben nominellen Kompression zwischen vier und acht Gigabyte schwerer, weil die Datei alle 35B enthalten muss und jeweils nur 3B davon nutzt. Konkret: Eine 24-GB-Karte schafft Qwen3.8-27B bei Q4_K_M mit Platz für Kontext und schafft Qwen3.6-35B-A3B bei Q3 oder IQ4, wobei der KV-Cache um Platz kämpft, und eine komfortable Long-Context-Sitzung auf der Mixtur braucht eher Richtung 48 GB. Füge die eigene Datei des Vision-Towers hinzu, wenn du bei einem von beiden Bildeingabe möchtest.

Wo die Benchmarks stehen, was nicht dort ist, wo Sie sie gerne hätten

Niemand hat einen direkten Vergleichslauf dieser beiden Modelle bei identischen Einstellungen auf einem benannten Harness veröffentlicht. Uns ist kein solcher bekannt, und diese Seite wird keine Rangfolge nahelegen, die durch die Belege nicht gedeckt ist.

Was es gibt, ist eine teilweise Überschneidung bei den Benchmark-Namen zwischen den beiden Anbieterkarten, und es lohnt sich, dies genau zu zeigen, gerade weil es so leicht ist, zu viel hineinzulesen. Bei den Namen, die auf beiden Karten erscheinen, liegt der Wert für Qwen3.8-27B jedes Mal höher. SWE-bench Pro: 49,5 für 35B A3B gegenüber 61,7 für 27B. LiveCodeBench v6: 80,4 gegenüber 90,3. HLE: 21,4 gegenüber 30,8. CharXiv-Reasoning-Fragen: 78,0 gegenüber 83,7. OmniDocBench 1.5: 89,9 gegenüber 91,1. RealWorldQA: 85,3 gegenüber 85,9. Und bei Terminal-Bench sind die Karten nicht einmal so vergleichbar, wie es die Zeile nahelegt: Die 35B-A3B-Karte meldet Terminal-Bench 2.0 mit 51,5, während die 27B-Karte Terminal Bench 2.1 (Terminus) mit 73,0 meldet — unterschiedliche Versionen des Benchmarks, sodass dieses spezielle Paar gar nicht voneinander abgezogen werden sollte.

Auf all dem lasten drei Vorbehalte. Die Zahlen stammen aus zwei verschiedenen Modellkarten, die etwa vier Monate auseinander vom selben Labor veröffentlicht wurden – ohne Audit. Mehrere Benchmarks, die jedes Modell ausweist, tauchen nur auf seiner eigenen Karte auf und haben kein Gegenstück – SWE-bench Verified 73,4 und MMLU-Pro 85,2 auf der Seite des 35B A3B; OSWorld-Verified 84,3 und QwenSWEBench 79,0 auf der Seite des 27B –, sodass sie sich nicht gegenüberstellen lassen. Und dass ein neueres Modell derselben Reihe höher abschneidet als ein älteres, ist das erwartete Ergebnis, kein Befund: Es sagt Ihnen, dass die Generation fortgeschritten ist, und nichts darüber, ob das ältere Modell besser zu den Tokens passt, die Sie gerade senden möchten.

Wenn der Vergleich entscheidend sein soll, ist der ehrliche Weg, beide auf Ihrem eigenen Traffic laufen zu lassen. Sie laufen über einen Schlüssel, über einen Endpunkt, und Failover macht einen Split-Test günstig.

Welches du wählen solltest

Wähle Qwen3.6-35B-A3B, wenn dein Rechner 35B an Gewichten aufnehmen kann und bei deiner Arbeitslast die Generierung stärker im Vordergrund steht als einmaliges Schlussfolgern. Die Fälle, in denen es die richtige Antwort ist:

• Sie haben den Speicher — 48 GB oder mehr für komfortable lokale Nutzung mit langem Kontext, oder eine 24-GB-Karte mit einer Quantisierung der 3-Bit-Klasse, wenn Sie mit einem kürzeren Fenster leben können — und Sie wollen die Architektur, die den geringsten Rechenaufwand pro Token verbraucht.

• Ihr Traffic ist hochgradig nebenläufig oder besteht aus langen Generierungen, bei denen die Kosten pro Token die Rechnung dominieren und die sparse Dekodierung des Mixtures strukturell auf Ihrer Seite ist.

• Sie möchten ein einziges Apache-2.0-Artefakt, das Text, Bilder und Videos entgegennimmt und Text zurückgibt, und Sie möchten den kleineren Download des Paares nur dann, wenn Sie es selbst hosten, statt es herunterzuladen, wobei der Preis pro Token sowohl bei der Eingabe als auch bei der Ausgabe niedriger ist.

• Du bist bewusst auf 3B-Active-Skala — du nimmst in Kauf, eine Generation hinter den eigenen Tabellen des Anbieters zurückzuliegen, im Austausch dafür, weniger pro Token zu zahlen und es hinter einer vertrauten Tool-Calling-Schnittstelle zu tun.

Wähle Qwen3.8-27B, wenn der Arbeitsspeicher der limitierende Faktor ist oder wenn du die neueste Generation in diesem Paar möchtest. Die Fälle, in denen es die richtige Antwort ist:

• Eine einzelne 24-GB-Karte und keine Pläne, mehr zu kaufen. Bei Q4_K_M sind es 16,5 GB, was echten Raum für Kontext lässt; die Mixtur nicht.

• Sie möchten die stärksten vom Anbieter gemeldeten agentischen und Coding-Werte in dieser Paarung und sind sich bewusst, dass sie aus einer nicht auditierten Karte stammen und keinen abgestimmten Vergleich darstellen.

• Ihre Arbeitslast besteht aus vergleichsweise wenigen, vergleichsweise großen Anfragen – Dokument- und Screenshot-Verständnis, Reasoning auf Repository-Ebene, Automatisierung im Computer-Use-Stil – bei denen der Durchsatz pro Anfrage weniger zählt als das, was jede Anfrage richtig macht.

• Sie wollen den kleineren Download, den schnelleren Kaltstart und die kürzere Shard-Liste, die es zu verwalten gilt.

Nichts davon ergibt einen Gewinner. Die beiden Modelle konkurrieren nicht um denselben Platz auf Ihrer Maschine, und die obigen Zahlen belegen nicht, welches in irgendeiner Hinsicht besser ist — sie belegen, welches weniger von der Maschine verlangt, die Sie bereits haben.

Der Umstand, der die Sache meistens entscheidet, ist folgender: Die Datei auf der Festplatte bemisst sich nach der Gesamtzahl der Parameter, und der Arbeitsaufwand pro Token bemisst sich nach den aktiven. Daher kann Qwen3.6-35B-A3B das Modell sein, das schneller läuft und trotzdem das Modell, das nicht passt, und Qwen3.8-27B kann das Modell mit den höheren Kosten pro Token sein und trotzdem das Modell, das überhaupt läuft. Entscheide, welches dieser beiden Probleme du tatsächlich hast, und die Entscheidung ist kein Vergleich mehr.