Qwen3.6 35B-A3B — MoE multimodal de pesos abiertos (texto/imagen/video), 35B total / 3B parámetros activos, contexto de 256k.
Qwen3.6 35B A3B es un modelo de lenguaje grande de mezcla de expertos (MoE) de la familia Qwen. Contiene 35 mil millones de parámetros totales, pero solo alrededor de 3 mil millones se activan…
Qwen3.6 35B A3B destaca en tareas que se benefician de ventanas de contexto largas y comprensión multimodal. Estas incluyen responder preguntas a nivel de documentos, resumir informes extensos, generación de código con contexto ampliado y razonamiento complejo en múltiples pasos. El contexto de 262,144 tokens del modelo permite ingerir libros completos, bases de código extensas o horas de video transcrito. Su fortaleza en τ²-Bench (95.3) indica un rendimiento sólido en tareas que requieren recuperar y usar información de entradas largas, así como llamar a herramientas externas y seguir instrucciones a lo largo de muchos turnos. Las entradas multimodales (imágenes y videos) añaden la capacidad de analizar contenido visual junto con texto en un solo prompt.
El modelo admite entrada en forma de texto, imágenes y archivos de video. Al enviar una solicitud a través de la API de OrcaRouter, puede incluir datos de imagen (por ejemplo, codificados en base64 o URL) y archivos de video dentro del mensaje del usuario, siguiendo el mismo formato multimodal utilizado por otros proveedores. El modelo procesa estos elementos visuales junto con el mensaje de texto, lo que le permite razonar sobre gráficos, diagramas, fotografías o videoclips. Por ejemplo, puede pedirle que describa una escena de un video, extraiga datos de una imagen o combine instrucciones de texto con contexto visual. La salida siempre es texto. No hay un precio separado para las entradas multimodales; se facturan a la misma tarifa por token de entrada.
La ventana de contexto de 262,144 tokens permite al modelo manejar secuencias muy largas sin truncamiento. Sin embargo, el procesamiento de contextos largos puede aumentar la latencia y el uso de memoria. La arquitectura MoE ayuda a mitigar el costo porque solo 3B parámetros están activos por token, pero el mecanismo de atención completa aún escala con la longitud de la secuencia. En tareas donde la información relevante está dispersa a lo largo de una entrada larga, la alta puntuación τ²-Bench de Qwen3.6 35B A3B sugiere que puede recuperar y razonar de manera efectiva. Para documentos muy largos, considere estrategias de fragmentación o use las capacidades de resumen del modelo. Para tareas con contexto corto, un modelo denso más barato puede ser más económico.
Si su caso de uso implica indicaciones cortas (menos de 4K tokens), tareas simples como clasificación o extracción, o no requiere entrada multimodal, un modelo más pequeño y denso—como una variante de 7B parámetros—puede ofrecer menor latencia y costo. El precio por token de Qwen3.6 35B A3B ($0.25/$1.48 por millón de tokens) es moderado, pero para cargas de trabajo de alto volumen y baja complejidad, un modelo con parámetros activos aún más bajos (por ejemplo, 1B o 3B denso) podría ser más rentable. Además, si no necesita el contexto largo o las capacidades multimodales, está pagando por una sobrecarga que quizás no use. Evalúe la longitud promedio de sus indicaciones y salidas frente a las fortalezas del modelo para decidir.
τ²-Bench es un punto de referencia que evalúa la capacidad de un modelo para realizar razonamiento de contexto largo y uso de herramientas en múltiples pasos. Implica procesar un corpus extenso (por ejemplo, una base de datos de documentos o un código fuente) y luego responder preguntas que requieren recuperar y sintetizar información de dicho corpus. Una puntuación de 95.3 indica que el modelo manejó estas tareas con alta precisión, superando a muchos otros modelos en este punto de referencia específico. Sugiere sólidas capacidades de recuperación, razonamiento y seguimiento de instrucciones en contextos prolongados. Sin embargo, las puntuaciones de los puntos de referencia deben interpretarse como una medida de rendimiento; los resultados en el mundo real pueden variar según los detalles de la tarea.
La latencia para Qwen3.6 35B A3B está influenciada por su arquitectura MoE: solo 3B parámetros están activos por token, lo que generalmente permite una inferencia más rápida que un modelo denso de 35B. Sin embargo, el mecanismo de atención aún requiere procesar la ventana de contexto completa, por lo que las entradas más largas aumentan el tiempo hasta el primer token. OrcaRouter no publica puntos de referencia de latencia específicos para este modelo. En la práctica, los tiempos de respuesta dependen de la carga de solicitudes, la longitud del prompt y el recuento de tokens de salida. Para aplicaciones en tiempo real, pruebe con sus entradas típicas. Para procesamiento por lotes, la eficiencia de costos del modelo puede compensar latencias más largas. Los usuarios deben considerar tanto la velocidad como el costo al comparar con modelos densos.
El resultado principal de referencia proporcionado es la puntuación τ²-Bench de 95.3, lo que indica un razonamiento sólido en contextos largos y uso de herramientas. Esta es un área de fortaleza clave. La multimodalidad del modelo también lo posiciona bien para tareas que combinan datos visuales y textuales, aunque no se proporcionan puntuaciones de referencia separadas para tareas visuales aquí. Basándose en la arquitectura, se puede esperar que el modelo se desempeñe bien en tareas que se benefician del gran número de parámetros pero que no requieren la activación completa de todos los parámetros. El diseño MoE puede llevar a una consistencia ligeramente menor en comparación con modelos densos en ciertas tareas específicas, pero ofrece un equilibrio favorable entre capacidad y costo.
Si bien la puntuación en τ²-Bench es alta, se trata de un solo benchmark; no se proporciona el rendimiento en otros benchmarks (p. ej., MMLU, MATH, concursos de programación). Sus contrapartes densas (p. ej., un modelo denso completo de 35B) podrían superarlo en tareas que requieren la participación simultánea de todos los parámetros, como ciertos razonamientos matemáticos o tareas multilingües. Además, se admite entrada multimodal, pero la calidad de la comprensión de video puede depender del muestreo de fotogramas y la compresión. La latencia no se evalúa públicamente. Los usuarios no deben asumir que el modelo es la mejor opción para cada escenario; siempre evalúenlo frente a su caso de uso específico y consideren ejecutar sus propios benchmarks.
El precio es por token, facturado por separado para la entrada y la salida. El costo es de $0.25 por cada 1 millón de tokens de entrada y $1.48 por cada 1 millón de tokens de salida. Estas son las tarifas del proveedor, y OrcaRouter no aplica ningún margen. Los tokens de entrada incluyen todos los tokens del prompt, incluyendo tokenización de texto, imágenes y video. Los tokens de salida son todos los tokens generados en la respuesta. No hay tarifas adicionales por usar la API, ni suscripciones mensuales, ni requisitos de uso mínimo. La facturación la gestiona OrcaRouter según el uso de tokens. Debido a que solo 3B parámetros están activos por token, el costo computacional para el proveedor es menor que el de un modelo denso de 35B, y este ahorro se traslada al precio.
El precio de entrada ($0.25/1M tokens) es relativamente bajo, mientras que el precio de salida ($1.48/1M) es más alto, reflejando el costo de generación. Si tu aplicación produce un gran número de tokens (por ejemplo, resúmenes largos, generación de código), el costo de salida dominará. En tales casos, considera reducir la longitud de salida mediante instrucciones o usando un modelo más barato para la generación si la calidad lo permite. Por el contrario, si tienes prompts muy largos pero salidas cortas, el costo de entrada es favorable. La arquitectura MoE significa que el costo de inferencia por token es menor que el de un modelo denso de parámetros totales similares, pero el precio aquí está fijado según la tarifa del proveedor; estás pagando por la eficiencia.
OrcaRouter no divulga públicamente si el almacenamiento en caché de indicaciones está disponible para este modelo. Si se implementara el almacenamiento en caché, podría reducir costos al evitar la recodificación de prefijos de indicaciones idénticos. Sin embargo, no se menciona dicha función específicamente para este modelo. Los usuarios deben asumir que cada solicitud se factura según las tarifas estándar por token. Para indicaciones repetitivas, considere agrupar consultas o usar prefijos más cortos para minimizar el uso de tokens de entrada. También puede monitorear los recuentos de tokens mediante el campo de uso de la respuesta de la API para optimizar costos. Para uso a escala empresarial, comuníquese con OrcaRouter para discutir posibles acuerdos personalizados o soporte de almacenamiento en caché.
Sin margen significa que OrcaRouter te cobra exactamente el mismo precio por token establecido por el proveedor del modelo (Qwen). No se agregan tarifas adicionales de plataforma, gastos generales ni margen de beneficio. Las tarifas de $0.25/1M de entrada y $1.48/1M de salida son las tarifas propias del proveedor. Esto es transparencia en los precios; pagas solo por el costo de inferencia subyacente. OrcaRouter todavía gestiona la infraestructura de API, el enrutamiento y la facturación, pero no cobra extra por ese servicio. Esto puede hacer que Qwen3.6 35B A3B sea más económico en comparación con otras plataformas que podrían agregar un margen. Sin embargo, aún puedes necesitar comparar los costos totales incluyendo cualquier descuento por volumen o créditos ofrecidos por OrcaRouter por separado.
Usa el endpoint de finalizaciones de chat compatible con OpenAI en https://api.orcarouter.ai/v1. Establece el parámetro model en "qwen/qwen3.6-35b-a3b". Construye mensajes como lo harías con la API de OpenAI, incluyendo un mensaje de sistema si lo deseas, y mensajes de usuario. Para entrada multimodal, incluye un arreglo de partes de contenido con tipo "text" e "image_url" (o "video_url"). Ejemplo (pseudocódigo): curl https://api.orcarouter.ai/v1/chat/completions -H "Authorization: Bearer YOUR_ORCAROUTER_API_KEY" -d '{"model":"qwen/qwen3.6-35b-a3b","messages":[{"role":"user","content":[{"type":"text","text":"Describe this image"},{"type":"image_url","image_url":{"url":"https://example.com/photo.jpg"}}]}]}'. La respuesta sigue el formato de OpenAI con choices, usage, etc.
Se admiten los parámetros estándar de OpenAI: temperature (0 a 2, por defecto 1), top_p (0 a 1, por defecto 1), max_tokens (hasta 65536), stop sequences, frequency_penalty, presence_penalty y stream. Para solicitudes multimodales, puede pasar imágenes como URL de datos base64 o URL públicas. Las entradas de video pueden requerir codificación específica; consulte la documentación de OrcaRouter. Parámetros adicionales como seed para reproducibilidad pueden ser compatibles, pero no están garantizados. El modelo no admite function calling ni tools de forma nativa; sin embargo, puede simular llamadas a herramientas instruyendo al modelo en el system prompt. Para llamadas paralelas a herramientas, deberá gestionar el bucle externamente. Se recomienda el uso de streaming para aplicaciones en tiempo real a fin de reducir la latencia percibida.
Si estás acostumbrado a una API compatible con OpenAI, la migración solo requiere cambiar la URL base y el ID del modelo. Reemplaza tu endpoint existente por https://api.orcarouter.ai/v1 y establece el modelo en "qwen/qwen3.6-35b-a3b". La autenticación utiliza una clave API proporcionada por OrcaRouter (configurada en el encabezado Authorization como Bearer). Los límites de tasa y la facturación son gestionados por OrcaRouter. Para la migración multimodal, asegúrate de que el formato de tus imágenes/videos coincida con el esquema esperado (compatible con OpenAI). El formato de respuesta es idéntico al de las finalizaciones de chat de OpenAI, por lo que tu código de análisis existente debería funcionar con cambios mínimos. Prueba con una sola solicitud para confirmar que el conteo de tokens y la latencia son aceptables.
Sí, el modelo admite streaming a través del protocolo de eventos enviados por el servidor (SSE) compatible con OpenAI. Establezca "stream": true en su solicitud. El stream emitirá tokens delta a medida que se generan, exactamente como con el streaming de OpenAI, incluyendo finish_reason e información de uso en el evento final. El streaming es útil para aplicaciones interactivas donde se desea mostrar la salida de forma incremental. Tenga en cuenta que el streaming no reduce los costos totales de tokens; se le facturará por la salida completa. La arquitectura MoE puede producir tokens a un ritmo constante, pero el rendimiento real depende de la red y la carga del servidor. Pruebe su integración para asegurarse de manejar correctamente los eventos del stream.
En comparación con Mixtral 8x7B (un popular modelo MoE con 47B totales, 12.9B activos), Qwen3.6 35B A3B tiene menos parámetros totales, pero también menos parámetros activos (3B frente a 12.9B). Esto lo hace potencialmente más rentable por token. La ventana de contexto de 262K tokens es significativamente mayor que la predeterminada de 32K de Mixtral (aunque Mixtral puede extenderse). Qwen3.6 A3B también admite entrada de imágenes y videos, lo que Mixtral no hace de forma nativa. En los benchmarks, Mixtral obtiene alrededor de 65-70 en τ²-Bench? No se proporciona; pero el 95.3 de Qwen es muy alto para ese benchmark específico. Para tareas de texto puro de contexto corto, Mixtral puede rendir de manera comparable o mejor en algunas tareas de razonamiento debido a más parámetros activos. Para tareas de contexto largo y multimodales, Qwen3.6 A3B tiene una clara ventaja.
Un modelo denso de 35B parámetros requeriría aproximadamente 12 veces más cómputo por token que los 3B parámetros activos en este modelo MoE. Qwen3.6 A3B ofrece así una ventaja de velocidad y costo en tiempo de inferencia, a costa potencialmente de cierta consistencia porque el enrutamiento de expertos puede no activar siempre los expertos más relevantes para cada entrada. Los modelos densos suelen lograr una calidad más predecible en diversas tareas. Sin embargo, la puntuación τ²-Bench sugiere que este modelo MoE puede competir con los modelos densos en razonamiento de contexto largo. Si tienes una carga de trabajo de producción de alto volumen donde la latencia y el costo son críticos, el enfoque MoE es beneficioso. Para investigación que requiere comportamiento determinista, un modelo denso podría ser preferible.
Elige Qwen3.6 35B A3B cuando tu aplicación requiera: (1) procesar documentos muy largos (hasta 262 mil tokens) en una sola pasada, (2) comprensión multimodal que incluya imágenes y video, (3) buen rendimiento en tareas que implican recuperar y razonar sobre grandes contextos (medido por τ²-Bench), y (4) eficiencia de costos gracias a una arquitectura MoE de pocos parámetros activos. Si tus tareas son cortas, solo texto y no requieren contexto largo, un modelo más barato como un modelo denso de 7B puede ser suficiente. Para tareas que requieran la máxima calidad posible en benchmarks específicos (por ejemplo, problemas de competencias matemáticas), un modelo denso más grande (ej. 70B) podría superarlo.
Entre las alternativas se incluyen los densos modelos Qwen2.5 de 32B o 72B si necesitas una calidad más consistente en todas las tareas. Para multimodal, GPT-4o o Claude 3.5 Sonnet ofrecen una comprensión visual más amplia, pero a un costo mayor. Para un rendimiento muy alto, un modelo MoE más pequeño como Qwen2.5 14B A2B podría ser más económico. Si requieres llamadas a funciones o uso de herramientas con salidas estructuradas, considera modelos con soporte nativo de llamada a funciones (por ejemplo, GPT-4 o Claude). La elección depende en última instancia de tu combinación específica de longitud de contexto, modalidad, tolerancia a la latencia y presupuesto. Siempre realiza tu propia evaluación utilizando ejemplos representativos.
Compatible con OpenAI: conserva tu SDK actual
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="qwen/qwen3.6-35b-a3b",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)enable_searchenable_thinkinginclude_reasoninglogprobsmax_tokensnparallel_tool_callspresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstreamstream_optionstemperaturethinking_budgettool_choicetoolstop_ktop_logprobstop_p| Entrada / 1M tokens | $0.248 |
| Salida / 1M tokens | $1.485 |
| Moneda | USD |
Estimación según precio de lista
Solo una estimación: el número real de tokens depende del tokenizador del proveedor.
GET /api/public/models/qwen/qwen3.6-35b-a3bAbrir @misc{orcarouter_qwen3_6_35b_a3b,
title = {Qwen3.6 35B A3B API},
author = {Qwen},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/qwen/qwen3.6-35b-a3b}
}Qwen. (2026). Qwen3.6 35B A3B API. OrcaRouter. https://www.orcarouter.ai/models/qwen/qwen3.6-35b-a3b