Qwen3.6 35B-A3B — MoE multimodal bobot terbuka (teks/gambar/video), total 35B / 3B parameter aktif, konteks 256k.
Qwen3.6 35B A3B adalah model bahasa besar mixture-of-experts (MoE) dari keluarga Qwen. Model ini memiliki total 35 miliar parameter, tetapi hanya sekitar 3 miliar yang diaktifkan selama setiap…
Qwen3.6 35B A3B unggul dalam tugas-tugas yang memanfaatkan jendela konteks panjang dan pemahaman multimodal. Ini termasuk menjawab pertanyaan tingkat dokumen, merangkum laporan panjang, pembuatan kode dengan konteks yang diperluas, dan penalaran kompleks dalam beberapa langkah. Konteks 262.144 token model ini memungkinkannya untuk memproses seluruh buku, basis kode yang luas, atau berjam-jam video yang ditranskripsi. Kekuatannya pada τ²-Bench (95.3) menunjukkan performa yang kuat dalam tugas-tugas yang memerlukan pengambilan dan penggunaan informasi dari input panjang, serta memanggil alat eksternal dan mematuhi instruksi dalam banyak giliran. Input multimodal—gambar dan video—menambahkan kemampuan untuk menganalisis konten visual bersama teks dalam satu prompt.
Model mendukung input dalam bentuk teks, gambar, dan file video. Saat mengirim permintaan melalui API OrcaRouter, Anda dapat menyertakan data gambar (misalnya, base64-encoded atau URL) dan file video dalam pesan pengguna, mengikuti format multimodal yang sama seperti yang digunakan oleh penyedia lain. Model memproses elemen visual ini bersama dengan prompt teks, memungkinkannya untuk bernalar tentang bagan, diagram, foto, atau klip video. Misalnya, Anda dapat memintanya untuk mendeskripsikan adegan dari video, mengekstrak data dari gambar, atau menggabungkan instruksi teks dengan konteks visual. Output selalu berupa teks. Tidak ada harga terpisah untuk input multimodal—input tersebut ditagih dengan tarif input per token yang sama.
Jendela konteks 262,144 token memungkinkan model menangani urutan yang sangat panjang tanpa pemotongan. Namun, pemrosesan konteks panjang dapat meningkatkan latensi dan penggunaan memori. Arsitektur MoE membantu mengurangi biaya karena hanya 3B parameter yang aktif per token, tetapi mekanisme perhatian penuh masih berskala sesuai panjang urutan. Pada tugas di mana informasi yang relevan tersebar di input yang panjang, skor τ²-Bench yang tinggi dari Qwen3.6 35B A3B menunjukkan bahwa ia dapat mengambil dan bernalar secara efektif. Untuk dokumen yang sangat panjang, pertimbangkan strategi pemotongan atau gunakan kemampuan perangkuman model itu sendiri. Untuk tugas dengan konteks pendek, model padat yang lebih murah mungkin lebih ekonomis.
Jika kasus penggunaan Anda melibatkan prompt pendek (di bawah 4K token), tugas sederhana seperti klasifikasi atau ekstraksi, atau tidak memerlukan input multimodal, model yang lebih kecil dan padat—seperti varian 7B parameter—dapat menawarkan latensi dan biaya yang lebih rendah. Harga per token dari Qwen3.6 35B A3B ($0.25/$1.48 per juta token) tergolong moderat, tetapi untuk beban kerja volume tinggi dengan kompleksitas rendah, model dengan parameter aktif yang lebih rendah (misalnya, 1B atau 3B padat) bisa lebih hemat biaya. Selain itu, jika Anda tidak memerlukan konteks panjang atau kemampuan multimodal, Anda membayar untuk overhead yang mungkin tidak Anda gunakan. Evaluasi panjang prompt dan output rata-rata Anda terhadap kekuatan model untuk memutuskan.
τ²-Bench adalah sebuah tolok ukur yang mengevaluasi kemampuan model dalam melakukan penalaran konteks panjang dan penggunaan alat multi-langkah. Tolok ukur ini melibatkan pemrosesan korpus besar (misalnya, basis data dokumen atau basis kode) dan kemudian menjawab pertanyaan yang memerlukan pengambilan dan sintesis informasi dari korpus tersebut. Skor 95.3 menunjukkan bahwa model berhasil menangani tugas-tugas ini dengan akurasi tinggi, mengungguli banyak model lain pada tolok ukur spesifik ini. Hal ini mengindikasikan kemampuan retrieval, penalaran, dan mengikuti instruksi yang kuat dalam konteks yang diperluas. Namun, skor tolok ukur harus ditafsirkan sebagai salah satu ukuran kinerja; hasil di dunia nyata dapat bervariasi tergantung pada spesifik tugas.
Latensi untuk Qwen3.6 35B A3B dipengaruhi oleh arsitektur MoE-nya: hanya 3B parameter yang aktif per token, yang umumnya memungkinkan inferensi lebih cepat dibandingkan model 35B padat. Namun, mekanisme perhatian tetap memerlukan pemrosesan jendela konteks penuh, sehingga input yang lebih panjang meningkatkan waktu menuju token pertama. OrcaRouter tidak mempublikasikan tolok ukur latensi spesifik untuk model ini. Dalam praktiknya, waktu respons tergantung pada beban permintaan, panjang prompt, dan jumlah token output. Untuk aplikasi real-time, uji dengan input tipikal Anda. Untuk pemrosesan batch, efisiensi biaya model dapat mengimbangi latensi yang lebih panjang. Pengguna harus mempertimbangkan kecepatan dan biaya saat membandingkan dengan model padat.
Hasil benchmark utama yang diberikan adalah skor τ²-Bench sebesar 95,3, yang menunjukkan penalaran konteks panjang dan penggunaan alat yang kuat. Ini merupakan area kekuatan utama. Multimodalitas model juga memposisikannya dengan baik untuk tugas-tugas yang menggabungkan data visual dan tekstual, meskipun tidak ada skor benchmark terpisah untuk tugas visual yang diberikan di sini. Berdasarkan arsitekturnya, model ini diharapkan dapat bekerja dengan baik pada tugas-tugas yang mendapat manfaat dari jumlah parameter yang besar tetapi tidak memerlukan aktivasi penuh seluruh parameter. Desain MoE dapat menyebabkan konsistensi yang sedikit lebih rendah dibandingkan model padat pada tugas-tugas sempit tertentu, tetapi menawarkan trade-off yang menguntungkan antara kemampuan dan biaya.
Meskipun skor τ²-Bench tinggi, itu hanyalah satu tolok ukur; kinerja pada tolok ukur lain (mis., MMLU, MATH, kontes pemrograman) tidak disediakan. Rekan padat model tersebut (mis., model padat 35B penuh) mungkin lebih unggul dalam tugas-tugas yang memerlukan semua parameter untuk diaktifkan secara bersamaan, seperti penalaran matematis tertentu atau tugas multibahasa. Juga, masukan multimodal didukung tetapi kualitas pemahaman video mungkin bergantung pada pengambilan sampel bingkai dan kompresi. Latensi tidak diuji secara publik. Pengguna seharusnya tidak menganggap model tersebut adalah pilihan terbaik untuk setiap skenario; selalu evaluasi terhadap kasus penggunaan spesifik Anda dan pertimbangkan untuk menjalankan tolok ukur Anda sendiri.
Harga per token, ditagih terpisah untuk input dan output. Biayanya adalah $0.25 per 1 juta token input dan $1.48 per 1 juta token output. Ini adalah tarif penyedia, dan OrcaRouter tidak menerapkan markup. Token input mencakup semua token dalam prompt, termasuk tokenisasi teks, gambar, dan video. Token output adalah semua token yang dihasilkan dalam respons. Tidak ada biaya tambahan untuk menggunakan API, tidak ada langganan bulanan, dan tidak ada persyaratan penggunaan minimum. Penagihan dilakukan oleh OrcaRouter berdasarkan penggunaan token. Karena hanya 3B parameter yang aktif per token, biaya komputasi untuk penyedia lebih rendah daripada model 35B padat, dan penghematan ini diteruskan dalam harga.
Harga input ($0.25/1M token) relatif rendah, sedangkan harga output ($1.48/1M) lebih tinggi, mencerminkan biaya generasi. Jika aplikasi Anda menghasilkan banyak token (misalnya ringkasan panjang, pembuatan kode), biaya output akan mendominasi. Dalam kasus seperti itu, pertimbangkan untuk mengurangi panjang output melalui instruksi atau menggunakan model yang lebih murah untuk generasi jika kualitas memungkinkan. Sebaliknya, jika Anda memiliki prompt yang sangat panjang tetapi output pendek, biaya input lebih menguntungkan. Arsitektur MoE berarti biaya inferensi per token lebih rendah dibandingkan model padat dengan jumlah parameter total yang serupa, tetapi harga di sini ditetapkan berdasarkan tarif penyedia; Anda membayar untuk efisiensi tersebut.
OrcaRouter tidak mengungkapkan secara publik apakah caching prompt tersedia untuk model ini. Jika caching diterapkan, hal ini dapat mengurangi biaya dengan menghindari pengodean ulang prefiks prompt yang identik. Namun, fitur tersebut tidak disebutkan secara khusus untuk model ini. Pengguna harus berasumsi bahwa setiap permintaan ditagih dengan tarif per-token standar. Untuk prompt yang berulang, pertimbangkan untuk mengelompokkan kueri atau menggunakan prefiks yang lebih pendek untuk meminimalkan penggunaan token masukan. Anda juga dapat memantau jumlah token melalui kolom usage pada respons API untuk mengoptimalkan biaya. Untuk penggunaan skala perusahaan, hubungi OrcaRouter untuk mendiskusikan kemungkinan pengaturan khusus atau dukungan caching.
Markup nol berarti OrcaRouter membebankan Anda harga per-token yang persis sama dengan yang ditetapkan oleh penyedia model (Qwen). Tidak ada biaya platform tambahan, biaya overhead, atau margin keuntungan yang ditambahkan. Harga $0,25/1M input dan $1,48/1M output adalah tarif penyedia itu sendiri. Ini adalah transparansi dalam penetapan harga; Anda hanya membayar biaya inferensi yang mendasarinya. OrcaRouter tetap mengelola infrastruktur API, perutean, dan penagihan tetapi tidak mengenakan biaya tambahan untuk layanan tersebut. Hal ini dapat membuat Qwen3.6 35B A3B lebih ekonomis dibandingkan dengan beberapa platform lain yang mungkin menambahkan markup. Namun, Anda mungkin masih perlu membandingkan total biaya termasuk diskon volume atau kredit apa pun yang ditawarkan oleh OrcaRouter secara terpisah.
Gunakan endpoint penyelesaian obrolan yang kompatibel dengan OpenAI di https://api.orcarouter.ai/v1. Atur parameter model menjadi "qwen/qwen3.6-35b-a3b". Buat pesan seperti yang Anda lakukan dengan API OpenAI, termasuk pesan sistem jika diinginkan, dan pesan pengguna. Untuk input multimodal, sertakan array bagian konten dengan tipe "teks" dan "image_url" (atau "video_url"). Contoh (pseudocode): 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"}}]}]}'. Respons mengikuti format OpenAI dengan pilihan, penggunaan, dll.
Parameter standar OpenAI didukung: temperature (0 hingga 2, default 1), top_p (0 hingga 1, default 1), max_tokens (hingga 65536), urutan stop, frequency_penalty, presence_penalty, dan stream. Untuk permintaan multimodal, Anda dapat memberikan gambar sebagai data URL base64 atau URL publik. Input video mungkin memerlukan encoding tertentu—periksa dokumentasi OrcaRouter. Parameter tambahan seperti seed untuk reprodusibilitas mungkin didukung namun tidak dijamin. Model tidak mendukung pemanggilan fungsi atau alat secara native; namun, Anda dapat mensimulasikan panggilan alat dengan menginstruksikan model dalam prompt sistem. Untuk pemanggilan alat paralel, Anda perlu mengelola loop secara eksternal. Streaming direkomendasikan untuk aplikasi real-time untuk mengurangi latensi yang dirasakan.
Jika Anda terbiasa dengan API yang kompatibel dengan OpenAI, migrasi hanya memerlukan perubahan pada URL dasar dan ID model. Ganti endpoint Anda yang ada dengan https://api.orcarouter.ai/v1 dan atur model menjadi "qwen/qwen3.6-35b-a3b". Autentikasi menggunakan kunci API yang disediakan oleh OrcaRouter (diatur dalam header Authorization sebagai Bearer). Batas kecepatan dan penagihan dikelola oleh OrcaRouter. Untuk migrasi multimodal, pastikan pemformatan gambar/video Anda sesuai dengan skema yang diharapkan (kompatibel dengan OpenAI). Format respons identik dengan chat completions OpenAI, sehingga kode parsing Anda yang sudah ada akan berfungsi dengan perubahan minimal. Uji dengan satu permintaan untuk memastikan penghitungan token dan latensi dapat diterima.
Ya, model mendukung streaming melalui protokol server-sent events (SSE) yang kompatibel dengan OpenAI. Atur "stream": true dalam permintaan Anda. Streaming akan mengeluarkan delta token saat dihasilkan, persis seperti streaming OpenAI, termasuk finish_reason dan informasi penggunaan dalam event terakhir. Streaming berguna untuk aplikasi interaktif di mana Anda ingin menampilkan output secara bertahap. Perhatikan bahwa streaming tidak mengurangi biaya token total; Anda tetap ditagih untuk output penuh. Arsitektur MoE dapat menghasilkan token dengan kecepatan yang konsisten, tetapi throughput aktual tergantung pada jaringan dan beban server. Uji integrasi Anda untuk memastikan penanganan event streaming yang tepat.
Dibandingkan dengan Mixtral 8x7B (model MoE populer dengan total 47B, 12.9B aktif), Qwen3.6 35B A3B memiliki total parameter yang lebih sedikit tetapi juga parameter aktif yang lebih sedikit (3B vs 12.9B). Hal ini berpotensi membuatnya lebih efisien biaya per token. Jendela konteks 262K token secara signifikan lebih besar dari default Mixtral 32K (meskipun Mixtral dapat diperpanjang). Qwen3.6 A3B juga mendukung input gambar dan video, yang tidak didukung secara native oleh Mixtral. Pada tolok ukur, Mixtral mendapat skor sekitar 65-70 pada τ²-Bench? Tidak disebutkan; tetapi skor Qwen 95.3 sangat tinggi untuk tolok ukur spesifik tersebut. Untuk tugas teks murni konteks pendek, Mixtral mungkin berkinerja sebanding atau lebih baik dalam beberapa tugas penalaran karena parameter aktif yang lebih banyak. Untuk tugas konteks panjang dan multimodal, Qwen3.6 A3B memiliki keunggulan yang jelas.
Model dengan 35B parameter padat memerlukan sekitar 12 kali lebih banyak komputasi per token dibandingkan dengan 3B parameter aktif dalam model MoE ini. Qwen3.6 A3B dengan demikian menawarkan keuntungan kecepatan dan biaya saat inferensi, dengan potensi pengorbanan konsistensi karena perutean pakar mungkin tidak selalu mengaktifkan pakar yang paling relevan untuk setiap masukan. Model padat sering mencapai kualitas yang lebih dapat diprediksi di berbagai tugas. Namun, skor τ²-Bench menunjukkan bahwa model MoE ini dapat bersaing dengan model padat dalam penalaran konteks panjang. Jika Anda memiliki beban kerja produksi volume tinggi di mana latensi dan biaya sangat penting, pendekatan MoE bermanfaat. Untuk penelitian yang memerlukan perilaku deterministik, model padat mungkin lebih disukai.
Pilih Qwen3.6 35B A3B ketika aplikasi Anda memerlukan: (1) memproses dokumen yang sangat panjang (hingga 262K token) dalam satu kali proses, (2) pemahaman multimodal yang mencakup gambar dan video, (3) kinerja kuat pada tugas yang melibatkan pengambilan dan penalaran atas konteks besar (sebagaimana diukur oleh τ²-Bench), dan (4) efisiensi biaya dari arsitektur MoE dengan parameter aktif rendah. Jika tugas Anda berbentuk pendek, hanya teks, dan tidak memerlukan konteks panjang, model yang lebih murah seperti model padat 7B mungkin sudah cukup. Untuk tugas yang memerlukan kualitas setinggi mungkin pada tolok ukur sempit (misalnya, soal kompetisi matematika), model padat yang lebih besar (misalnya, 70B) mungkin akan mengunggulinya.
Alternatifnya termasuk model padat Qwen2.5 32B atau 72B jika Anda membutuhkan kualitas yang lebih konsisten di semua tugas. Untuk multimodal, GPT-4o atau Claude 3.5 Sonnet menawarkan pemahaman visual yang lebih luas tetapi dengan biaya lebih tinggi. Untuk throughput yang sangat tinggi, model MoE yang lebih kecil seperti Qwen2.5 14B A2B bisa lebih murah. Jika Anda memerlukan pemanggilan fungsi atau penggunaan alat dengan keluaran terstruktur, pertimbangkan model dengan dukungan pemanggilan fungsi asli (misalnya, GPT-4 atau Claude). Pilihan pada akhirnya tergantung pada kombinasi spesifik Anda antara panjang konteks, modalitas, toleransi latensi, dan anggaran. Selalu jalankan evaluasi Anda sendiri menggunakan contoh representatif.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
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| Input / 1M token | $0.248 |
| Output / 1M token | $1.485 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
GET /api/public/models/qwen/qwen3.6-35b-a3bBuka @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