Qwen3.6 35B-A3B — MoE open-weight multimodale (testo/immagine/video), 35B totali / 3B parametri attivi, contesto di 256k.
Qwen3.6 35B A3B è un modello linguistico di grandi dimensioni misto di esperti (MoE) della famiglia Qwen. Contiene 35 miliardi di parametri totali, ma solo circa 3 miliardi vengono attivati durante…
Qwen3.6 35B A3B eccelle in compiti che beneficiano di finestre di contesto lunghe e comprensione multimodale. Questi includono risposta a domande a livello di documento, riassunto di report lunghi, generazione di codice con contesto esteso e ragionamento complesso su più passaggi. Il contesto di 262,144 token del modello gli permette di assimilare interi libri, estese basi di codice o ore di video trascritti. La sua forza su τ²-Bench (95.3) indica prestazioni elevate in compiti che richiedono il recupero e l'uso di informazioni da input lunghi, nonché la chiamata di strumenti esterni e l'aderenza alle istruzioni in molti turni. Gli input multimodali—immagini e video—aggiungono la capacità di analizzare contenuti visivi insieme al testo in un unico prompt.
Il modello supporta input in forma di testo, immagini e file video. Quando si invia una richiesta tramite l'API di OrcaRouter, è possibile includere dati immagine (ad esempio, codificati in base64 o URL) e file video all'interno del messaggio utente, seguendo lo stesso formato multimodale utilizzato da altri provider. Il modello elabora questi elementi visivi insieme al prompt testuale, consentendogli di ragionare su grafici, diagrammi, fotografie o clip video. Ad esempio, è possibile chiedergli di descrivere una scena di un video, estrarre dati da un'immagine o combinare istruzioni testuali con contesto visivo. L'output è sempre testo. Non esiste una tariffazione separata per gli input multimodali: vengono fatturati alla stessa tariffa per token di input.
La finestra di contesto di 262.144 token consente al modello di gestire sequenze molto lunghe senza troncamento. Tuttavia, l'elaborazione di contesti lunghi può aumentare la latenza e l'utilizzo della memoria. L'architettura MoE aiuta a mitigare i costi perché solo 3B parametri sono attivi per token, ma il meccanismo di attenzione completo scala comunque con la lunghezza della sequenza. In attività in cui le informazioni rilevanti sono sparse in un input lungo, l'alto punteggio τ²-Bench di Qwen3.6 35B A3B suggerisce che possa recuperare e ragionare efficacemente. Per documenti molto lunghi, considera strategie di chunking o utilizza le capacità di riepilogo del modello. Per attività con contesto breve, un modello denso e più economico potrebbe essere più vantaggioso.
Se il tuo caso d'uso coinvolge prompt brevi (sotto i 4K token), compiti semplici come classificazione o estrazione, o non richiede input multimodale, un modello più piccolo e denso—come una variante con 7B parametri—potrebbe offrire latenza e costi inferiori. Il prezzo per token di Qwen3.6 35B A3B ($0.25/$1.48 per milione di token) è moderato, ma per carichi di lavoro ad alto volume e bassa complessità, un modello con parametri attivi ancora inferiori (es. 1B o 3B denso) potrebbe essere più conveniente. Inoltre, se non hai bisogno del contesto lungo o delle capacità multimodali, stai pagando per un overhead che potresti non utilizzare. Valuta la lunghezza media dei tuoi prompt e delle tue risposte rispetto ai punti di forza del modello per decidere.
τ²-Bench è un benchmark che valuta la capacità di un modello di eseguire ragionamenti su contesti lunghi e l'uso di strumenti multi-step. Implica l'elaborazione di un ampio corpus (ad esempio, un database di documenti o una codebase) e quindi rispondere a domande che richiedono il recupero e la sintesi di informazioni da quel corpus. Un punteggio di 95.3 indica che il modello ha gestito con successo queste attività con alta accuratezza, superando molti altri modelli su questo specifico benchmark. Ciò suggerisce forti capacità di recupero, ragionamento e seguimento delle istruzioni su contesti estesi. Tuttavia, i punteggi dei benchmark dovrebbero essere interpretati come una misura della performance; i risultati nel mondo reale possono variare a seconda delle specifiche dell'attività.
La latenza per Qwen3.6 35B A3B è influenzata dalla sua architettura MoE: solo 3B parametri sono attivi per token, il che generalmente consente un'inferenza più veloce rispetto a un modello denso da 35B. Tuttavia, il meccanismo di attenzione richiede ancora l'elaborazione dell'intera finestra di contesto, quindi input più lunghi aumentano il tempo al primo token. OrcaRouter non pubblica benchmark di latenza specifici per questo modello. In pratica, i tempi di risposta dipendono dal carico di richieste, dalla lunghezza del prompt e dal conteggio dei token di output. Per applicazioni in tempo reale, testate con i vostri input tipici. Per l'elaborazione batch, l'efficienza dei costi del modello può compensare latenze più lunghe. Gli utenti dovrebbero considerare sia la velocità che il costo quando confrontano con modelli densi.
Il risultato principale del benchmark fornito è un punteggio τ²-Bench di 95,3, che indica una forte capacità di ragionamento in contesti lunghi e con uso di strumenti. Questa è un'area di forza chiave. La multimodalità del modello lo posiziona inoltre bene per compiti che combinano dati visivi e testuali, sebbene qui non siano forniti punteggi separati per i benchmark visivi. Sulla base dell'architettura, ci si può aspettare che il modello sia performante in compiti che beneficiano dell'elevato numero di parametri ma che non richiedono l'attivazione completa di tutti i parametri. Il design MoE potrebbe portare a una leggera minore coerenza rispetto ai modelli densi in alcuni compiti ristretti, ma offre un compromesso favorevole tra capacità e costo.
Sebbene il punteggio τ²-Bench sia elevato, si tratta di un singolo benchmark; le prestazioni su altri benchmark (es. MMLU, MATH, coding contests) non vengono fornite. Le controparti dense del modello (es. un modello denso completo da 35B) potrebbero ottenere risultati migliori su compiti che richiedono l'attivazione simultanea di tutti i parametri, come alcuni ragionamenti matematici o attività multilingue. Inoltre, l'input multimodale è supportato, ma la qualità della comprensione video può dipendere dal campionamento dei fotogrammi e dalla compressione. La latenza non è valutata pubblicamente. Gli utenti non dovrebbero presumere che il modello sia la scelta migliore per ogni scenario; valutate sempre rispetto al vostro caso d'uso specifico e considerate l'esecuzione dei vostri benchmark.
Il prezzo è per token, fatturato separatamente per input e output. Il costo è di $0.25 per 1 milione di token di input e $1.48 per 1 milione di token di output. Queste sono le tariffe del fornitore, e OrcaRouter non applica alcun margine. I token di input includono tutti i token nel prompt, compresi la tokenizzazione di testo, immagini e video. I token di output sono tutti i token generati nella risposta. Non ci sono costi aggiuntivi per l'uso dell'API, nessun abbonamento mensile né requisiti minimi di utilizzo. La fatturazione è gestita da OrcaRouter in base all'utilizzo dei token. Poiché solo 3B parametri sono attivi per token, il costo di calcolo per il fornitore è inferiore a quello di un modello denso da 35B, e questo risparmio viene trasferito nel prezzo.
Il prezzo di input ($0.25/1M token) è relativamente basso, mentre il prezzo di output ($1.48/1M) è più alto, riflettendo il costo di generazione. Se la tua applicazione produce un gran numero di token (ad esempio, riepiloghi lunghi, generazione di codice), il costo di output dominerà. In tali casi, considera di ridurre la lunghezza dell'output tramite istruzioni o di utilizzare un modello più economico per la generazione, se la qualità lo consente. Al contrario, se hai prompt molto lunghi ma output brevi, il costo di input è vantaggioso. L'architettura MoE significa che il costo di inferenza per token è inferiore rispetto a un modello denso con parametri totali simili, ma il prezzo qui è fissato in base alla tariffa del provider; stai pagando per l'efficienza.
OrcaRouter non divulga pubblicamente se la memorizzazione nella cache dei prompt sia disponibile per questo modello. Se la memorizzazione nella cache fosse implementata, potrebbe ridurre i costi evitando la ri-codifica di prefissi di prompt identici. Tuttavia, nessuna funzionalità di questo tipo viene menzionata specificamente per questo modello. Gli utenti dovrebbero assumere che ogni richiesta venga fatturata alle tariffe standard per token. Per i prompt ripetitivi, si consideri di raggruppare le query o di utilizzare prefissi più brevi per ridurre al minimo l'uso di token in input. Puoi anche monitorare il conteggio dei token tramite il campo 'usage' della risposta API per ottimizzare i costi. Per l'uso su scala aziendale, contattare OrcaRouter per discutere di potenziali accordi personalizzati o supporto per la memorizzazione nella cache.
Margine zero significa che OrcaRouter ti addebita esattamente lo stesso prezzo per token stabilito dal fornitore del modello (Qwen). Non vengono aggiunte commissioni di piattaforma, costi generali o margini di profitto. I prezzi di $0,25/1M per input e $1,48/1M per output sono le tariffe del fornitore stesso. Questa è trasparenza nei prezzi; paghi solo il costo di inferenza sottostante. OrcaRouter gestisce comunque l'infrastruttura API, il routing e la fatturazione, ma non addebita un costo extra per questo servizio. Ciò può rendere Qwen3.6 35B A3B più economico rispetto ad altre piattaforme che potrebbero applicare un margine. Tuttavia, potrebbe comunque essere necessario confrontare i costi totali, inclusi eventuali sconti sul volume o crediti offerti separatamente da OrcaRouter.
Utilizza l'endpoint di completamento chat compatibile con OpenAI all'indirizzo https://api.orcarouter.ai/v1. Imposta il parametro model su "qwen/qwen3.6-35b-a3b". Costruisci i messaggi come faresti con l'API di OpenAI, includendo un messaggio di sistema se desiderato, e messaggi utente. Per input multimodali, includi un array di parti di contenuto con type "text" e "image_url" (o "video_url"). Esempio (pseudocodice): 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 risposta segue il formato OpenAI con choices, usage, ecc.
I parametri standard di OpenAI sono supportati: temperature (da 0 a 2, default 1), top_p (da 0 a 1, default 1), max_tokens (fino a 65536), sequenze di stop, frequency_penalty, presence_penalty e stream. Per richieste multimodali, puoi passare immagini come URL di dati base64 o URL pubblici. Gli input video potrebbero richiedere una codifica specifica: consulta la documentazione di OrcaRouter. Parametri aggiuntivi come seed per la riproducibilità possono essere supportati ma non sono garantiti. Il modello non supporta nativamente le chiamate a funzioni o gli strumenti; tuttavia, puoi simulare chiamate a strumenti istruendo il modello nel prompt di sistema. Per chiamate parallele a strumenti, dovresti gestire il ciclo esternamente. Lo streaming è consigliato per applicazioni in tempo reale per ridurre la latenza percepita.
Se sei abituato a un'API compatibile con OpenAI, la migrazione richiede solo la modifica dell'URL di base e dell'ID del modello. Sostituisci il tuo endpoint esistente con https://api.orcarouter.ai/v1 e imposta il modello su "qwen/qwen3.6-35b-a3b". L'autenticazione utilizza una chiave API fornita da OrcaRouter (imposta nell'intestazione Authorization come Bearer). I limiti di rate e la fatturazione sono gestiti da OrcaRouter. Per la migrazione multimodale, assicurati che la formattazione delle tue immagini/video corrisponda allo schema previsto (compatibile con OpenAI). Il formato della risposta è identico alle chat completions di OpenAI, quindi il tuo codice di parsing esistente dovrebbe funzionare con modifiche minime. Effettua un test con una singola richiesta per confermare che il conteggio dei token e la latenza siano accettabili.
Sì, il modello supporta lo streaming tramite il protocollo server-sent events (SSE) compatibile con OpenAI. Imposta "stream": true nella tua richiesta. Lo stream emetterà token delta man mano che vengono generati, esattamente come con lo streaming di OpenAI, includendo finish_reason e informazioni sull'utilizzo nell'evento finale. Lo streaming è utile per applicazioni interattive in cui si desidera visualizzare l'output in modo incrementale. Nota che lo streaming non riduce il costo totale dei token; ti viene addebitato l'intero output. L'architettura MoE può produrre token a un ritmo costante, ma la velocità effettiva dipende dal carico della rete e del server. Testa la tua integrazione per garantire una corretta gestione degli eventi dello stream.
Rispetto a Mixtral 8x7B (un popolare modello MoE con 47B totali, 12.9B attivi), Qwen3.6 35B A3B ha meno parametri totali ma anche meno parametri attivi (3B vs 12.9B). Ciò lo rende potenzialmente più efficiente in termini di costo per token. La finestra di contesto di 262K token è significativamente più grande rispetto ai 32K predefiniti di Mixtral (anche se Mixtral può essere esteso). Qwen3.6 A3B supporta anche input di immagini e video, cosa che Mixtral non fa nativamente. Nei benchmark, Mixtral ottiene circa 65-70 su τ²-Bench? Non fornito; ma il 95.3 di Qwen è molto alto per quel benchmark specifico. Per compiti a contesto breve e puramente testuali, Mixtral può performare in modo comparabile o migliore in alcuni compiti di ragionamento grazie a più parametri attivi. Per compiti a contesto lungo e multimodali, Qwen3.6 A3B ha un chiaro vantaggio.
Un modello denso con 35 miliardi di parametri richiederebbe circa 12 volte più calcolo per token rispetto ai 3 miliardi di parametri attivi in questo modello MoE. Qwen3.6 A3B offre quindi un vantaggio in velocità e costo durante l'inferenza, a scapito potenziale di una certa consistenza poiché il routing degli esperti potrebbe non attivare sempre gli esperti più rilevanti per ogni input. I modelli densi spesso ottengono una qualità più prevedibile in compiti diversi. Tuttavia, il punteggio τ²-Bench suggerisce che questo modello MoE può competere con i modelli densi nel ragionamento a lungo contesto. Se hai un carico di lavoro di produzione ad alto volume dove latenza e costo sono critici, l'approccio MoE è vantaggioso. Per la ricerca che richiede un comportamento deterministico, un modello denso potrebbe essere preferibile.
Scegli Qwen3.6 35B A3B quando la tua applicazione richiede: (1) elaborare documenti molto lunghi (fino a 262K token) in un unico passaggio, (2) comprensione multimodale che include immagini e video, (3) prestazioni elevate su attività che coinvolgono il recupero e il ragionamento su grandi contesti (come misurato da τ²-Bench) e (4) efficienza dei costi grazie a un'architettura MoE a basso numero di parametri attivi. Se le tue attività sono brevi, solo testo e non richiedono contesto lungo, un modello più economico come un modello denso da 7B può essere sufficiente. Per attività che richiedono la massima qualità possibile su benchmark ristretti (ad esempio, problemi di competizioni matematiche), un modello denso più grande (ad esempio, 70B) potrebbe ottenere risultati migliori.
Le alternative includono i modelli densi Qwen2.5 32B o 72B se hai bisogno di una qualità più costante in tutte le attività. Per il multimodale, GPT-4o o Claude 3.5 Sonnet offrono una comprensione visiva più ampia ma a un costo più elevato. Per una produttività molto elevata, un modello MoE più piccolo come Qwen2.5 14B A2B potrebbe essere più economico. Se hai bisogno di chiamate di funzione o utilizzo di strumenti con output strutturati, considera modelli con supporto nativo per le chiamate di funzione (ad es., GPT-4 o Claude). La scelta dipende in ultima analisi dalla tua specifica combinazione di lunghezza del contesto, modalità, tolleranza alla latenza e budget. Esegui sempre la tua valutazione utilizzando esempi rappresentativi.
Compatibile con OpenAI: mantieni il tuo SDK
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 |
| Valuta | USD |
Stima basata sul prezzo di listino
Solo una stima — il numero effettivo di token dipende dal tokenizzatore del provider.
GET /api/public/models/qwen/qwen3.6-35b-a3bApri @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