Qwen3.6 35B A3Bの可逆的・無検閲版。元モデルの能力を維持しつつ、拒否動作を除去。制限のないモデル出力を必要とする開発者、AI研究者、高度なエージェントワークフロー向けに構築。推論、コーディング、多言語性能、ツール使用を損なわない。 アグレッシブバリアントは完全にロック解除されており、幅広いプロンプトに対して直接かつ完全な応答を提供するよう設計されている。モデルが基本モデルの訓練から継承した簡潔な情報免責事項を付記することもあるが、それらは拒否ではなく、要求されたコンテンツは完全に生成される。 AI研究、セキュリティテスト、レッドチーミング、エージェント開発、コーディングアシスタントなど、最大の出力柔軟性が求められる高度なAIアプリケーションに最適。 本モデルへのアクセスはゲート制御されており、セキュリティ研究者、レッドチーム、AI安全性研究者、および正当な研究、評価、テストを実施する他の適格な専門家を対象とする。
このモデルは、Qwen3.6シリーズのMixture-of-Experts（混合エキスパート）バリアントであり、Alibaba Cloudがオリジナルで開発し、OrcaRouter上のプロバイダObsidianがホストしています。総パラメータ数は350億で、トークンごとに活性化されるのは30億のみであり、高い容量を維持しつつ計算コストを削減しています。コンテキストウィンドウは262,144トークン…
このモデルは、大きなコンテキストウィンドウとマルチモーダル理解が有効なタスクに優れています。テキストに関しては、26万2144トークンまでの文書（書籍全体や長文レポートなど）を要約したり質問に答えたりできます。画像や動画については、詳細情報を抽出し、テキストのコンテキストと組み合わせることが可能です。検閲がない性質により、典型的な安全上の制約なしにクリエイティブなコンテンツを生成でき、ストーリー生成やロールプレイ、あるいは制限的なフィルターが望ましくないシナリオに役立ちます。そのMoE設計は、同程度の総規模の密なモデルと比較して高速な推論を提供し、効率的にデプロイされればリアルタイムアプリケーションにも実用的です。多言語機能はQwen3.6ファミリーから継承されており、多くの言語をサポートしています。
「uncensored」タグは、標準のQwen3.6チェックポイントと比較して、モデルが低減されたアライメントトレーニングを受けていることを意味します。これにより、有害、攻撃的、または物議を醸すコンテンツに対するフィルタリングが緩和された出力が生成される可能性があります。ユーザーは、特定のユースケースでモデルを徹底的にテストし、出力が自身の基準を満たしていることを確認する必要があります。検閲がないことは、クリエイティブライティング、無検閲ロールプレイ、または中立的な生成が望まれるデリケートなトピックに関する研究などのタスクに有益です。ただし、これはモデルが一般的なコンテンツポリシーに違反するコンテンツを生成する可能性があることも意味します。OrcaRouterは追加の安全フィルタリングを主張しません。モデルの基本動作がそのまま得られるものです。
もしタスクが短い入力（例：数百トークン）や簡単な分類、基本的な言語理解のみを必要とする場合、Qwen2.5-7BやGPT-4o-miniのような小型で安価なモデルの方が費用対効果が高いかもしれません。このモデルの強みは、非常に長いコンテキスト（10Kトークン超）やマルチモーダル入力を扱う際に最も発揮されます。画像や動画の機能が不要な8Kトークン未満の純粋なテキストタスクでは、専用の小型モデルを使用することでコストを節約できる可能性があります。また、アプリケーションで厳格なコンテンツフィルタリングが必要な場合、無修正の性質により外部のモデレーションレイヤーを追加せざるを得ず、コストが増加します。
モデルはテキストに加えて、画像および動画の入力を受け付けます。画像の場合、Base64エンコードされた画像データまたはURLを提供できます（APIのcontent配列内で、タイプ"image_url"を使用します）。動画の場合、APIは動画フレームを画像シーケンスまたは動画ファイルURLとして受け付ける可能性があります。正確な形式については、OrcaRouterのドキュメントを確認してください。モデルはこれらの視覚入力とテキストを一緒に処理して応答を生成します。262,144トークンのコンテキストウィンドウは、すべての入力モダリティの合計トークン数に適用されます。画像や動画の処理には、視覚的な解像度と長さに比例したトークンが消費されるため、入力が大きいほど利用可能なテキスト容量が減少することに注意してください。
このモデルについて、提供者から具体的なベンチマークスコアは公表されていません。Qwen3.6シリーズは一般に、L-EvalやRULERといった長文コンテキストのベンチマークや、MMMUやMathVistaのようなマルチモーダルタスクで競争力のある性能を示しますが、この35B A3B uncensoredバリアントの正確な数値は公開されていません。実証的な性能に関心のあるユーザーは、代表的なデータセットで独自の評価を実施すべきです。3Bの活性化パラメータを持つMoEアーキテクチャは、しばしば同程度の活性サイズの高密度モデルと同等の結果をもたらしますが、全35Bパラメータのため、ストレージとメモリの総コストは高くなります。
速度とレイテンシは、入力長、出力長、サーバー負荷、ハードウェア構成など複数の要因に依存します。このモデルはトークンごとに3Bパラメータのみを活性化するため、高密度の35Bモデルよりも高速であると予想され、GPT-3.5のようなモデルと同等の生成レートが期待されます（ただし正確な数値は提供されていません）。Obsidian経由のOrcaRouterのインフラストラクチャは、レイテンシが変動する可能性があります。ユーザーは自身のワークロードでテストできます。長いコンテキストのシナリオ（例：100K+トークン）では、プリフィル時間は入力長に比例して線形に増加します。出力トークン生成が通常、主なレイテンシの要因です。速度に関するサービスレベル契約（SLA）は明記されていません。
このモデルの強みは、262Kの大規模コンテキストウィンドウにより、書籍全体や何時間ものビデオの文字起こしを一度に処理できる点です。MoE設計により、容量と推論速度のバランスが優れています。マルチモーダル入力により、テキストと視覚データを組み合わせたタスクが可能です。検閲なしの性質により、他のモデルが拒否するようなコンテンツも生成できます。多言語対応は数十の言語をカバーしています。価格設定は、この性能のモデルとしては競争力があり、入力$0.31/M、出力$4.21/M、マークアップはゼロです。
制限事項には以下が含まれます：公開ベンチマーク数値の欠如により、相対的な性能を測ることが難しくなっています。無修正の性質により、追加のモデレーションなしでは望ましくない出力が生じる可能性があります。3Bの活性化パラメータ数は、複雑な論理タスクにおいて、より大規模な高密度モデル（例：GPT-4）の生の推論力には及ばない可能性があることを意味します。マルチモーダル機能は、専用の視覚言語モデルほど洗練されていない可能性があります。ビデオトークン化などの入力モダリティは、テキストの有効コンテキストを減少させる可能性があります。ストリーミングやツール使用の機能は保証されていません。最後に、サードパーティプロバイダーObsidianへの依存により、可用性と稼働時間はOrcaRouterの管理下にありません。
料金は透明です: 入力トークン100万トークンあたり$0.31、出力トークン100万トークンあたり$4.21。これらはObsidianからの正確なプロバイダー料金であり、OrcaRouterによってマークアップは一切追加されていません。入力トークンには、すべてのテキストトークンとビジュアルトークン（画像や動画用）が含まれます。出力トークンは生成されたテキストです。リクエストごとの料金やサブスクリプションは必要ありません。消費したトークンのみに対して支払います。料金は100万トークンあたりなので、小規模なリクエストは1セント未満のごくわずかなコストです。無料ティアやトライアルは宣伝されていません。
このモデルについては、割引、キャッシュ特典、またはボリューム価格は開示されていません。表示されている料金は、トークンあたりの一律料金です。キャッシュされた入力トークンに対して割引価格を提供する一部のプロバイダーとは異なり、OrcaRouterは繰り返しに関係なく同じ入力レートを適用します。非常に高い使用量の場合、OrcaRouterに連絡してカスタム取り決めの可能性を問い合わせることができますが、標準的な割引は文書化されていません。ゼロマークアップポリシーにより、隠れた手数料なしで、Obsidianが請求する金額を正確に支払っていることが保証されます。
他のプロバイダーが提供する同等の長文脈マルチモーダルモデルは、しばしばより高価です。例えば、OpenAIのGPT-4 Turboは入力100万トークンあたり10ドル、出力100万トークンあたり30ドル、Claude 3.5 Sonnetは入力100万トークンあたり3ドル、出力100万トークンあたり15ドルです。このモデルは、0.31ドル/4.21ドルと顕著に安価です。ただし、これらのモデルは異なる機能（例：ツール使用、より高度な推論ベンチマーク）を提供します。低価格は、MoEアーキテクチャと、これが検閲なしのサードパーティホストモデルであるという事実を反映しています。保証された信頼性、より高いセキュリティ、または関数呼び出しのような高度な機能が必要な場合、追加コストは正当化されるかもしれません。
モデルを使用するには、POSTリクエストを https://api.orcarouter.ai/v1/chat/completions（またはOrcaRouterのOpenAI互換APIに適したエンドポイント）に送信してください。ヘッダーに "Authorization: Bearer YOUR_API_KEY" を含めます。リクエストボディでは、"model": "obsidian/Qwen3.6-35B-A3B" を設定してください。メッセージは標準のOpenAI形式で渡します。"role" と "content" を持つオブジェクトの配列です。マルチモーダルコンテンツの場合は、タイプ "text" と "image_url"（またはビデオ相当）の content 配列を使用してください。cURLを使用した例：curl https://api.orcarouter.ai/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $KEY" -d '{"model":"obsidian/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"}}]}]}'
典型的なOpenAI互換パラメータを使用できます：temperature（デフォルト1.0）、top_p（0.9）、max_tokens（デフォルトは変動、明示的な設定を推奨）、停止シーケンス、frequency_penalty、presence_penalty、再現性のためのseed。モデルはストリーミングをサポートしており、"stream": trueを使用してトークンごとの応答を受信できます。マルチモーダル入力の場合、APIはタイプ"image_url"とオプションで"video_url"を含むcontent配列を期待します（正確なビデオ形式についてはOrcaRouterのドキュメントを確認してください）。262,144トークンのコンテキストウィンドウ制限は、メッセージと応答の総トークン数に適用されます。制限を超えるとコンテキスト長エラーが発生します。"max_tokens"を調整するか、メッセージを切り詰めてください。
262Kコンテキストを活用するには、プロンプトに全文書または会話履歴を含めるように構成してください。入力内のすべてのトークンがコストと制限にカウントされることに注意してください。非常に長い入力の場合は、モデルがフルコンテキストを処理できるように設計されていますが、送信前に分割または要約することを検討してください。「max_tokens」パラメータを使用して出力の長さを制御します。タイムアウトエラーが発生した場合は、ストリーミングを有効にして部分的な結果をより早く取得できます。OrcaRouterには独自のタイムアウト設定がある場合があります。必要に応じてサポートにお問い合わせください。モデルはシステムメッセージを特別にサポートしていません。これらをロール「system」のユーザーまたはアシスタントメッセージとして扱います（標準のOpenAI形式）。
OpenAIやAnthropicなどのプロバイダーからの移行は、ベースURLを https://api.orcarouter.ai/v1 に変更し、モデルIDを更新する必要があります。コードがOpenAI Pythonクライアントを使用している場合は、client = OpenAI(api_key="YOUR_KEY", base_url="https://api.orcarouter.ai/v1") と設定し、その後 client.chat.completions.create(model="obsidian/Qwen3.6-35B-A3B", ...) を使用します。メッセージ形式とパラメーター名は同じです。プロンプトロジックの変更は必要ありません。レスポンスオブジェクトの形状も互換性があるため、既存の解析コードはそのまま動作するはずです。最初に小さなリクエストでテストし、適切な認証と課金が行われることを確認してください。
Qwen3.6-72B (dense) と比較すると、このモデルはMoEを採用しているため、トークンごとの推論コストが低い一方、生の性能はやや低い可能性があります。262KのコンテキストはQwen2.5の128Kよりも大きいです。Qwen3.6-32B（おそらくdense）と比較すると、このモデルはそれらの初期バージョンにはない可能性があるマルチモーダル入力を提供します。「uncensored」バリアントはユニークです。標準のQwenリリースにはアライメントがあります。厳格な安全性が必要な場合は、通常のQwen3.6を選択してください。価格面では、このモデルは他のプラットフォームの多くのdense Qwenモデルよりも安いです。
GPT-4oおよびClaude 3.5 Sonnetは、安全トレーニングが充実したプロプライエタリモデルであり、推論やコーディングにおいて高いベンチマークスコアを持ち、ツール使用、ビジョン対応、大規模コンテキスト（Claudeでは200K）をサポートしています。一方、このモデルは、より大きなコンテキスト（262K）とマルチモーダル入力を大幅に低価格で提供します。ただし、それらのモデルが持つ高度な機能、信頼性、パフォーマンスの一貫性は欠けています。コストが主な関心事であり、ある程度の品質のトレードオフを受け入れられるアプリケーションでは、このモデルが良い代替案となります。トップクラスの推論や関数呼び出しが必要な場合は、プレミアムモデルに追加コストを払う価値があります。
このモデルは、以下のような場合に最適です。(1) 低コストで非常に長いコンテキスト（262Kトークン）が必要な場合。(2) プレミアム料金を支払わずにマルチモーダル入力（画像/動画）を扱う場合。(3) コンテンツフィルターが邪魔になる検閲なしのテキスト生成が必要な場合。(4) MoEの活性化により総パラメータ数に対して高速な推論が必要な場合。研究、データ抽出、創作文章、そして高いコンテキストと低いトークン単価の恩恵を受けるあらゆるタスクにおいて有力な選択肢です。ツール呼び出し、構造化出力、高い信頼性といった高度な機能が必要な場合は、他のモデルを検討してください。
| 入力 / 1M tokens | $0.310 |
| 出力 / 1M tokens | $4.21 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
@misc{orcarouter_qwen3_6_35b_a3b,
title = {Qwen3.6 35B A3B Uncensored (Aggressive) API},
author = {obsidian},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/obsidian/Qwen3.6-35B-A3B}
}obsidian. (2026). Qwen3.6 35B A3B Uncensored (Aggressive) API. OrcaRouter. https://www.orcarouter.ai/models/obsidian/Qwen3.6-35B-A3B