Qwen3.6 35B-A3B — 오픈 가중치 MoE 멀티모달 (텍스트/이미지/비디오), 전체 35B / 활성 파라미터 3B, 256k 컨텍스트.
Qwen3.6 35B A3B는 Qwen 계열의 혼합 전문가(MoE) 대규모 언어 모델입니다. 총 350억 개의 파라미터를 포함하지만, 각 순방향 패스에서 약 30억 개만 활성화됩니다. 이 설계는 계산 비용을 비례적으로 증가시키지 않고 모델의 용량을 확장할 수 있게 합니다. 이 모델은 텍스트, 이미지, 비디오 입력을 처리하며 최대 컨텍스트 길이는…
Qwen3.6 35B A3B는 긴 컨텍스트 윈도우와 멀티모달 이해가 필요한 작업에서 뛰어난 성능을 발휘합니다. 여기에는 문서 수준 질의응답, 긴 보고서 요약, 확장된 컨텍스트를 활용한 코드 생성, 다단계 복합 추론 등이 포함됩니다. 이 모델의 262,144-토큰 컨텍스트는 전체 책, 방대한 코드베이스, 또는 수 시간 분량의 녹화된 비디오를 처리할 수 있습니다. τ²-Bench(95.3)에서의 강력한 성능은 긴 입력에서 정보를 검색하고 활용하는 작업, 외부 도구 호출, 여러 차례에 걸친 지침 준수 등에서 우수한 능력을 나타냅니다. 이미지 및 비디오와 같은 멀티모달 입력을 통해 하나의 프롬프트에서 텍스트와 함께 시각적 콘텐츠를 분석할 수 있는 기능이 추가됩니다.
이 모델은 텍스트, 이미지 및 비디오 파일 형태의 입력을 지원합니다. OrcaRouter의 API를 통해 요청을 보낼 때, 사용자 메시지에 이미지 데이터(예: base64 인코딩 또는 URL)와 비디오 파일을 포함할 수 있으며, 다른 제공업체에서 사용하는 것과 동일한 다중 모달 형식을 따릅니다. 이 모델은 이러한 시각적 요소를 텍스트 프롬프트와 함께 처리하여 차트, 다이어그램, 사진 또는 비디오 클립에 대해 추론할 수 있습니다. 예를 들어, 비디오의 장면을 설명하거나, 이미지에서 데이터를 추출하거나, 텍스트 지침을 시각적 맥락과 결합하도록 요청할 수 있습니다. 출력은 항상 텍스트입니다. 다중 모달 입력에 대한 별도의 가격은 없으며, 동일한 토큰당 입력 요금으로 청구됩니다.
262,144개의 토큰으로 구성된 컨텍스트 윈도우는 모델이 매우 긴 시퀀스를 절단 없이 처리할 수 있도록 합니다. 그러나 긴 컨텍스트 처리는 지연 시간과 메모리 사용량을 증가시킬 수 있습니다. MoE 아키텍처는 토큰당 3B 개의 파라미터만 활성화되므로 비용을 완화하는 데 도움이 되지만, 전체 어텐션 메커니즘은 여전히 시퀀스 길이에 따라 확장됩니다. 관련 정보가 긴 입력에 분산되어 있는 작업에서 Qwen3.6 35B A3B의 높은 τ²-Bench 점수는 모델이 효과적으로 검색하고 추론할 수 있음을 시사합니다. 매우 긴 문서의 경우 청킹 전략을 고려하거나 모델 자체의 요약 기능을 사용하십시오. 짧은 컨텍스트가 있는 작업의 경우 더 저렴한 밀집 모델이 더 경제적일 수 있습니다.
사용 사례에 짧은 프롬프트(4K 토큰 미만), 분류나 추출 같은 단순한 작업이 포함되거나 다중 모드 입력이 필요하지 않은 경우, 7B-파라미터 변형과 같은 더 작고 밀집된 모델이 더 낮은 지연 시간과 비용을 제공할 수 있습니다. Qwen3.6 35B A3B의 토큰당 가격($0.25/$1.48 per million tokens)은 중간 수준이지만, 대량의 저복잡성 워크로드에서는 더 적은 활성 파라미터(예: 1B 또는 3B 밀집)를 가진 모델이 더 비용 효율적일 수 있습니다. 또한, 긴 컨텍스트나 다중 모드 기능이 필요하지 않다면, 사용하지 않을 오버헤드에 비용을 지불하는 셈입니다. 평균 프롬프트 및 출력 길이를 모델의 강점과 비교하여 결정하십시오.
τ²-Bench는 모델이 긴 맥락 추론과 다단계 도구 사용을 수행하는 능력을 평가하는 벤치마크입니다. 대규모 말뭉치(예: 문서 데이터베이스 또는 코드베이스)를 처리한 후, 해당 말뭉치에서 정보를 검색하고 종합해야 하는 질문에 답하는 방식으로 구성됩니다. 95.3점은 모델이 이러한 작업을 높은 정확도로 성공적으로 처리했으며, 이 특정 벤치마크에서 다른 많은 모델을 능가했음을 나타냅니다. 이는 확장된 맥락에서 강력한 검색, 추론 및 지침 수행 능력을 시사합니다. 그러나 벤치마크 점수는 성능의 한 척도로 해석되어야 하며, 실제 결과는 작업의 특성에 따라 달라질 수 있습니다.
Qwen3.6 35B A3B의 지연 시간은 MoE 아키텍처의 영향을 받습니다: 토큰당 3B 매개변수만 활성화되므로, 일반적으로 밀집 35B 모델보다 추론 속도가 빠릅니다. 하지만 어텐션 메커니즘은 여전히 전체 컨텍스트 윈도우를 처리해야 하므로, 입력이 길어질수록 첫 번째 토큰까지의 시간이 증가합니다. OrcaRouter는 이 모델에 대한 구체적인 지연 시간 벤치마크를 공개하지 않습니다. 실제로 응답 시간은 요청 부하, 프롬프트 길이, 출력 토큰 수에 따라 달라집니다. 실시간 애플리케이션의 경우 일반적인 입력으로 테스트하십시오. 배치 처리의 경우, 모델의 비용 효율성이 더 긴 지연 시간을 상쇄할 수 있습니다. 사용자는 밀집 모델과 비교할 때 속도와 비용을 모두 고려해야 합니다.
주요 벤치마크 결과는 τ²-Bench 점수 95.3점으로, 강력한 긴 컨텍스트 및 도구 사용 추론 능력을 나타냅니다. 이는 핵심 강점 영역입니다. 모델의 멀티모달성은 시각 및 텍스트 데이터를 결합하는 작업에도 적합하지만, 여기에는 시각 작업에 대한 별도의 벤치마크 점수가 제공되지 않습니다. 아키텍처에 기반하여, 이 모델은 대규모 파라미터 수의 이점을 활용하지만 모든 파라미터의 완전한 활성화를 필요로 하지 않는 작업에서 좋은 성능을 보일 것으로 예상됩니다. MoE 설계는 특정 좁은 작업에서 밀집 모델에 비해 약간 덜 일관성을 보일 수 있지만, 성능과 비용 사이에서 유리한 균형을 제공합니다.
τ²-Bench 점수는 높지만, 이는 단일 벤치마크일 뿐입니다. 다른 벤치마크(예: MMLU, MATH, 코딩 대회)에 대한 성능은 제공되지 않습니다. 이 모델의 밀집 버전(예: 전체 35B 밀집 모델)은 특정 수학적 추론이나 다국어 작업과 같이 모든 매개변수가 동시에 사용되어야 하는 작업에서 더 나은 성능을 보일 수 있습니다. 또한 멀티모달 입력을 지원하지만, 비디오 이해 품질은 프레임 샘플링 및 압축에 따라 달라질 수 있습니다. 지연 시간은 공개적으로 벤치마킹되지 않았습니다. 사용자는 이 모델이 모든 시나리오에 가장 적합한 선택이라고 가정해서는 안 됩니다. 항상 특정 사용 사례에 대해 평가하고 자체 벤치마크를 실행하는 것을 고려하십시오.
가격은 토큰당이며, 입력과 출력에 대해 별도로 청구됩니다. 비용은 입력 토큰 100만 개당 $0.25, 출력 토큰 100만 개당 $1.48입니다. 이는 제공업체의 요금이며, OrcaRouter는 마크업을 적용하지 않습니다. 입력 토큰에는 프롬프트의 모든 토큰(텍스트, 이미지 토큰화, 비디오 토큰화 포함)이 포함됩니다. 출력 토큰은 응답에서 생성된 모든 토큰입니다. API 사용에 대한 추가 수수료, 월간 구독료, 최소 사용량 요구 사항은 없습니다. 청구는 토큰 사용량을 기반으로 OrcaRouter에서 처리합니다. 토큰당 활성화되는 파라미터가 3B에 불과하므로, 제공업체의 컴퓨팅 비용은 밀집형 35B 모델보다 낮으며, 이러한 절감액이 가격에 반영됩니다.
입력 가격($0.25/1M 토큰)은 상대적으로 낮은 반면, 출력 가격($1.48/1M)은 더 높아 생성 비용을 반영합니다. 애플리케이션에서 많은 수의 토큰을 출력할 경우(예: 긴 요약, 코드 생성), 출력 비용이 지배적입니다. 이러한 경우 지침을 통해 출력 길이를 줄이거나, 품질이 허용된다면 더 저렴한 모델을 사용하여 생성을 고려하세요. 반대로, 매우 긴 프롬프트와 짧은 출력이 있다면 입력 비용이 유리합니다. MoE 아키텍처는 유사한 총 파라미터 수를 가진 밀집 모델보다 토큰당 추론 비용이 낮지만, 여기서 가격은 제공업체의 요율로 설정되며 효율성에 대한 비용을 지불하는 것입니다.
OrcaRouter는 이 모델에 대해 프롬프트 캐싱이 제공되는지 공개적으로 밝히지 않습니다. 캐싱이 구현된다면 동일한 프롬프트 접두사의 재인코딩을 방지하여 비용을 절감할 수 있습니다. 그러나 이 모델에 대해 특별히 그러한 기능이 언급되지는 않았습니다. 사용자는 모든 요청이 표준 토큰당 요금으로 청구된다고 가정해야 합니다. 반복적인 프롬프트의 경우 쿼리를 그룹화하거나 더 짧은 접두사를 사용하여 입력 토큰 사용량을 최소화하는 것을 고려하세요. API 응답 사용량 필드를 통해 토큰 수를 모니터링하여 비용을 최적화할 수도 있습니다. 엔터프라이즈 규모의 사용을 위해 OrcaRouter에 연락하여 잠재적인 맞춤 계약이나 캐싱 지원에 대해 논의하세요.
제로 마크업은 OrcaRouter가 모델 제공업체(Qwen)가 설정한 토큰당 가격을 정확히 동일하게 청구한다는 의미입니다. 추가 플랫폼 수수료, 간접비 또는 이윤이 부과되지 않습니다. $0.25/1M 입력 및 $1.48/1M 출력은 제공업체의 자체 요금입니다. 이는 가격 투명성입니다. 즉, 기본 추론 비용만 지불하면 됩니다. OrcaRouter는 여전히 API 인프라, 라우팅 및 청구를 관리하지만 해당 서비스에 대해 추가 요금을 부과하지 않습니다. 이로 인해 Qwen3.6 35B A3B는 마크업을 추가할 수 있는 다른 일부 플랫폼과 비교해 더 경제적일 수 있습니다. 그러나 OrcaRouter가 별도로 제공하는 볼륨 할인이나 크레딧을 포함한 총 비용을 비교해야 할 수도 있습니다.
OpenAI 호환 채팅 완료 엔드포인트 https://api.orcarouter.ai/v1 을 사용하세요. 모델 매개변수를 "qwen/qwen3.6-35b-a3b"로 설정하세요. 메시지는 OpenAI API와 동일하게 구성하며, 원하는 경우 시스템 메시지와 사용자 메시지를 포함하세요. 멀티모달 입력의 경우, "text" 및 "image_url"(또는 "video_url") 유형의 콘텐츠 부분 배열을 포함하세요. 예시(의사 코드): 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"}}]}]}'. 응답은 choices, usage 등이 포함된 OpenAI 형식을 따릅니다.
표준 OpenAI 매개변수가 지원됩니다: temperature (0~2, 기본값 1), top_p (0~1, 기본값 1), max_tokens (최대 65536), stop sequences, frequency_penalty, presence_penalty, stream. 멀티모달 요청의 경우, base64 데이터 URL 또는 공개 URL로 이미지를 전달할 수 있습니다. 비디오 입력은 특정 인코딩이 필요할 수 있습니다. OrcaRouter 문서를 확인하세요. 재현성을 위한 seed와 같은 추가 매개변수가 지원될 수 있지만 보장되지는 않습니다. 이 모델은 기본적으로 함수 호출(function calling)이나 도구를 지원하지 않습니다. 그러나 시스템 프롬프트에서 모델에 지시하여 도구 호출을 시뮬레이션할 수 있습니다. 병렬 도구 호출의 경우, 루프를 외부에서 관리해야 합니다. 실시간 애플리케이션에서는 인지 지연 시간을 줄이기 위해 스트리밍을 권장합니다.
OpenAI 호환 API에 익숙하다면, 마이그레이션은 기본 URL과 모델 ID만 변경하면 됩니다. 기존 엔드포인트를 https://api.orcarouter.ai/v1 로 변경하고 모델을 "qwen/qwen3.6-35b-a3b"로 설정하세요. 인증은 OrcaRouter에서 제공하는 API 키를 사용합니다 (Authorization 헤더에 Bearer로 설정). 속도 제한 및 청구는 OrcaRouter에서 관리합니다. 멀티모달 마이그레이션의 경우, 이미지/비디오 형식이 예상되는 스키마(OpenAI 호환)와 일치하는지 확인하세요. 응답 형식은 OpenAI의 채팅 완성과 동일하므로, 기존 파싱 코드를 최소한의 변경으로 사용할 수 있습니다. 단일 요청으로 테스트하여 토큰 카운팅과 지연 시간이 허용 가능한지 확인하세요.
네, 해당 모델은 OpenAI 호환 서버 전송 이벤트(SSE) 프로토콜을 통해 스트리밍을 지원합니다. 요청에 "stream": true를 설정하세요. 스트리밍은 OpenAI의 스트리밍과 마찬가지로 생성되는 대로 델타 토큰을 내보내며, 최종 이벤트에는 finish_reason 및 usage 정보가 포함됩니다. 스트리밍은 출력을 점진적으로 표시하려는 대화형 애플리케이션에 유용합니다. 스트리밍은 총 토큰 비용을 줄이지 않으며, 전체 출력에 대해 요금이 부과됩니다. MoE 아키텍처는 일정한 속도로 토큰을 생성할 수 있지만, 실제 처리량은 네트워크 및 서버 부하에 따라 달라집니다. 스트림 이벤트를 적절히 처리할 수 있도록 통합을 테스트하세요.
Mixtral 8x7B(총 47B, 활성 12.9B인 인기 MoE 모델)와 비교했을 때, Qwen3.6 35B A3B는 전체 파라미터 수가 더 적을 뿐만 아니라 활성 파라미터 수도 더 적습니다(3B 대 12.9B). 따라서 토큰당 비용 효율성이 더 높을 가능성이 있습니다. 262K 토큰의 컨텍스트 윈도우는 Mixtral의 기본 32K(확장 가능하지만)보다 훨씬 큽니다. Qwen3.6 A3B는 이미지와 비디오 입력도 지원하지만, Mixtral은 기본적으로 지원하지 않습니다. 벤치마크에서 Mixtral은 τ²-Bench에서 약 65~70점을 기록합니까? 제공되지 않았습니다. 하지만 Qwen의 95.3점은 해당 특정 벤치마크에서 매우 높은 수치입니다. 짧은 컨텍스트의 순수 텍스트 작업의 경우, Mixtral은 더 많은 활성 파라미터로 인해 일부 추론 작업에서 비슷하거나 더 나은 성능을 낼 수 있습니다. 긴 컨텍스트 및 멀티모달 작업에서는 Qwen3.6 A3B가 확실한 우위를 점합니다.
35B 파라미터를 가진 밀집 모델은 이 MoE 모델의 3B 활성 파라미터보다 토큰당 약 12배 더 많은 연산이 필요합니다. 따라서 Qwen3.6 A3B는 추론 시 속도와 비용 측면에서 이점을 제공하지만, 전문가 라우팅이 모든 입력에 대해 항상 가장 관련성 높은 전문가를 활성화하지는 않을 수 있으므로 일관성이 다소 떨어질 수 있습니다. 밀집 모델은 다양한 작업에서 더 예측 가능한 품질을 제공하는 경우가 많습니다. 그러나 τ²-Bench 점수는 이 MoE 모델이 긴 컨텍스트 추론에서 밀집 모델과 경쟁할 수 있음을 시사합니다. 지연 시간과 비용이 중요한 대규모 프로덕션 워크로드가 있다면 MoE 접근 방식이 유리합니다. 결정론적 동작이 필요한 연구의 경우 밀집 모델이 더 적합할 수 있습니다.
Qwen3.6 35B A3B를 선택하세요. 다음 조건을 충족해야 하는 경우: (1) 매우 긴 문서(최대 262K 토큰)를 한 번에 처리해야 하거나, (2) 이미지 및 비디오를 포함한 멀티모달 이해가 필요하거나, (3) 대규모 컨텍스트를 검색하고 추론하는 작업에서 강력한 성능(τ²-Bench로 측정)이 요구되거나, (4) 낮은 활성 파라미터 MoE 아키텍처로 인한 비용 효율성이 필요한 경우. 작업이 짧은 형식, 텍스트 전용이며 긴 컨텍스트가 필요하지 않다면 7B 밀집 모델과 같은 저렴한 모델로 충분할 수 있습니다. 좁은 벤치마크(예: 수학 경쟁 문제)에서 최고 품질이 필요한 작업의 경우 더 큰 밀집 모델(예: 70B)이 더 나은 성능을 낼 수 있습니다.
대안으로는 모든 작업에서 더 일관된 품질이 필요하다면 밀집형 Qwen2.5 32B 또는 72B 모델이 있습니다. 멀티모달의 경우 GPT-4o 또는 Claude 3.5 Sonnet이 더 넓은 시각적 이해를 제공하지만 비용이 더 높습니다. 매우 높은 처리량이 필요하다면 Qwen2.5 14B A2B와 같은 더 작은 MoE 모델이 더 저렴할 수 있습니다. 함수 호출이나 구조화된 출력을 통한 도구 사용이 필요하다면 네이티브 함수 호출을 지원하는 모델(예: GPT-4 또는 Claude)을 고려하세요. 선택은 궁극적으로 컨텍스트 길이, 모달리티, 지연 시간 허용 범위 및 예산의 특정 조합에 따라 달라집니다. 항상 대표적인 예시를 사용하여 자체 평가를 수행하세요.
OpenAI 호환 — 쓰던 SDK 그대로
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| 입력 / 1M tokens | $0.248 |
| 출력 / 1M tokens | $1.485 |
| 통화 | USD |
정가 기준 추정치
추정치일 뿐입니다 — 실제 토큰 수는 제공자의 토크나이저에 따라 달라집니다.
@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