Qwen3.6 35B-A3B — open-weight MoE multimodaal (tekst/afbeelding/video), 35B totaal / 3B actieve parameters, 256k context.
Qwen3.6 35B A3B is een mixture-of-experts (MoE) groot taalmodel uit de Qwen-familie. Het bevat in totaal 35 miljard parameters, maar slechts ongeveer 3 miljard worden geactiveerd tijdens elke forward…
Qwen3.6 35B A3B blinkt uit in taken die profiteren van lange contextvensters en multimodaal begrip. Dit omvat het beantwoorden van vragen op documentniveau, het samenvatten van lange rapporten, het genereren van code met uitgebreide context en complex redeneren over meerdere stappen. De context van 262.144 tokens van het model stelt het in staat om hele boeken, uitgebreide codebases of uren aan getranscribeerde video op te nemen. De sterke prestatie op τ²-Bench (95,3) duidt op sterke prestaties bij taken die het ophalen en gebruiken van informatie uit lange invoer vereisen, evenals het aanroepen van externe hulpmiddelen en het naleven van instructies over meerdere beurten heen. Multimodale invoer—afbeeldingen en video's—voegt de mogelijkheid toe om visuele inhoud te analyseren naast tekst in één enkele prompt.
Het model ondersteunt invoer in de vorm van tekst, afbeeldingen en videobestanden. Bij het verzenden van een verzoek via de API van OrcaRouter kunt u afbeeldingsgegevens (bijv. base64-gecodeerd of URL) en videobestanden opnemen in het gebruikersbericht, volgens dezelfde multimodale indeling die door andere aanbieders wordt gebruikt. Het model verwerkt deze visuele elementen samen met de tekstprompt, waardoor het grafieken, diagrammen, foto's of videoclips kan analyseren. U kunt het bijvoorbeeld vragen om een scène uit een video te beschrijven, gegevens uit een afbeelding te extraheren of tekstinstructies te combineren met visuele context. De uitvoer is altijd tekst. Er is geen aparte prijsstelling voor multimodale input; deze wordt tegen hetzelfde tarief per token in rekening gebracht als input.
Het contextvenster van 262.144 tokens stelt het model in staat om zeer lange sequenties te verwerken zonder truncatie. Echter, het verwerken van lange context kan de latentie en het geheugengebruik verhogen. De MoE-architectuur helpt de kosten te beperken omdat er slechts 3B parameters actief zijn per token, maar het volledige aandachtsmechanisme schaalt nog steeds met de sequentielengte. Bij taken waar de relevante informatie verspreid is over een lange invoer, suggereert de hoge τ²-Bench-score van Qwen3.6 35B A3B dat het effectief kan ophalen en redeneren. Overweeg voor zeer lange documenten chunking-strategieën of gebruik de eigen samenvattingsmogelijkheden van het model. Voor taken met een korte context kan een goedkoper, dicht model economischer zijn.
Als uw gebruikssituatie korte prompts (onder 4K tokens) omvat, eenvoudige taken zoals classificatie of extractie, of geen multimodale invoer vereist, kan een kleiner, dicht model—zoals een 7B-parametervariant—lagere latentie en kosten bieden. De prijs per token van Qwen3.6 35B A3B ($0.25/$1.48 per miljoen tokens) is gematigd, maar voor workloads met een hoog volume en lage complexiteit kan een model met nog lagere actieve parameters (bijv. 1B of 3B dicht) kosteneffectiever zijn. Daarnaast, als u geen behoefte heeft aan de lange context of multimodale mogelijkheden, betaalt u voor overhead die u mogelijk niet gebruikt. Evalueer uw gemiddelde prompt- en uitvoerlengtes aan de hand van de sterke punten van het model om te beslissen.
τ²-Bench is een benchmark die het vermogen van een model evalueert om langdurige contextredenering en meerstaps toolgebruik uit te voeren. Het omvat het verwerken van een grote corpus (bijv. een database met documenten of een codebase) en vervolgens het beantwoorden van vragen die het ophalen en synthetiseren van informatie uit die corpus vereisen. Een score van 95,3 geeft aan dat het model deze taken met hoge nauwkeurigheid heeft uitgevoerd en veel andere modellen op deze specifieke benchmark overtreft. Het duidt op sterke retrieval-, redeneer- en instructievolgcapaciteiten over uitgebreide contexten. Benchmarkscores moeten echter worden geïnterpreteerd als één maatstaf voor prestaties; resultaten in de praktijk kunnen variëren afhankelijk van de taakspecificaties.
De latentie voor Qwen3.6 35B A3B wordt beïnvloed door de MoE-architectuur: er zijn slechts 3B parameters actief per token, wat over het algemeen snellere inferentie mogelijk maakt dan een dicht 35B-model. De aandachtsmechanisme vereist echter nog steeds verwerking van het volledige contextvenster, waardoor langere invoeren de tijd tot het eerste token verlengen. OrcaRouter publiceert geen specifieke latentiebenchmarks voor dit model. In de praktijk zijn de responstijden afhankelijk van de aanvraagbelasting, promptlengte en het aantal uitvoertokens. Test voor realtime toepassingen met uw typische invoer. Voor batchverwerking kan de kostenefficiëntie van het model langere latenties compenseren. Gebruikers moeten zowel snelheid als kosten overwegen bij vergelijking met dichte modellen.
Het primaire benchmarkresultaat is de τ²-Bench-score van 95,3, wat wijst op sterk redeneren met lange contexten en toolgebruik. Dit is een belangrijk sterktepunt. De multimodaliteit van het model positioneert het ook goed voor taken die visuele en tekstuele data combineren, hoewel hier geen aparte benchmarkscores voor visuele taken worden gegeven. Op basis van de architectuur kan men verwachten dat het model goed presteert op taken die profiteren van het grote parameteraantal, maar niet de volledige activering van alle parameters vereisen. Het MoE-ontwerp kan leiden tot iets minder consistentie in vergelijking met dichte modellen voor bepaalde smalle taken, maar biedt een gunstige afweging tussen capaciteit en kosten.
Hoewel de τ²-Bench-score hoog is, is het een enkele benchmark; prestaties op andere benchmarks (bijv. MMLU, MATH, codeerwedstrijden) worden niet gegeven. De dichte tegenhangers van het model (bijv. een volledig 35B dicht model) kunnen beter presteren bij taken die vereisen dat alle parameters gelijktijdig worden gebruikt, zoals bepaalde wiskundige redeneringen of meertalige taken. Ook wordt multimodale invoer ondersteund, maar de kwaliteit van videobegrip kan afhangen van frame sampling en compressie. De latentie is niet openbaar gebenchmarkt. Gebruikers moeten niet aannemen dat het model de beste keuze is voor elk scenario; evalueer altijd tegen uw specifieke use case en overweeg uw eigen benchmarks uit te voeren.
Prijzen zijn per token, apart gefactureerd voor invoer en uitvoer. De kosten zijn $0,25 per 1 miljoen invoertokens en $1,48 per 1 miljoen uitvoertokens. Dit zijn de tarieven van de provider, en OrcaRouter past geen opslag toe. Invoertokens omvatten alle tokens in de prompt, inclusief tekst, afbeeldingstokenisatie en videotokenisatie. Uitvoertokens zijn alle tokens die in het antwoord worden gegenereerd. Er zijn geen extra kosten voor het gebruik van de API, geen maandelijkse abonnementen en geen minimale gebruiksvereisten. Facturatie wordt afgehandeld door OrcaRouter op basis van tokenverbruik. Omdat er slechts 3B parameters actief zijn per token, zijn de rekenkosten voor de provider lager dan bij een dicht 35B-model, en deze besparing wordt doorgegeven in de prijzen.
De invoerprijs ($0.25/1M tokens) is relatief laag, terwijl de uitvoerprijs ($1.48/1M) hoger is, wat de kosten van generatie weerspiegelt. Als uw toepassing een groot aantal tokens uitvoert (bijv. lange samenvattingen, codegeneratie), zullen de uitvoerkosten domineren. Overweeg in dergelijke gevallen om de uitvoerlengte te verkorten via instructies of een goedkoper model voor generatie te gebruiken als de kwaliteit het toelaat. Omgekeerd, als u zeer lange prompts maar korte uitvoer heeft, zijn de invoerkosten gunstig. De MoE-architectuur betekent dat de inferentiekosten per token lager zijn dan bij een dicht model met vergelijkbare totale parameters, maar de prijzen worden hier vastgesteld op basis van het tarief van de provider; u betaalt voor de efficiëntie.
OrcaRouter maakt niet publiekelijk bekend of promptcaching beschikbaar is voor dit model. Als caching geïmplementeerd zou zijn, zou het kosten kunnen verlagen door hercodering van identieke promptprefixen te vermijden. Er wordt echter geen dergelijke functie specifiek voor dit model genoemd. Gebruikers moeten ervan uitgaan dat elk verzoek wordt gefactureerd tegen de standaard per-token-tarieven. Overweeg bij herhaalde prompts om queries te groeperen of kortere prefixen te gebruiken om het gebruik van invoertokens te minimaliseren. U kunt ook het tokenverbruik monitoren via het usage-veld in de API-respons om kosten te optimaliseren. Neem voor gebruik op ondernemingsschaal contact op met OrcaRouter om mogelijke maatwerkafspraken of cachingondersteuning te bespreken.
Nul opslag betekent dat OrcaRouter u exact dezelfde prijs per token rekent als de modelprovider (Qwen). Er worden geen extra platformkosten, overhead of winstmarge toegevoegd. De $0.25/1M invoer en $1.48/1M uitvoer zijn de eigen tarieven van de provider. Dit is transparantie in prijsstelling; u betaalt alleen voor de onderliggende inferentiekosten. OrcaRouter beheert nog steeds de API-infrastructuur, routering en facturatie, maar brengt hiervoor geen extra kosten in rekening. Dit kan Qwen3.6 35B A3B voordeliger maken in vergelijking met andere platforms die mogelijk een opslag toevoegen. U moet echter nog steeds de totale kosten vergelijken, inclusief eventuele volumekortingen of tegoeden die afzonderlijk door OrcaRouter worden aangeboden.
Gebruik het OpenAI-compatibele chatvoltooiingen-eindpunt op https://api.orcarouter.ai/v1. Stel de modelparameter in op "qwen/qwen3.6-35b-a3b". Construeer berichten zoals je zou doen met de API van OpenAI, inclusief eventueel een systeembericht en gebruikersberichten. Voor multimodale invoer voeg je een reeks contentonderdelen toe met type "text" en "image_url" (of "video_url"). Voorbeeld (pseudocode): curl https://api.orcarouter.ai/v1/chat/completions -H "Authorization: Bearer JOUW_ORCAROUTER_API_SLEUTEL" -d '{"model":"qwen/qwen3.6-35b-a3b","messages":[{"role":"user","content":[{"type":"text","text":"Beschrijf deze afbeelding"},{"type":"image_url","image_url":{"url":"https://example.com/photo.jpg"}}]}]}'. De reactie volgt het OpenAI-formaat met choices, usage, etc.
Standaard OpenAI-parameters worden ondersteund: temperature (0 tot 2, standaard 1), top_p (0 tot 1, standaard 1), max_tokens (tot 65536), stop-reeksen, frequency_penalty, presence_penalty en stream. Voor multimodale verzoeken kunt u afbeeldingen doorgeven als base64-data-URL's of openbare URL's. Video-invoer kan specifieke codering vereisen—raadpleeg de OrcaRouter-documentatie. Extra parameters zoals seed voor reproduceerbaarheid worden mogelijk ondersteund, maar zijn niet gegarandeerd. Het model ondersteunt geen functieaanroepen of tools native; u kunt echter toolaanroepen simuleren door het model te instrueren in de systeemprompt. Voor parallelle toolaanroepen moet u de lus extern beheren. Streaming wordt aanbevolen voor realtime toepassingen om waargenomen latentie te verminderen.
Als u gewend bent aan een OpenAI-compatibele API, vereist migratie alleen het wijzigen van de basis-URL en model-ID. Vervang uw bestaande eindpunt door https://api.orcarouter.ai/v1 en stel het model in op "qwen/qwen3.6-35b-a3b". Authenticatie gebruikt een API-sleutel van OrcaRouter (ingesteld in de Authorization-header als Bearer). Tarieflimieten en facturatie worden beheerd door OrcaRouter. Voor multimodale migratie, zorg ervoor dat uw afbeeldings-/video-opmaak overeenkomt met het verwachte schema (OpenAI-compatibel). Het antwoordformaat is identiek aan OpenAI's chat completions, dus uw bestaande parseringscode zou met minimale wijzigingen moeten werken. Test met één enkel verzoek om te bevestigen dat token-telling en latentie acceptabel zijn.
Ja, het model ondersteunt streaming via het OpenAI-compatibele server-sent events (SSE)-protocol. Stel "stream": true in uw verzoek. De stream zal delta-tokens uitzenden terwijl ze worden gegenereerd, precies zoals bij OpenAI's streaming, inclusief finish_reason- en usage-informatie in de laatste gebeurtenis. Streaming is nuttig voor interactieve applicaties waar u uitvoer stapsgewijs wilt weergeven. Merk op dat streaming de totale tokenkosten niet verlaagt; u wordt gefactureerd voor de volledige uitvoer. De MoE-architectuur kan tokens tegen een consistent tempo produceren, maar de werkelijke doorvoer hangt af van netwerk- en serverbelasting. Test uw integratie om een correcte verwerking van streamgebeurtenissen te garanderen.
Vergeleken met Mixtral 8x7B (een populair MoE-model met in totaal 47B, 12.9B actief), heeft Qwen3.6 35B A3B minder totale parameters, maar ook minder actieve parameters (3B vs 12.9B). Dit maakt het potentieel kostenefficiënter per token. Het contextvenster van 262K tokens is aanzienlijk groter dan Mixtral's standaard 32K (hoewel Mixtral kan worden uitgebreid). Qwen3.6 A3B ondersteunt ook invoer van afbeeldingen en video, wat Mixtral niet native doet. Op benchmarks scoort Mixtral rond de 65-70 op τ²-Bench? Niet verstrekt; maar Qwen's 95.3 is zeer hoog voor die specifieke benchmark. Voor korte-context, puur tekstuele taken, kan Mixtral vergelijkbaar of beter presteren in sommige redeneertaken vanwege meer actieve parameters. Voor lange-context en multimodale taken heeft Qwen3.6 A3B een duidelijk voordeel.
Een dicht 35B parametermodel zou ongeveer 12 keer meer rekenkracht per token vereisen dan de 3B actieve parameters in dit MoE-model. Qwen3.6 A3B biedt daardoor een snelheids- en kostenvoordeel tijdens inferentie, ten koste van mogelijke consistentie omdat de expert-routing niet altijd de meest relevante experts voor elke invoer activeert. Dichte modellen leveren vaak een beter voorspelbare kwaliteit over uiteenlopende taken. De τ²-Bench-score suggereert echter dat dit MoE-model kan concurreren met dichte modellen op het gebied van lang-context redeneren. Als je een productiewerkbelasting met hoog volume hebt waarbij latentie en kosten cruciaal zijn, is de MoE-aanpak voordelig. Voor onderzoek dat deterministisch gedrag vereist, is een dicht model wellicht verkieslijker.
Kies Qwen3.6 35B A3B wanneer uw toepassing vereist: (1) het verwerken van zeer lange documenten (tot 262K tokens) in één keer, (2) multimodaal begrip dat afbeeldingen en video omvat, (3) sterke prestaties op taken die het ophalen en redeneren over grote contexten omvatten (zoals gemeten door τ²-Bench), en (4) kostenefficiëntie door een laag-actief-parameter MoE-architectuur. Als uw taken kortdurend zijn, alleen tekst bevatten en geen lange context vereisen, kan een goedkoper model zoals een 7B dicht model volstaan. Voor taken die de hoogst mogelijke kwaliteit vereisen op smalle benchmarks (bijv. wiskundige competitieproblemen), kan een groter dicht model (bijv. 70B) beter presteren.
Alternatieven zijn de dichte Qwen2.5 32B of 72B modellen als u een consistentere kwaliteit over alle taken nodig hebt. Voor multimodaal bieden GPT-4o of Claude 3.5 Sonnet een breder visueel begrip maar tegen hogere kosten. Voor zeer hoge doorvoer kan een kleiner MoE-model zoals Qwen2.5 14B A2B goedkoper zijn. Als u functieaanroepen of toolgebruik met gestructureerde uitvoer nodig hebt, overweeg dan modellen met native ondersteuning voor functieaanroepen (bijv. GPT-4 of Claude). De keuze hangt uiteindelijk af van uw specifieke combinatie van contextlengte, modaliteit, latentietolerantie en budget. Voer altijd uw eigen evaluatie uit met representatieve voorbeelden.
OpenAI-compatibel — behoud je huidige 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| Invoer / 1M tokens | $0.248 |
| Uitvoer / 1M tokens | $1.485 |
| Valuta | USD |
Schatting op basis van catalogusprijs
Alleen een schatting — het werkelijke aantal tokens hangt af van de tokenizer van de aanbieder.
GET /api/public/models/qwen/qwen3.6-35b-a3bOpenen @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