Qwen 3.6 35B A3B vs Qwen 3.8 27B: 3B aktywne czy 27B gęste?

O tym zestawieniu decydują dwie liczby i ciągną one w przeciwnych kierunkach. Qwen3.6-35B-A3Bma 35 miliardów parametrów, ale dla każdego pojedynczego tokena aktywuje tylko około 3 miliardów z nich. Qwen3.8-27Bjest gęsty: każdy z jego 27 miliardów parametrów jest wykorzystywany przy każdym generowanym przez ciebie tokenie. To oznacza, że mieszanka ekspertów jest lżejszym modelem do uruchomienia, a cięższym do utrzymania — 71,9 GB wag BF16 wobec 55,6 GB, zgodnie z własnym repozytorium każdego dostawcy — podczas gdy model gęsty wymaga około dziewięciu razy więcej obliczeń arytmetycznych na token i mieści się w mniejszej ilości pamięci. Żadna z tych cech nie jest wadą. To dwie różne odpowiedzi na pytanie „ile mam maszyny”, a która odpowiedź jest twoja, stanowi całość tej decyzji.

Jest jeszcze drugi powód, dla którego ta strona jest warta twojego czasu. To porównanie ma formę, której czytelnicy szukają wokół 35B A3B — każde zapytanie w małej rodzinie tego modelu jest jej wersją — a Qwen3.6-35B-A3B nigdy nie miał tu strony, która by go w ogóle opisywała. Ta strona zawiera więc po jednym uczciwym akapicie z każdej strony, a następnie przechodzi do porównania.

Czym właściwie jest build 35B A3B

Qwen3.6-35B-A3B to rzadki wariant kwietniowej generacji Qwen3.6 firmy Alibaba z 2026 roku, opublikowany na licencji Apache-2.0 we własnym repozytorium dostawcy w serwisie Hugging Face, utworzonym 15 kwietnia 2026 r. Karta modelu dostawcy opisuje go jako mieszaninę ekspertów z „35B łącznie i 3B aktywowanymi”, zbudowaną z 256 ekspertów, z których na token aktywuje się ośmiu ekspertów routowanych plus jeden współdzielony ekspert. Nie jest wyłącznie tekstowy: karta nazywa go „Causal Language Model with Vision Encoder”, a repozytorium ma znacznik potoku image-text-to-text, więc przyjmuje tekst, obrazy i wideo, a zwraca tekst. Kontekst wynosi natywnie 262 144 tokeny i można go rozszerzyć do około 1 010 000 za pomocą skalowania YaRN. Jego układ jest hybrydowy — dziesięć powtórzeń trzech bloków liniowej uwagi Gated DeltaNet, po których następuje jeden bramkowany blok pełnej uwagi, wymiar ukryty 2048, 40 warstw — a karta oddziela zachwalanie od architektury, wymieniając dwie rzeczy, które podkreśla: programowanie agentowe oraz opcję „thinking preservation”, która zachowuje kontekst rozumowania z wcześniejszych tur. Własne tabele dostawcy na tej karcie umieszczają go na poziomie SWE-bench Verified 73,4, Terminal-Bench 2.0 51,5, MMLU-Pro 85,2, GPQA 86,0 i LiveCodeBench v6 80,4 — wszystkie raportowane przez dostawcę i nieaudytowane; taką etykietę noszą wszędzie, gdzie pojawiają się poniżej.

Czym jest Qwen3.8-27B

Qwen3.8-27B to gęsty model o otwartych wagach i 27B parametrów od Alibaby z generacji Qwen3.8, wydany na licencji Apache-2.0; repozytorium dostawcy zostało utworzone 5 sierpnia 2026 r. i ostatnio zmodyfikowane 14 sierpnia. Własna karta Qwena nazywa go „kompaktowym, przyjaznym wdrożeniom gęstym modelem" i pozycjonuje jako najzdolniejszą dotychczas otwartą generację Qwen, z deklarowanymi zyskami w kodowaniu, pracy zawodowej, badaniach i długodystansowych zadaniach agentowych. Jest również modelem wizyjno-językowym — „Causal Language Model with Vision Encoder" — przyjmującym obrazy i wideo oraz tekst, przy 262 144 tokenach natywnego kontekstu i 1 000 000 z rozszerzeniem. Architektonicznie jest natomiast konwencjonalny: 64 warstwy, wymiar ukryty 5120, zwykła sieć feed-forward o wymiarze pośrednim 17 408, a nie bank ekspertów, oraz ten sam rytm uwagi (trzy liniowe na jedną pełną) co jego bliźniak. Tam, gdzie karta 35B A3B mówi o zachowywaniu myślenia, karta Qwen3.8-27B mówi o elastycznej kontroli myślenia — reasoning_effortdomyślnie ustawione na xhigh, z dostępnymi medium i low, oraz preserve_thinkingdomyślnie włączone. Jej karta podaje LiveCodeBench v6 90,3, GPQA Diamond 89,2, OSWorld-Verified 84,3, QwenSWEBench 79,0, Terminal Bench 2.1 73,0 i SWE-bench Pro 61,7 — ponownie deklarowane przez dostawcę i nieaudytowane. Łączna waga to 55,6 GB w osiemnastu shardach safetensors, a liczba parametrów wynosi 27,8 mld, gdy doliczyć wieżę wizyjną, dlatego model nazywa się 27B, a mierzy 27,8B.

Jedna liczba, która najczęściej o tym decyduje: aktywne parametry

Pliki odnoszą się do całkowitej liczby parametrów. Szybkość odnosi się do liczby aktywnych. To dwie różne kolumny w karcie specyfikacji, a czytelnicy rutynowo sprowadzają je do jednej — i tak ludzie kończą, pobierając mieszaninę ekspertów o rozmiarze 22 GB, oczekując, że zmieści się tam, gdzie zmieściłby się gęsty model o rozmiarze 16,5 GB.

Ten mechanizm warto przedstawić wprost, bo na nim polega cały kompromis. Gęsty model musi odczytać wszystkie swoje wagi, aby wygenerować każdy token; rzadka mieszanka odczytuje tylko tych ekspertów, których wybierze jej router. Qwen3.6-35B-A3B odczytuje na token równowartość około trzech miliardów parametrów, a Qwen3.8-27B — dwadzieścia siedem miliardów, więc mieszanka ma strukturalną przewagę w obliczeniach na token i w przepustowości dekodowania, i ta przewaga jest realna. Ale pozostali eksperci nie są darmowi: muszą gdzieś rezydować, w VRAM lub w pamięci systemowej, w przeciwnym razie router kończy na ich dociąganiu, a dociągnięcie może kosztować więcej niż zaoszczędzona arytmetyka. Zatem przewaga jest warunkowa — zależy od utrzymania całego 35B. Tak działa dekodowanie w mieszaninie ekspertów, a nie jest to pomiar tych dwóch konkretnych modeli, i dlatego kwestia zmieszczenia pojawia się przed kwestią szybkości, a nie po niej.

• Łączna liczba parametrów na dysku, BF16 — Qwen3.6-35B-A3B: 35,95 mld w 26 plikach safetensors, 71,9 GB. Qwen3.8-27B: 27,78 mld w 18 shardach, 55,6 GB. Według własnych repozytoriów dostawców na Hugging Face, odczyt: 2026-10-13.

• Aktywne parametry na token — Qwen3.6-35B-A3B: około 3B. Qwen3.8-27B: wszystkie 27B, ponieważ gęsty znaczy gęsty.

• Architektura — Qwen3.6-35B-A3B: 256 ekspertów, 8 routowanych plus 1 wspólny na token, 40 warstw, wymiar ukryty 2048. Qwen3.8-27B: pojedynczy feed-forward przy wymiarze pośrednim 17 408, 64 warstwy, wymiar ukryty 5120.

• Natywny kontekst — 262,144 tokeny w obu. Qwen3.6-35B-A3B rozszerza się do około 1,010,000 dzięki YaRN; karta Qwen3.8-27B podaje 1,000,000 z rozszerzeniem.

• Licencja — Apache-2.0 w obu przypadkach. Oba można pobrać od dostawcy, oba mają otwarte wagi i żaden z nich nie ma przypisanego warunku opłaty za stanowisko ani za wywołanie.

Ile kosztuje cię każdy z nich za token

Oba modele są udostępniane na OrcaRouter, więc możesz to rozstrzygnąć bez pobierania czegokolwiek. Dane odczytane z naszego bieżącego katalogu w dniu 2026-10-13, qwen/qwen3.6-35b-a3b kosztuje 0,248 USD za milion tokenów wejściowych i 1,485 USD za milion tokenów wyjściowych, z oknem 262 144 tokenów i maksymalnie 65 536 tokenów wyjściowych. qwen/qwen3.8-27b kosztuje 0,330 USD za milion tokenów wejściowych i 2,400 USD za milion tokenów wyjściowych przy tym samym oknie 262 144 tokenów. Oba są również wymienione w naszym katalogu pod drugim identyfikatorem hosta w wyższej cenie, więc sprawdź, który identyfikator faktycznie wywołujesz, zanim porównasz faktury.

Przy obciążeniu wynoszącym milion tokenów wejściowych i ćwierć miliona tokenów wyjściowych — prawdopodobny miesiąc dla małego wdrożenia agenta kodującego — arytmetyka wygląda następująco. Qwen3.6-35B-A3B: 1,00 × $0,248 plus 0,25 × $1,485, czyli około $0,62. Qwen3.8-27B: 1,00 × $0,330 plus 0,25 × $2,400, czyli około $0,93. Nowszy gęsty model kosztuje około półtora raza więcej przy takim profilu ruchu, a różnica jest największa w przypadku tokenów wyjściowych, gdzie wynosi około 62%.

Z tego wynikają dwie rzeczy ważniejsze niż liczby. Po pierwsze, to są ceny z naszego katalogu, a do publikowanej ceny katalogowej dostawcy nie doliczamy marży — więc zmiana ceny u sprzedawcy trafia na tę stronę tego samego dnia, w którym trafia do sprzedawcy, bez opóźnienia i bez drugiej umowy. Po drugie, powodem porównywania ich według jednego klucza, a nie dwóch, jest koszt przełączenia: te dwa identyfikatory są za jednym punktem końcowym, więc przejście z jednego na drugi to zmiana ciągu znaków, a nie migracja, a automatyczne przełączanie awaryjne oznacza, że możesz uruchomić ten mniej znany z tych dwóch na części swojego ruchu bez opierania na nim ścieżki produkcyjnej. Jeśli po raz pierwszy oceniasz mieszaninę ekspertów ze względu na powyższy argument dotyczący obliczeń, to tani sposób, by sprawdzić, czy ten argument sprawdza się w przypadku Twojego obciążenia.

Co pasuje na Twoją maszynę

To jest pytanie, w którym oba modele faktycznie się różnią, i sprowadza się ono do tego samego podziału na parametry całkowite i aktywne. Porównując społecznościowe kompilacje GGUF, które mają oba modele — to repozytoria firm trzecich, a nie wydania producenta, a ich nazwy plików są ich własne — ta sama etykieta kwantyzacji przekłada się na istotnie różne rozmiary plików:

• Klasa Q3, najmniejsza sensowna opcja — Qwen3.6-35B-A3B: 16,60 GB przy UD-Q3_K_M. Qwen3.8-27B: 13,15 GB przy UD-Q3_K_XL.

• Około IQ4 — Qwen3.6-35B-A3B: 17,73 GB przy UD-IQ4_XS, 18,04 GB przy UD-IQ4_NL. Qwen3.8-27B: 14,25 GB przy UD-IQ4_XS.

• Q4_K_S — Qwen3.6-35B-A3B: 20,89 GB. Qwen3.8-27B: 15,36 GB.

• Q4_K_M, zwykle domyślny — Qwen3.6-35B-A3B: 22,13 GB. Qwen3.8-27B: 16,46 GB.

• Q4_K_XL — Qwen3.6-35B-A3B: 22,36 GB. Qwen3.8-27B: 17,56 GB.

• Q5_K_M — Qwen3.6-35B-A3B: 26,46 GB. Qwen3.8-27B: 19,77 GB.

• Q8_0 — Qwen3.6-35B-A3B: 36.90 GB. Qwen3.8-27B: 29.05 GB.

• BF16, w wersji dostarczonej — Qwen3.6-35B-A3B: 71,9 GB. Qwen3.8-27B: 55,6 GB.

• Opublikowano również — Qwen3.6-35B-A3B ma checkpoint FP8 we własnym repozytorium dostawcy oraz mieszankę MXFP4 o rozmiarze 21,71 GB w kompilacjach społeczności; Qwen3.8-27B również ma checkpoint FP8 w repozytorium dostawcy.

Zestaw obie kolumny ze sobą, a reguła sama się wyłoni. Przy każdej dopasowanej etykiecie model mieszany jest od czterech do ośmiu gigabajtów cięższy przy tej samej nominalnej kompresji, ponieważ plik musi pomieścić wszystkie 35B, a naraz wykorzystuje tylko 3B z nich. Konkretnie: karta 24 GB obsłuży Qwen3.8-27B w Q4_K_M z zapasem na kontekst oraz Qwen3.6-35B-A3B w Q3 lub IQ4, gdy pamięć podręczna KV walczy o miejsce, a komfortowa sesja z długim kontekstem na modelu mieszanym wymaga bliżej 48 GB. Dodaj własny plik wieży wizyjnej, jeśli chcesz wejście obrazowe w którymkolwiek z nich.

Jaki jest stan benchmarków — a nie taki, w jakim chciałbyś je widzieć.

Nikt nie opublikował bezpośredniego porównania tych dwóch modeli przy dopasowanych ustawieniach na nazwanym stanowisku testowym. Nie znamy takiego przypadku, a ta strona nie będzie sugerować rankingu, którego nie uzasadniają dowody.

To, co istnieje, to częściowe pokrywanie się w zakresie benchmarkowych nazw między dwiema kartami dostawców i warto to pokazać właśnie dlatego, że tak łatwo jest to nadinterpretować. W przypadku nazw, które pojawiają się na obu kartach, wartość dla Qwen3.8-27B jest za każdym razem wyższa. SWE-bench Pro: 49,5 dla 35B A3B wobec 61,7 dla 27B. LiveCodeBench v6: 80,4 wobec 90,3. HLE: 21,4 wobec 30,8. Pytania rozumowania CharXiv: 78,0 wobec 83,7. OmniDocBench 1.5: 89,9 wobec 91,1. RealWorldQA: 85,3 wobec 85,9. A w przypadku Terminal-Bench karty nie są nawet porównywalne w sposób, na jaki wskazuje ten wiersz: karta 35B A3B podaje Terminal-Bench 2.0 na poziomie 51,5, podczas gdy karta 27B podaje Terminal Bench 2.1 (Terminus) na poziomie 73,0 — różne wersje benchmarku, więc tych konkretnych wartości nie należy w ogóle odejmować od siebie.

Na tym wszystkim ciążą trzy zastrzeżenia. Liczby pochodzą z dwóch różnych kart modeli opublikowanych w odstępie około czterech miesięcy, przez to samo laboratorium, bez audytu. Kilka benchmarków podawanych przez każdy model pojawia się tylko na jego własnej karcie i nie ma odpowiednika — SWE-bench Verified 73.4 i MMLU-Pro 85.2 po stronie 35B A3B; OSWorld-Verified 84.3 i QwenSWEBench 79.0 po stronie 27B — więc nie można ich zestawić. A nowszy model w tej samej linii osiągający wyższy wynik niż starszy to oczekiwany rezultat, a nie odkrycie: mówi ci, że generacja się przesunęła, i nic o tym, czy starszy model jest lepiej dopasowany do tokenów, które zamierzasz wysłać.

Jeśli potrzebujesz, aby porównanie było rozstrzygające, uczciwą drogą jest uruchomienie obu na własnym ruchu. Są na jednym kluczu i jednym punkcie końcowym, a przełączanie awaryjne sprawia, że test podziału jest tani.

Który powinieneś wybrać

Wybierz Qwen3.6-35B-A3B jeśli twoja maszyna może pomieścić 35B wag, a twoje obciążenie pracą jest większe w przypadku generowania niż jednorazowego rozumowania. Przypadki, w których jest to właściwa odpowiedź:

• Masz pamięć — 48 GB lub więcej na komfortowe lokalne użytkowanie z długim kontekstem albo kartę 24 GB przy kwantyzacji klasy 3-bitowej, jeśli możesz zaakceptować krótsze okno — i chcesz architekturę, która zużywa najmniej obliczeń na token.

• Twój ruch cechuje się wysoką współbieżnością lub długim generowaniem, gdzie koszt za token dominuje w rachunku, a rzadkie dekodowanie mieszaniny jest strukturalnie po Twojej stronie.

• Chcesz jeden artefakt na licencji Apache-2.0, który przyjmuje tekst, obrazy i wideo oraz zwraca tekst, a chcesz mniejszy plik do pobrania z tej pary tylko jeśli hostujesz go, a nie pobierasz, gdzie cena za token jest niższa zarówno na wejściu, jak i na wyjściu.

• Celowo działasz w skali 3B aktywnych parametrów — akceptujesz pozostawanie o jedną generację w tyle za tabelami samego dostawcy w zamian za niższy koszt za token i możliwość korzystania ze znajomego interfejsu wywoływania narzędzi.

Wybierz Qwen3.8-27B jeśli pamięć jest ograniczeniem wiążącym albo jeśli chcesz najnowszą generację w tej parze. Przypadki, w których jest to właściwa odpowiedź:

• Pojedyncza karta 24 GB i brak planów kupna kolejnej. Przy Q4_K_M to 16,5 GB, co pozostawia realne miejsce na kontekst; mieszanka już nie.

• Chcesz uzyskać najwyższe raportowane przez dostawcę wyniki dotyczące agentowości i kodowania w tym zestawieniu, mając świadomość, że pochodzą one z nieaudytowanej karty i nie stanowią porównania dopasowanego.

• Twoje obciążenie to stosunkowo nieliczne, stosunkowo duże żądania — rozumienie dokumentów i zrzutów ekranu, rozumowanie na poziomie repozytorium, automatyzacja w stylu korzystania z komputera — gdzie przepustowość na żądanie ma mniejsze znaczenie niż to, czy każde żądanie zostanie wykonane poprawnie.

• Chcesz mniejszego pobierania, szybszego zimnego startu i krótszej listy shardów do zarządzania.

Nic z tego nie czyni zwycięzcy. Te dwa modele nie konkurują o to samo miejsce na twojej maszynie, a powyższe liczby nie ustalają, który z nich jest lepszy w czymkolwiek — ustalają tylko, który z nich wymaga mniej od maszyny, którą już masz.

Najczęściej rozstrzyga to, że rozmiar pliku na dysku zależy od całkowitej liczby parametrów, a nakład pracy na token — od liczby aktywnych. Zatem Qwen3.6-35B-A3B może być modelem, który działa szybciej, a mimo to nie mieści się, a Qwen3.8-27B może być tym z większym kosztem na token, a mimo to w ogóle działa. Zdecyduj, z którym z tych dwóch problemów naprawdę masz do czynienia, a wybór przestaje być porównaniem.