Qwen3.6 35B-A3B — open-weight MoE multimodal (tekst/obraz/wideo), 35B całkowitych / 3B aktywnych params, 256k kontekstu.
Qwen3.6 35B A3B to model językowy dużej skali typu mixture-of-experts (MoE) z rodziny Qwen. Zawiera łącznie 35 miliardów parametrów, ale podczas każdego przejścia w przód aktywowanych jest tylko…
Qwen3.6 35B A3B sprawdza się w zadaniach korzystających z długich kontekstów i rozumienia multimodalnego. Należą do nich odpowiadanie na pytania na poziomie dokumentu, streszczanie długich raportów, generowanie kodu z rozszerzonym kontekstem oraz złożone rozumowanie wieloetapowe. Model o kontekście 262 144 tokenów umożliwia przetwarzanie całych książek, obszernych baz kodu czy godzin transkrybowanego wideo. Jego silna wydajność w τ²-Bench (95.3) świadczy o dobrych wynikach w zadaniach wymagających wyszukiwania i wykorzystywania informacji z długich wejść, a także wywoływania zewnętrznych narzędzi i przestrzegania instrukcji w wielu krokach. Wejścia multimodalne – obrazy i wideo – dodają możliwość analizowania treści wizualnych obok tekstu w jednym poleceniu.
Model obsługuje dane wejściowe w formie tekstu, obrazów i plików wideo. Podczas wysyłania żądania przez API OrcaRouter możesz dołączyć dane obrazu (np. zakodowane w base64 lub URL) oraz pliki wideo do wiadomości użytkownika, zgodnie z tym samym formatem multimodalnym używanym przez innych dostawców. Model przetwarza te elementy wizualne wspólnie z promptem tekstowym, umożliwiając analizę wykresów, diagramów, zdjęć lub klipów wideo. Na przykład możesz poprosić o opisanie sceny z wideo, wyodrębnienie danych z obrazu lub połączenie instrukcji tekstowych z kontekstem wizualnym. Wynik zawsze ma formę tekstu. Nie ma osobnej ceny za dane wejściowe multimodalne – są one rozliczane według tej samej stawki za token.
Okno kontekstu o rozmiarze 262,144 tokenów pozwala modelowi przetwarzać bardzo długie sekwencje bez obcinania. Jednak przetwarzanie długich kontekstów może zwiększyć opóźnienie i użycie pamięci. Architektura MoE pomaga łagodzić koszty, ponieważ tylko 3B parametrów jest aktywnych na token, ale pełny mechanizm uwagi wciąż skaluje się z długością sekwencji. W zadaniach, gdzie istotne informacje są rozproszone w długim wejściu, wysoki wynik τ²-Bench Qwen3.6 35B A3B sugeruje, że model może skutecznie wyszukiwać i rozumować. W przypadku bardzo długich dokumentów rozważ strategie dzielenia na fragmenty lub wykorzystaj własne możliwości podsumowania modelu. Do zadań z krótkim kontekstem tańszy, gęsty model może być bardziej ekonomiczny.
Jeśli Twój przypadek użycia obejmuje krótkie podpowiedzi (poniżej 4K tokenów), proste zadania, takie jak klasyfikacja lub ekstrakcja, albo nie wymaga wejścia multimodalnego, mniejszy, gęsty model – na przykład wariant 7B-parametrowy – może zapewnić niższe opóźnienie i koszt. Cena za token modelu Qwen3.6 35B A3B ($0,25/$1,48 za milion tokenów) jest umiarkowana, ale w przypadku dużych wolumenów i mało złożonych obciążeń model o jeszcze niższej liczbie aktywnych parametrów (np. 1B lub 3B gęsty) może być bardziej opłacalny. Dodatkowo, jeśli nie potrzebujesz długiego kontekstu lub możliwości multimodalnych, płacisz za narzut, którego możesz nie wykorzystać. Oceń średnią długość swoich podpowiedzi i odpowiedzi w kontekście mocnych stron modelu, aby podjąć decyzję.
τ²-Bench to benchmark oceniający zdolność modelu do przeprowadzania rozumowania w długich kontekstach oraz wieloetapowego korzystania z narzędzi. Obejmuje on przetwarzanie dużego korpusu (np. bazy dokumentów lub bazy kodu), a następnie odpowiadanie na pytania wymagające odszukania i zsyntetyzowania informacji z tego korpusu. Wynik 95,3 wskazuje, że model z powodzeniem poradził sobie z tymi zadaniami z wysoką dokładnością, przewyższając wiele innych modeli w tym konkretnym benchmarku. Sugeruje to silne umiejętności w zakresie wyszukiwania, rozumowania i podążania za instrukcjami w rozszerzonych kontekstach. Należy jednak interpretować wyniki benchmarków jako jedną z miar wydajności; rzeczywiste wyniki mogą się różnić w zależności od specyfiki zadania.
Opóźnienie dla Qwen3.6 35B A3B zależy od jego architektury MoE: tylko 3B parametrów jest aktywnych na token, co generalnie pozwala na szybsze wnioskowanie niż w przypadku gęstego modelu 35B. Jednak mechanizm uwagi nadal wymaga przetwarzania całego okna kontekstu, więc dłuższe wejścia zwiększają czas do pierwszego tokena. OrcaRouter nie publikuje konkretnych benchmarków opóźnienia dla tego modelu. W praktyce czasy odpowiedzi zależą od obciążenia zapytaniami, długości promptu i liczby tokenów w odpowiedzi. W przypadku aplikacji czasu rzeczywistego, przetestuj na swoich typowych wejściach. W przypadku przetwarzania wsadowego, opłacalność kosztowa modelu może zrekompensować dłuższe opóźnienia. Użytkownicy powinni rozważyć zarówno szybkość, jak i koszt w porównaniu do gęstych modeli.
Podstawowym wynikiem benchmarku jest wynik τ²-Bench wynoszący 95,3, co wskazuje na silne wnioskowanie w kontekście długim i przy użyciu narzędzi. Jest to kluczowy obszar przewagi. Wielomodalność modelu również stawia go w dobrej pozycji do zadań łączących dane wizualne i tekstowe, choć nie podano tutaj oddzielnych wyników benchmarku dla zadań wizualnych. Na podstawie architektury można oczekiwać, że model będzie działał dobrze w zadaniach korzystających z dużej liczby parametrów, ale niewymagających pełnej aktywacji wszystkich parametrów. Projekt MoE może prowadzić do nieco mniejszej spójności w porównaniu z modelami gęstymi w przypadku niektórych wąskich zadań, ale oferuje korzystny kompromis między możliwościami a kosztami.
Chociaż wynik τ²-Bench jest wysoki, jest to tylko jeden benchmark; wydajność w innych benchmarkach (np. MMLU, MATH, konkursach programistycznych) nie jest podana. Gęste odpowiedniki modelu (np. pełny gęsty model 35B) mogą osiągać lepsze wyniki w zadaniach, które wymagają jednoczesnego zaangażowania wszystkich parametrów, takich jak niektóre zadania z rozumowania matematycznego lub wielojęzyczne. Ponadto obsługiwane jest wprowadzanie multimodalne, ale jakość rozumienia wideo może zależeć od próbkowania klatek i kompresji. Opóźnienie nie jest publicznie mierzone. Użytkownicy nie powinni zakładać, że model jest najlepszym wyborem w każdym scenariuszu; zawsze oceniaj go pod kątem swojego konkretnego przypadku użycia i rozważ przeprowadzenie własnych testów porównawczych.
Ceny są naliczane za token, osobno dla tokenów wejściowych i wyjściowych. Koszt wynosi 0,25 USD za 1 milion tokenów wejściowych oraz 1,48 USD za 1 milion tokenów wyjściowych. Są to stawki dostawcy, a OrcaRouter nie stosuje żadnej marży. Tokeny wejściowe obejmują wszystkie tokeny w promptcie, w tym tekst, tokenizację obrazów i tokenizację wideo. Tokeny wyjściowe to wszystkie tokeny wygenerowane w odpowiedzi. Nie ma dodatkowych opłat za korzystanie z API, żadnych abonamentów miesięcznych ani minimalnych wymagań dotyczących użycia. Rozliczenia są prowadzone przez OrcaRouter na podstawie użycia tokenów. Ponieważ tylko 3B parametrów jest aktywnych na token, koszt obliczeniowy dla dostawcy jest niższy niż w przypadku gęstego modelu 35B, a ta oszczędność jest uwzględniona w cenie.
Cena wejściowa ($0.25/1M tokenów) jest stosunkowo niska, podczas gdy cena wyjściowa ($1.48/1M) jest wyższa, odzwierciedlając koszt generowania. Jeśli Twoja aplikacja generuje dużą liczbę tokenów (np. długie podsumowania, generowanie kodu), koszt wyjścia będzie dominujący. W takich przypadkach rozważ zmniejszenie długości wyjściowej za pomocą instrukcji lub użycie tańszego modelu do generowania, jeśli jakość na to pozwala. Z kolei jeśli masz bardzo długie prompty, ale krótkie wyjścia, koszt wejścia jest korzystny. Architektura MoE oznacza, że koszt wnioskowania na token jest niższy niż w przypadku modelu gęstego o podobnej liczbie parametrów, ale cena jest ustalona według stawki dostawcy; płacisz za efektywność.
OrcaRouter nie ujawnia publicznie, czy buforowanie promptów jest dostępne dla tego modelu. Gdyby buforowanie zostało zaimplementowane, mogłoby obniżyć koszty poprzez unikanie ponownego kodowania identycznych prefiksów promptów. Jednak żadna taka funkcja nie jest wymieniona dla tego konkretnego modelu. Użytkownicy powinni zakładać, że każde żądanie jest rozliczane według standardowych stawek za token. W przypadku powtarzających się promptów warto rozważyć grupowanie zapytań lub używanie krótszych prefiksów, aby zminimalizować zużycie tokenów wejściowych. Możesz także monitorować liczbę tokenów za pomocą pola `usage` w odpowiedzi API, aby zoptymalizować koszty. W przypadku użycia na skalę przedsiębiorstwa skontaktuj się z OrcaRouter, aby omówić potencjalne niestandardowe ustalenia lub wsparcie buforowania.
Zero markup oznacza, że OrcaRouter nalicza dokładnie tę samą cenę za token, którą ustalił dostawca modelu (Qwen). Nie dolicza się żadnych dodatkowych opłat platformowych, kosztów ogólnych ani marży zysku. Stawki $0.25/1M za wejście i $1.48/1M za wyjście to stawki samego dostawcy. To jest przejrzystość w cenach; płacisz tylko za rzeczywisty koszt inferencji. OrcaRouter nadal zarządza infrastrukturą API, routingiem i rozliczeniami, ale nie pobiera dodatkowej opłaty za tę usługę. Może to sprawić, że Qwen3.6 35B A3B będzie bardziej ekonomiczny w porównaniu z niektórymi innymi platformami, które mogą doliczać marżę. Może jednak być konieczne porównanie całkowitych kosztów z uwzględnieniem ewentualnych rabatów ilościowych lub kredytów oferowanych osobno przez OrcaRouter.
Użyj punktu końcowego zgodnego z API OpenAI do zakończeń czatów pod adresem https://api.orcarouter.ai/v1. Ustaw parametr modelu na "qwen/qwen3.6-35b-a3b". Konstruuj wiadomości tak, jak w przypadku API OpenAI, w tym opcjonalną wiadomość systemową oraz wiadomości użytkownika. W przypadku danych multimodalnych dołącz tablicę części treści z typami "text" i "image_url" (lub "video_url"). Przykład (pseudokod): curl https://api.orcarouter.ai/v1/chat/completions -H "Authorization: Bearer TWOJ_KLUCZ_API_ORCAROUTER" -d '{"model":"qwen/qwen3.6-35b-a3b","messages":[{"role":"user","content":[{"type":"text","text":"Opisz ten obraz"},{"type":"image_url","image_url":{"url":"https://example.com/photo.jpg"}}]}]}'. Odpowiedź jest zgodna z formatem OpenAI, zawiera choices, usage itd.
Standardowe parametry OpenAI są obsługiwane: temperature (0 do 2, domyślnie 1), top_p (0 do 1, domyślnie 1), max_tokens (do 65536), sekwencje stop, frequency_penalty, presence_penalty oraz stream. W przypadku żądań multimodalnych możesz przekazywać obrazy jako adresy URL danych base64 lub publiczne adresy URL. Dane wejściowe wideo mogą wymagać specyficznego kodowania — sprawdź dokumentację OrcaRouter. Dodatkowe parametry, takie jak seed dla powtarzalności, mogą być obsługiwane, ale nie są gwarantowane. Model nie obsługuje natywnie wywoływania funkcji ani narzędzi; możesz jednak symulować wywołania narzędzi, instruując model w promptcie systemowym. Do równoległego wywoływania narzędzi konieczne będzie zarządzanie pętlą zewnętrznie. Zaleca się używanie streamowania w aplikacjach czasu rzeczywistego, aby zmniejszyć odczuwalne opóźnienie.
Jeśli jesteś przyzwyczajony do API zgodnego z OpenAI, migracja wymaga zmiany tylko podstawowego adresu URL i identyfikatora modelu. Zastąp swój obecny punkt końcowy adresem https://api.orcarouter.ai/v1 i ustaw model na "qwen/qwen3.6-35b-a3b". Uwierzytelnianie wykorzystuje klucz API dostarczony przez OrcaRouter (ustawiony w nagłówku Authorization jako Bearer). Ograniczenia szybkości i rozliczenia są zarządzane przez OrcaRouter. W przypadku migracji multimodalnej upewnij się, że formatowanie obrazów/wideo jest zgodne z oczekiwanym schematem (zgodnym z OpenAI). Format odpowiedzi jest identyczny z odpowiedziami czatu OpenAI, więc Twój istniejący kod do parsowania powinien działać przy minimalnych zmianach. Przetestuj za pomocą pojedynczego żądania, aby potwierdzić, że liczenie tokenów i opóźnienie są akceptowalne.
Tak, model obsługuje strumieniowanie za pomocą protokołu server-sent events (SSE) zgodnego z OpenAI. Ustaw "stream": true w swoim zapytaniu. Strumień będzie emitował tokeny delta w miarę ich generowania, dokładnie tak jak w przypadku strumieniowania OpenAI, włączając finish_reason i informacje o użyciu w końcowym zdarzeniu. Strumieniowanie jest przydatne w aplikacjach interaktywnych, gdzie chcesz wyświetlać wyniki stopniowo. Uwaga: strumieniowanie nie zmniejsza całkowitych kosztów tokenów; naliczana jest opłata za pełny wynik. Architektura MoE może generować tokeny w stałym tempie, ale rzeczywista przepustowość zależy od obciążenia sieci i serwera. Przetestuj swoją integrację, aby zapewnić prawidłowe obsługiwanie zdarzeń strumienia.
W porównaniu do Mixtral 8x7B (popularny model MoE z 47B całkowitymi, 12,9B aktywnymi), Qwen3.6 35B A3B ma mniej parametrów całkowitych, ale także mniej aktywnych parametrów (3B vs 12,9B). To czyni go potencjalnie bardziej opłacalnym kosztowo na token. Okno kontekstowe 262K tokenów jest znacznie większe niż domyślne 32K Mixtrala (choć Mixtral można rozszerzyć). Qwen3.6 A3B obsługuje również wprowadzanie obrazów i wideo, czego Mixtral natywnie nie robi. W benchmarkach Mixtral osiąga około 65-70 w τ²-Bench? Nie podano; ale wynik Qwena 95,3 jest bardzo wysoki dla tego konkretnego benchmarku. Dla zadań z krótkim kontekstem, czysto tekstowych, Mixtral może działać porównywalnie lub lepiej w niektórych zadaniach wymagających rozumowania ze względu na więcej aktywnych parametrów. Dla zadań z długim kontekstem i multimodalnych, Qwen3.6 A3B ma wyraźną przewagę.
Gęsty model z 35 miliardami parametrów wymagałby około 12 razy większej mocy obliczeniowej na token niż 3 miliardy aktywnych parametrów w tym modelu MoE. Qwen3.6 A3B oferuje zatem przewagę szybkości i kosztów w czasie wnioskowania, potencjalnie kosztem pewnej spójności, ponieważ routing ekspertów może nie zawsze aktywować najbardziej odpowiednich ekspertów dla każdego wejścia. Modele gęste często osiągają bardziej przewidywalną jakość w różnych zadaniach. Jednak wynik τ²-Bench sugeruje, że ten model MoE może konkurować z modelami gęstymi w zakresie rozumowania długiego kontekstu. Jeśli masz obciążenie produkcyjne o dużej objętości, gdzie opóźnienie i koszt są krytyczne, podejście MoE jest korzystne. Do badań wymagających deterministycznego zachowania, model gęsty może być preferowany.
Wybierz Qwen3.6 35B A3B, gdy Twoja aplikacja wymaga: (1) przetwarzania bardzo długich dokumentów (do 262K tokenów) w jednym przebiegu, (2) multimodalnego rozumienia obejmującego obrazy i wideo, (3) silnej wydajności w zadaniach polegających na wyszukiwaniu i rozumowaniu nad dużymi kontekstami (mierzonej τ²-Bench), oraz (4) opłacalności wynikającej z architektury MoE o niskiej liczbie aktywnych parametrów. Jeśli Twoje zadania są krótkie, wyłącznie tekstowe i nie wymagają długiego kontekstu, tańszy model, taki jak 7B gęsty model, może wystarczyć. W przypadku zadań wymagających najwyższej możliwej jakości w wąskich benchmarkach (np. problemy z konkursów matematycznych), większy gęsty model (np. 70B) może osiągnąć lepsze wyniki.
Alternatywy obejmują gęste modele Qwen2.5 32B lub 72B, jeśli potrzebujesz bardziej spójnej jakości we wszystkich zadaniach. W przypadku multimodalności, GPT-4o lub Claude 3.5 Sonnet oferują szersze zrozumienie wizualne, ale po wyższym koszcie. Dla bardzo wysokiej przepustowości, mniejszy model MoE, taki jak Qwen2.5 14B A2B, może być tańszy. Jeśli wymagasz wywoływania funkcji lub korzystania z narzędzi ze strukturalnymi wynikami, rozważ modele z natywnym wsparciem wywoływania funkcji (np. GPT-4 lub Claude). Wybór ostatecznie zależy od twojej konkretnej kombinacji długości kontekstu, modalności, tolerancji opóźnienia i budżetu. Zawsze przeprowadzaj własną ocenę na reprezentatywnych przykładach.
Zgodne z OpenAI — zostań przy swoim 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| Wejście / 1M tokenów | $0.248 |
| Wyjście / 1M tokenów | $1.485 |
| Waluta | USD |
Szacunek na podstawie cennika
Tylko szacunek — rzeczywista liczba tokenów zależy od tokenizatora dostawcy.
GET /api/public/models/qwen/qwen3.6-35b-a3bOtwórz @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