Qwen 3.6 35B A3B vs Qwen 3.8 27B: 3B Ativo ou 27B Denso?

Dois números decidem este emparelhamento, e eles puxam em direções opostas. Qwen3.6-35B-A3B carrega 35 bilhões de parâmetros, mas ativa apenas cerca de 3 bilhões deles para cada token individual. Qwen3.8-27B é denso: cada um dos seus 27 bilhões de parâmetros é usado para cada token que você gera. Isso significa que o modelo de mistura de especialistas é o mais leve para executar e o mais pesado para manter — 71,9 GB de pesos BF16 contra 55,6 GB, de acordo com o repositório de cada fornecedor — enquanto o modelo denso exige cerca de nove vezes mais aritmética por token e cabe em menos memória. Nenhuma dessas características é um defeito. São duas respostas diferentes para "quanta máquina eu tenho", e qual resposta é a sua é o cerne da decisão.

Há um segundo motivo pelo qual esta página vale o seu tempo. Esta comparação é o formato que os leitores procuram em torno do 35B A3B — toda consulta na pequena família desse modelo é uma versão dela — e o Qwen3.6-35B-A3B nunca teve uma página aqui para descrevê-lo de forma alguma. Então esta página traz um parágrafo honesto de cada lado e depois chega à comparação.

O que a build 35B A3B realmente é

Qwen3.6-35B-A3B é o membro esparso da geração Qwen3.6 de abril de 2026 da Alibaba, publicado sob Apache-2.0 no próprio repositório Hugging Face do fornecedor, criado em 15 de abril de 2026. A ficha do modelo do fornecedor o descreve como uma mistura de especialistas com "35B no total e 3B ativados", construída a partir de 256 especialistas, dos quais oito especialistas roteados mais um especialista compartilhado são acionados por token. Não é apenas texto: a ficha o chama de "Modelo de Linguagem Causal com Codificador de Visão", e o repositório possui uma etiqueta de pipeline imagem-texto-para-texto, então ele recebe texto, imagens e vídeo e retorna texto. O contexto é de 262.144 tokens nativamente, extensível para cerca de 1.010.000 com escalonamento YaRN. Seu layout é híbrido — dez repetições de três blocos de atenção linear Gated DeltaNet seguidas por um bloco de atenção completa com gate, dimensão oculta 2.048, 40 camadas — e a ficha separa o discurso de vendas da arquitetura ao nomear duas coisas que enfatiza: codificação agêntica, e uma opção de "preservação de pensamento" que mantém o contexto de raciocínio de turnos anteriores. As próprias tabelas do fornecedor nessa ficha o colocam em SWE-bench Verified 73,4, Terminal-Bench 2.0 51,5, MMLU-Pro 85,2, GPQA 86,0 e LiveCodeBench v6 80,4 — todos relatados pelo fornecedor e não auditados, que é o rótulo que carregam onde quer que apareçam abaixo.

O que é Qwen3.8-27B

O Qwen3.8-27B é o modelo denso de 27B de pesos abertos da Alibaba, da geração Qwen3.8, lançado sob a licença Apache-2.0; o repositório do fornecedor foi criado em 5 de agosto de 2026 e modificado pela última vez em 14 de agosto. O próprio card do Qwen o descreve como "um modelo denso compacto e amigável para implantação" e o posiciona como a geração aberta do Qwen mais capaz até agora, com os ganhos declarados em programação, trabalho profissional, pesquisa e tarefas agênticas de horizonte longo. Ele também é um modelo de linguagem e visão — "Causal Language Model with Vision Encoder" — que aceita imagens e vídeo, além de texto, com 262.144 tokens de contexto nativo e 1.000.000 com extensão. Em termos arquiteturais, é convencional em comparação: 64 camadas, dimensão oculta de 5.120, uma rede feed-forward regular com dimensão intermediária de 17.408 em vez de um banco de especialistas, e o mesmo ritmo de atenção de três lineares para uma completa do seu irmão. Onde o card do 35B A3B fala em preservação do pensamento, o card do Qwen3.8-27B fala em controle flexível do pensamento — uma configuração reasoning_effortcom padrão xhigh, com medium e low disponíveis, e preserve_thinkingativado por padrão. Seu card reporta LiveCodeBench v6 90,3, GPQA Diamond 89,2, OSWorld-Verified 84,3, QwenSWEBench 79,0, Terminal Bench 2.1 73,0 e SWE-bench Pro 61,7 — novamente reportados pelo fornecedor e não auditados. Seu total de pesos é de 55,6 GB distribuídos em dezoito shards safetensors, e sua contagem de parâmetros é de 27,8 bilhões quando a torre de visão é contabilizada, razão pela qual o modelo é chamado de 27B e mede 27,8B.

O número que, na maioria das vezes, decide isso: parâmetros ativos

Arquivos acompanham os parâmetros totais. A velocidade acompanha os ativos. Essas são duas colunas diferentes na ficha técnica, e os leitores costumam reduzi-las a uma só, e é assim que as pessoas acabam baixando uma mistura de especialistas de 22 GB esperando que caiba onde um modelo denso de 16,5 GB caberia.

Vale a pena enunciar o mecanismo de forma clara, porque é o trade-off inteiro. Um modelo denso precisa ler todos os seus pesos para produzir cada token; uma mistura esparsa lê apenas os especialistas que seu roteador seleciona. Qwen3.6-35B-A3B lê aproximadamente o equivalente a três bilhões de parâmetros por token e Qwen3.8-27B lê vinte e sete bilhões — então a mistura tem uma vantagem estrutural na computação por token e na vazão de decodificação, e essa vantagem é real. Mas os outros especialistas não são gratuitos: eles têm de estar residentes em algum lugar, na VRAM ou na memória do sistema, ou o roteador acaba tendo de buscá-los, e uma busca pode custar mais do que a aritmética que economizou. Portanto, a vantagem é condicional a manter todo o 35B. É assim que funciona a decodificação de mistura de especialistas, não é uma medição desses dois modelos específicos, e é a razão pela qual a questão de caber vem antes da questão da velocidade, e não depois.

• Total de parâmetros em disco, BF16 — Qwen3.6-35B-A3B: 35,95B em 26 arquivos safetensors, 71,9 GB. Qwen3.8-27B: 27,78B em 18 fragmentos, 55,6 GB. De acordo com os próprios repositórios Hugging Face dos fornecedores, consultados em 2026-10-13.

• Parâmetros ativos por token — Qwen3.6-35B-A3B: cerca de 3B. Qwen3.8-27B: todos os 27B, porque denso quer dizer denso.

• Arquitetura — Qwen3.6-35B-A3B: 256 especialistas, 8 roteados mais 1 compartilhado por token, 40 camadas, oculto 2.048. Qwen3.8-27B: feed-forward único na dimensão intermediária 17.408, 64 camadas, oculto 5.120.

• Contexto nativo — 262.144 tokens em ambos. O Qwen3.6-35B-A3B se estende até cerca de 1.010.000 com YaRN; o card do Qwen3.8-27B afirma 1.000.000 com extensão.

• Licença — Apache-2.0 em ambos. Ambos podem ser baixados do fornecedor, ambos são de pesos abertos, e não há termo por assento ou por chamada vinculado a nenhum deles.

Quanto cada um custa a você por token

Ambos os modelos são disponibilizados no OrcaRouter, então você pode resolver isso sem baixar nada. Conforme lido em nosso catálogo ao vivo em 2026-10-13, qwen/qwen3.6-35b-a3b custa US$ 0,248 por milhão de tokens de entrada e US$ 1,485 por milhão de saída, com uma janela de 262.144 tokens e no máximo 65.536 tokens de saída. qwen/qwen3.8-27b custa US$ 0,330 por milhão de entrada e US$ 2,400 por milhão de saída na mesma janela de 262.144 tokens. Ambos também estão listados no nosso catálogo sob um segundo ID de host a um preço mais alto, então verifique qual identificador você está realmente chamando antes de comparar as faturas.

Em uma carga de trabalho de um milhão de tokens de entrada e duzentos e cinquenta mil tokens de saída — um mês plausível para uma pequena implantação de agente de codificação — a aritmética fica assim. Qwen3.6-35B-A3B: 1,00 × US$ 0,248 mais 0,25 × US$ 1,485, ou cerca de US$ 0,62. Qwen3.8-27B: 1,00 × US$ 0,330 mais 0,25 × US$ 2,400, ou cerca de US$ 0,93. O modelo denso mais novo custa aproximadamente 50% mais nesse padrão de tráfego, e a diferença é maior nos tokens de saída, onde é de cerca de 62%.

Duas coisas decorrem disso que importam mais do que os números. Primeiro, estes são os nossos preços de catálogo, e não acrescentamos qualquer margem ao preço de tabela publicado por um fornecedor — por isso, uma alteração de preço do fornecedor chega a esta página no mesmo dia em que chega ao fornecedor, sem atraso e sem um segundo contrato. Segundo, a razão para compará-los numa única chave em vez de duas é o custo de troca: os dois ids estão atrás de um único endpoint, por isso passar de um para o outro é uma alteração de string e não uma migração, e o failover automático significa que pode executar o menos familiar dos dois em parte do seu tráfego sem apostar um caminho de produção nele. Se está a avaliar uma mistura de especialistas pela primeira vez por causa do argumento de computação acima, essa é a forma barata de testar se o argumento se aplica à sua carga de trabalho.

O que cabe na sua máquina

É esta a questão em que os dois modelos realmente diferem, e prende-se com a mesma divisão entre total e ativos. Ao comparar as compilações GGUF da comunidade que ambos os modelos têm — estes são repositórios de terceiros, não lançamentos dos fornecedores, e os respetivos nomes de ficheiro são próprios — o mesmo rótulo de quantização traduz-se em tamanhos de ficheiro substancialmente diferentes:

• Classe Q3, a menor opção sensata — Qwen3.6-35B-A3B: 16,60 GB em UD-Q3_K_M. Qwen3.8-27B: 13,15 GB em UD-Q3_K_XL.

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

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

• Q4_K_M, o padrão usual — 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, como distribuído — Qwen3.6-35B-A3B: 71,9 GB. Qwen3.8-27B: 55,6 GB.

• Também publicado — o Qwen3.6-35B-A3B tem um checkpoint FP8 no repositório do próprio fornecedor e uma mistura MXFP4 de 21,71 GB nas compilações da comunidade; o Qwen3.8-27B também tem um checkpoint FP8 no repositório do fornecedor.

Leia as duas colunas em confronto e a regra salta à vista. Em cada rótulo correspondente, a mistura é entre quatro e oito gigabytes mais pesada para a mesma compressão nominal, porque o arquivo precisa conter todos os 35B e só usa 3B dele por vez. Concretamente: uma placa de 24 GB aceita o Qwen3.8-27B em Q4_K_M com espaço para contexto e aceita o Qwen3.6-35B-A3B em Q3 ou IQ4 com o cache KV disputando espaço, e uma sessão confortável de contexto longo na mistura pede mais perto de 48 GB. Adicione o arquivo próprio da torre de visão se quiser entrada de imagem em qualquer um dos dois.

Onde os benchmarks estão, o que não é onde você gostaria que estivessem

Ninguém publicou uma comparação direta desses dois modelos com configurações equivalentes num harness nomeado. Não temos conhecimento de nenhuma, e esta página não vai sugerir uma classificação que as evidências não sustentam.

O que existe é uma sobreposição parcial em nomes de benchmark entre os dois cartões de fornecedor, e vale a pena mostrar precisamente porque é tão fácil superinterpretar. Nos nomes que aparecem em ambos os cartões, o valor do Qwen3.8-27B é o mais alto todas as vezes. SWE-bench Pro: 49,5 para o 35B A3B contra 61,7 para o 27B. LiveCodeBench v6: 80,4 contra 90,3. HLE: 21,4 contra 30,8. Perguntas de raciocínio do CharXiv: 78,0 contra 83,7. OmniDocBench 1.5: 89,9 contra 91,1. RealWorldQA: 85,3 contra 85,9. E no Terminal-Bench os cartões nem sequer são comparáveis da forma que a linha sugere: o cartão do 35B A3B reporta Terminal-Bench 2.0 a 51,5, enquanto o cartão do 27B reporta Terminal Bench 2.1 (Terminus) a 73,0 — versões diferentes do benchmark, então esse par em particular não deveria ser subtraído um do outro de forma alguma.

Três ressalvas recaem sobre tudo isso. Os números vêm de dois model cards diferentes publicados com cerca de quatro meses de intervalo, pelo mesmo laboratório, sem auditoria. Vários benchmarks que cada modelo relata aparecem apenas em seu próprio card e não têm equivalente — SWE-bench Verified 73,4 e MMLU-Pro 85,2 no lado do 35B A3B; OSWorld-Verified 84,3 e QwenSWEBench 79,0 no lado do 27B —, por isso não podem ser colocados lado a lado. E um modelo mais novo na mesma linha pontuar mais alto que um mais antigo é o resultado esperado, não uma descoberta: isso indica que a geração mudou, e nada sobre se o modelo mais antigo é mais adequado para os tokens que você está prestes a enviar.

Se você precisa que a comparação seja decisiva, o caminho honesto é rodar ambos no seu próprio tráfego. Eles estão em uma única chave, em um único endpoint, e o failover torna um teste dividido barato.

Qual deles você deve escolher

Escolha Qwen3.6-35B-A3B se a sua máquina conseguir comportar 35B de pesos e a sua carga de trabalho for mais pesada em geração do que em raciocínio de uma única vez. Os casos em que ele é a resposta certa:

• Você tem a memória — 48 GB ou mais para uso local confortável com contexto longo, ou uma placa de 24 GB com uma quantização de classe 3 bits, se você puder conviver com uma janela mais curta — e quer a arquitetura que gasta o mínimo de computação por token.

• Seu tráfego é de alta concorrência ou de geração longa, em que o custo por token domina a conta e a decodificação esparsa do mixture está estruturalmente ao seu favor.

• Você quer um artefato Apache-2.0 que recebe texto, imagens e vídeo e retorna texto, e quer o menor download do par apenas se estiver hospedando-o em vez de baixá-lo, em que o preço por token é menor tanto na entrada quanto na saída.

• Você está deliberadamente na escala de 3B ativos — aceita estar uma geração atrás nas próprias tabelas do fornecedor em troca de pagar menos por token e de fazer isso por trás de uma interface familiar de chamada de ferramentas.

Escolha o Qwen3.8-27B se a memória for a restrição limitante, ou se você quiser a geração mais recente deste par. Os casos em que ele é a resposta certa:

• Uma única placa de 24 GB e nenhum plano de comprar mais. Em Q4_K_M, são 16,5 GB, o que deixa espaço real para contexto; a mistura não.

• Você quer os números mais fortes de desempenho agêntico e de codificação relatados pelo fornecedor neste pareamento, e sabe que eles vêm de uma ficha não auditada e não são uma comparação pareada.

• Sua carga de trabalho consiste em relativamente poucas solicitações, mas relativamente grandes — compreensão de documentos e capturas de tela, raciocínio em nível de repositório, automação no estilo de uso de computador —, em que a produtividade por solicitação importa menos do que o acerto de cada solicitação.

• Você quer o download menor, a inicialização a frio mais rápida e a lista de shards mais curta para gerenciar.

Nada disso faz de nenhum deles um vencedor. Os dois modelos não estão disputando o mesmo espaço na sua máquina, e os números acima não estabelecem qual deles é melhor em nada — eles estabelecem qual deles está pedindo menos da máquina que você já tem.

O fato que na maioria das vezes resolve isso é este: o arquivo em disco é dimensionado pelo total de parâmetros, e o trabalho por token é dimensionado pelos ativos. Então Qwen3.6-35B-A3B pode ser o modelo que roda mais rápido e ainda assim ser o que não cabe, e Qwen3.8-27B pode ser o que tem a conta por token maior e ainda assim ser o que consegue rodar. Decida qual desses dois problemas você realmente tem, e a escolha deixa de ser uma comparação.