Qwen3.6 35B-A3B — с открытыми весами MoE мультимодальная (текст/изображение/видео), 35B всего / 3B активных параметров, 256k контекст.
Qwen3.6 35B A3B — это большая языковая модель на основе смеси экспертов (MoE) из семейства Qwen. Она содержит 35 миллиардов общих параметров, но во время каждого прямого прохода активируется только…
Qwen3.6 35B A3B превосходно справляется с задачами, которые выигрывают от длинных контекстных окон и мультимодального понимания. К ним относятся ответы на вопросы на уровне документов, обобщение длинных отчётов, генерация кода с расширенным контекстом и сложные многошаговые рассуждения. Контекст модели на 262 144 токена позволяет ей обрабатывать целые книги, обширные кодовые базы или часы транскрибированного видео. Её сильные стороны на τ²-Bench (95.3) указывают на высокую производительность в задачах, требующих извлечения и использования информации из длинных входных данных, а также вызова внешних инструментов и точного следования инструкциям на протяжении многих шагов. Мультимодальные входные данные — изображения и видео — добавляют возможность анализировать визуальный контент вместе с текстом в одном запросе.
Модель поддерживает ввод в виде текста, изображений и видеофайлов. При отправке запроса через API OrcaRouter вы можете включить данные изображения (например, в формате base64 или URL) и видеофайлы в сообщение пользователя, следуя тому же мультимодальному формату, который используется другими провайдерами. Модель обрабатывает эти визуальные элементы совместно с текстовым промптом, что позволяет ей анализировать диаграммы, схемы, фотографии или видеоклипы. Например, вы можете попросить её описать сцену из видео, извлечь данные из изображения или объединить текстовые инструкции с визуальным контекстом. Вывод всегда текстовый. Отдельной тарификации для мультимодальных входных данных нет — они оплачиваются по той же ставке за токен на входе.
Контекстное окно в 262 144 токена позволяет модели обрабатывать очень длинные последовательности без усечения. Однако обработка длинного контекста может увеличить задержку и использование памяти. Архитектура MoE помогает снизить затраты, так как на каждый токен активны только 3B параметров, но полный механизм внимания по-прежнему масштабируется с длиной последовательности. На задачах, где релевантная информация разбросана по длинному входу, высокий балл Qwen3.6 35B A3B в τ²-Bench указывает на то, что он может эффективно извлекать и рассуждать. Для очень длинных документов рассмотрите стратегии чанкования или используйте собственные возможности модели по суммаризации. Для задач с коротким контекстом более дешевая плотная модель может быть более экономичной.
Если ваш сценарий использования включает короткие промпты (менее 4K токенов), простые задачи, такие как классификация или извлечение, или не требует мультимодального ввода, более маленькая плотная модель — например, вариант с 7B параметров — может обеспечить меньшую задержку и стоимость. Цена за токен Qwen3.6 35B A3B ($0.25/$1.48 за миллион токенов) умеренная, но для высокообъемных низкосложных нагрузок модель с еще меньшим количеством активных параметров (например, 1B или 3B плотная) может быть более экономически эффективной. Кроме того, если вам не нужны длинный контекст или мультимодальные возможности, вы платите за то, что можете не использовать. Оцените среднюю длину ваших промптов и выходных данных относительно сильных сторон модели, чтобы принять решение.
τ²-Bench — это эталонный тест, оценивающий способность модели выполнять долгосрочные рассуждения и многошаговое использование инструментов. Он включает обработку большого корпуса (например, базы данных документов или кодовой базы) и последующие ответы на вопросы, требующие извлечения и синтеза информации из этого корпуса. Оценка 95.3 указывает на то, что модель успешно справилась с этими задачами с высокой точностью, превзойдя многие другие модели в этом конкретном тесте. Это говорит о сильных способностях к поиску, рассуждению и следованию инструкциям в расширенных контекстах. Однако результаты эталонных тестов следует интерпретировать как одну из мер производительности; реальные результаты могут варьироваться в зависимости от специфики задачи.
Задержка для Qwen3.6 35B A3B определяется его архитектурой MoE: только 3B параметров активны на каждый токен, что обычно позволяет проводить вывод быстрее, чем в плотной модели 35B. Однако механизм внимания по-прежнему требует обработки всего окна контекста, поэтому более длинные входные данные увеличивают время до первого токена. OrcaRouter не публикует конкретные бенчмарки задержки для этой модели. На практике время ответа зависит от нагрузки запросов, длины промпта и количества выходных токенов. Для приложений реального времени тестируйте с типичными входными данными. Для пакетной обработки экономическая эффективность модели может компенсировать более длительные задержки. Пользователям следует учитывать как скорость, так и стоимость при сравнении с плотными моделями.
Основной результат бенчмарка — оценка τ²-Bench 95,3, что указывает на высокие способности к рассуждению в длинном контексте и использованию инструментов. Это ключевая сильная сторона. Мультимодальность модели также обеспечивает ей хорошие позиции для задач, объединяющих визуальные и текстовые данные, хотя отдельные оценки бенчмарка для визуальных задач здесь не представлены. Исходя из архитектуры, можно ожидать, что модель будет хорошо работать на задачах, выигрывающих от большого количества параметров, но не требующих полной активации всех параметров. Конструкция MoE может привести к несколько меньшей согласованности по сравнению с плотными моделями на некоторых узких задачах, но она предлагает выгодный компромисс между производительностью и стоимостью.
Хотя показатель τ²-Bench высок, это единый бенчмарк; результаты на других бенчмарках (например, MMLU, MATH, соревнования по программированию) не предоставлены. Плотные аналоги модели (например, полная плотная модель на 35B) могут превзойти её в задачах, требующих одновременного задействования всех параметров, таких как определённые математические рассуждения или многоязычные задачи. Также поддерживается мультимодальный ввод, но качество понимания видео может зависеть от выборки кадров и сжатия. Задержка публично не измерялась. Пользователям не следует предполагать, что модель является лучшим выбором для любого сценария; всегда оценивайте её применительно к вашему конкретному случаю использования и рассмотрите возможность проведения собственных тестов.
Цены указаны за токен, оплата производится отдельно за вход и выход. Стоимость составляет $0.25 за 1 миллион входных токенов и $1.48 за 1 миллион выходных токенов. Это тарифы провайдера, и OrcaRouter не применяет наценку. Входные токены включают все токены в промпте, включая токенизацию текста, изображений и видео. Выходные токены — это все токены, сгенерированные в ответе. Нет дополнительных сборов за использование API, ежемесячных подписок и минимальных требований к использованию. Выставление счетов осуществляется OrcaRouter на основе использования токенов. Поскольку на каждый токен активны только 3B параметров, вычислительные затраты для провайдера ниже, чем для плотной модели 35B, и эта экономия отражается в ценообразовании.
Входная цена ($0.25/1M токенов) относительно низкая, тогда как выходная цена ($1.48/1M) выше, отражая стоимость генерации. Если ваше приложение генерирует большое количество токенов (например, длинные резюме, генерация кода), стоимость вывода будет доминировать. В таких случаях рассмотрите возможность уменьшения длины вывода с помощью инструкций или использования более дешевой модели для генерации, если позволяет качество. И наоборот, если у вас очень длинные промпты, но короткие выводы, стоимость входа выгодна. Архитектура MoE означает, что стоимость вывода на токен ниже, чем у плотной модели с аналогичным общим количеством параметров, но ценообразование здесь установлено по тарифу провайдера; вы платите за эффективность.
OrcaRouter не раскрывает публично, доступно ли кэширование промптов для этой модели. Если бы кэширование было реализовано, оно могло бы снизить затраты за счет исключения повторного кодирования одинаковых префиксов промптов. Однако для данной модели такая возможность не упоминается. Пользователям следует исходить из того, что каждый запрос тарифицируется по стандартным ставкам за токен. Для повторяющихся промптов рекомендуется группировать запросы или использовать более короткие префиксы, чтобы минимизировать использование входных токенов. Вы также можете отслеживать количество токенов через поле usage в ответе API для оптимизации затрат. Для использования на уровне предприятия свяжитесь с OrcaRouter, чтобы обсудить возможные индивидуальные условия или поддержку кэширования.
Нулевая наценка означает, что OrcaRouter взимает с вас ровно ту же цену за токен, которую устанавливает поставщик модели (Qwen). Никаких дополнительных комиссий платформы, накладных расходов или маржи прибыли не добавляется. Цены $0.25/1M для вводных токенов и $1.48/1M для выходных токенов — это собственные тарифы поставщика. Это прозрачность ценообразования: вы платите только за базовую стоимость инференса. OrcaRouter по-прежнему управляет API-инфраструктурой, маршрутизацией и выставлением счетов, но не взимает дополнительную плату за эту услугу. Это может сделать Qwen3.6 35B A3B более экономичным по сравнению с некоторыми другими платформами, которые могут добавлять наценку. Однако вам всё равно может потребоваться сравнить общие затраты, включая любые скидки за объем или кредиты, предлагаемые OrcaRouter отдельно.
Используйте совместимый с OpenAI endpoint чат-завершений по адресу https://api.orcarouter.ai/v1. Установите параметр model в значение "qwen/qwen3.6-35b-a3b". Формируйте сообщения так же, как в API OpenAI, при необходимости включая системное сообщение и сообщения пользователя. Для мультимодального ввода используйте массив частей контента с типами "text" и "image_url" (или "video_url"). Пример (псевдокод): 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"}}]}]}'. Ответ соответствует формату OpenAI: choices, usage и т.д.
Поддерживаются стандартные параметры OpenAI: temperature (от 0 до 2, по умолчанию 1), top_p (от 0 до 1, по умолчанию 1), max_tokens (до 65536), стоп-последовательности, frequency_penalty, presence_penalty и stream. Для мультимодальных запросов можно передавать изображения в виде base64 data URL или публичных URL. Видеовходы могут требовать специального кодирования — проверьте документацию OrcaRouter. Дополнительные параметры, такие как seed для воспроизводимости, могут поддерживаться, но не гарантируются. Модель изначально не поддерживает вызов функций или инструменты; однако вы можете имитировать вызовы инструментов, указав модели в системном запросе. Для параллельного вызова инструментов вам потребуется управлять циклом внешне. Потоковая передача (streaming) рекомендуется для приложений реального времени, чтобы уменьшить воспринимаемую задержку.
Если вы привыкли к API, совместимому с OpenAI, для миграции потребуется изменить только базовый URL и идентификатор модели. Замените ваш существующий endpoint на https://api.orcarouter.ai/v1 и установите модель "qwen/qwen3.6-35b-a3b". Для аутентификации используется ключ API, предоставленный OrcaRouter (указывается в заголовке Authorization как Bearer). Лимиты запросов и биллинг управляются OrcaRouter. Для мультимодальной миграции убедитесь, что форматирование ваших изображений/видео соответствует ожидаемой схеме (совместимой с OpenAI). Формат ответа идентичен ответам чат-завершений OpenAI, поэтому ваш существующий код парсинга должен работать с минимальными изменениями. Протестируйте с помощью одного запроса, чтобы убедиться, что подсчет токенов и задержка приемлемы.
Да, модель поддерживает потоковую передачу через совместимый с OpenAI протокол событий, отправляемых сервером (SSE). Установите `"stream": true` в вашем запросе. Поток будет отправлять дельта-токены по мере их генерации, точно так же, как в потоковой передаче OpenAI, включая информацию `finish_reason` и `usage` в последнем событии. Потоковая передача полезна для интерактивных приложений, где вы хотите отображать вывод постепенно. Обратите внимание: потоковая передача не уменьшает общую стоимость токенов; вы оплачиваете полный вывод. Архитектура MoE может генерировать токены с постоянной скоростью, но фактическая пропускная способность зависит от нагрузки сети и сервера. Протестируйте вашу интеграцию, чтобы убедиться в правильной обработке событий потока.
По сравнению с Mixtral 8x7B (популярная MoE-модель с 47B всего и 12,9B активных параметров), Qwen3.6 35B A3B имеет меньше общих параметров, но также и меньше активных (3B против 12,9B). Это делает её потенциально более экономичной на токен. Контекстное окно в 262K токенов значительно больше, чем у Mixtral по умолчанию 32K (хотя Mixtral можно расширить). Qwen3.6 A3B также поддерживает ввод изображений и видео, чего нет в Mixtral изначально. По бенчмаркам Mixtral набирает около 65–70 на τ²-Bench? Не указано; но показатель Qwen в 95,3 очень высок для этого конкретного бенчмарка. Для задач с коротким контекстом и чистым текстом Mixtral может работать сопоставимо или лучше в некоторых задачах на рассуждение благодаря большему числу активных параметров. Для длинного контекста и мультимодальных задач Qwen3.6 A3B имеет явное преимущество.
Плотная модель с 35 миллиардами параметров потребовала бы примерно в 12 раз больше вычислительных ресурсов на токен, чем 3 миллиарда активных параметров в этой MoE-модели. Таким образом, Qwen3.6 A3B обеспечивает преимущество в скорости и стоимости во время инференса, потенциально за счет некоторой непоследовательности, поскольку маршрутизация экспертов не всегда может активировать наиболее релевантных экспертов для каждого входного запроса. Плотные модели часто обеспечивают более предсказуемое качество для разнообразных задач. Однако оценка τ²-Bench показывает, что эта MoE-модель может конкурировать с плотными моделями в рассуждениях на длинном контексте. Если у вас высоконагруженная производственная нагрузка, где критичны задержка и стоимость, подход MoE является выгодным. Для исследований, требующих детерминированного поведения, плотная модель может быть предпочтительнее.
Выберите Qwen3.6 35B A3B, когда ваше приложение требует: (1) обработку очень длинных документов (до 262K токенов) за один проход, (2) мультимодальное понимание, включающее изображения и видео, (3) высокую производительность на задачах, связанных с поиском и рассуждением в больших контекстах (измеряемую с помощью τ²-Bench), и (4) экономическую эффективность за счёт архитектуры MoE с малым количеством активных параметров. Если ваши задачи короткие, текстовые и не требуют длинного контекста, может подойти более дешёвая модель, например плотная модель на 7B. Для задач, требующих максимально возможного качества по узким бенчмаркам (например, задачи математических олимпиад), более крупная плотная модель (скажем, 70B) может показать лучший результат.
Альтернативы включают плотные модели Qwen2.5 32B или 72B, если вам требуется более стабильное качество по всем задачам. Для мультимодальных задач GPT-4o или Claude 3.5 Sonnet предлагают более широкое визуальное понимание, но по более высокой цене. Для очень высокой пропускной способности более компактная модель MoE, такая как Qwen2.5 14B A2B, может быть дешевле. Если вам требуется вызов функций или использование инструментов со структурированным выводом, рассмотрите модели с встроенной поддержкой вызова функций (например, GPT-4 или Claude). Выбор в конечном итоге зависит от вашего конкретного сочетания длины контекста, модальности, допустимой задержки и бюджета. Всегда проводите собственное тестирование на репрезентативных примерах.
Совместимо с OpenAI — оставьте свой 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| Ввод / 1M токенов | $0.248 |
| Вывод / 1M токенов | $1.485 |
| Валюта | USD |
Оценка по прайс-листу
Только оценка — фактическое число токенов зависит от токенизатора провайдера.
GET /api/public/models/qwen/qwen3.6-35b-a3bОткрыть @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