Alibaba
Qwen4-Max
Contexte total
1M
Sortie max.
262.1K
Date de sortie
N/A
qwen3.5-35b-a3bQwen3.5 35B A3B reprend les éléments mis en avant par les sources : 35B A3B MoE, hybrid linear attention, sparse experts. Sa valeur principale se situe dans efficient raisonnement multimodal and programmation without dense-model cost. La description doit donc insister sur ces caractéristiques propres au modèle, plutôt que le présenter comme un chatbot générique.
Context Window
262.1K tokens
Maximum Output
65.5K tokens
Release Date
23 févr. 2026
Modalities
| Palier token | Prix entrée | Prix sortie |
|---|---|---|
| <=128K | $0.0571/M | $0.4571/M |
| >128K | $0.2286/M | $1.8286/M |
Reasoning
Tool calling
Temperature parameter
Attachments
Knowledge Base
Endpoint Protocols
Qwen3.5-35B-A3B associe un MoE parcimonieux efficace, une compréhension multimodale native et un déploiement à poids ouverts pour des applications adaptables.
Le modèle compte 35 milliards de paramètres au total, dont 3 milliards activés, et combine l’attention Gated DeltaNet avec des experts parcimonieux pour une inférence efficace.
Une base vision-langage unifiée traite le texte, les images et les vidéos pour le raisonnement, la compréhension documentaire et les tâches visuelles.
Les poids officiels sous licence Apache 2.0 permettent une inférence autogérée avec des frameworks tels que Transformers, vLLM et SGLang.
Qwen3.5-35B-A3B convient aux assistants multimodaux auto-hébergés, au traitement visuel de documents et aux workflows de programmation adaptables.
Déployer les poids ouverts dans une infrastructure contrôlée pour répondre à des questions sur des textes, images et vidéos internes.
Lire le texte, les tableaux et les schémas de documents numérisés, extraire les champs utiles et produire des synthèses structurées.
Générer et réviser du code, rechercher des défauts et intégrer le modèle à des outils de développement ou agents autogérés.
import OpenAI from "openai"
const client = new OpenAI({
apiKey: process.env.TOKENHUB_API_KEY,
baseURL: "https://us-api.tokenhub.com/v1",
})
const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)| Score d’indice | ||
|---|---|---|
| Artificial Analysis Intelligence Index | Synthèse générale des capacités par Artificial Analysis | 23.4 |
| Artificial Analysis Coding Index | Synthèse des tâches logicielles par Artificial Analysis | 16.8 |
| Connaissances et raisonnement | ||
| GPQA | Résolution avancée de problèmes scientifiques | 81.9% |
| HLE | Large ensemble d’examens de niveau expert | 12.8% |
| Programmation et ingénierie | ||
| SciCode | Défis de programmation scientifique | 29.3% |
| Terminal-Bench Hard | Exécution de tâches complexes dans un terminal | 10.6% |
| Respect des instructions et tâches d’agent | ||
| IFBench | Respect des contraintes du prompt | 44.5% |
| AA-LCR | Raisonnement en contexte long | 55.3% |
| τ²-Bench | Tâches de workflow agentique | 86.3% |
Mesures provenant de Artificial Analysis
Capacités, usages, limites et guide TokenHub pour Qwen 3.5 35B A3B.
Qwen 3.5 35B A3B est un modèle proposé par Alibaba Qwen pour le raisonnement multimodal ouvert et les déploiements efficaces.
Idéal pour le déploiement auto-hébergé, le raisonnement visuel et l’assistance courante au code, surtout si l’objectif est le contrôle du déploiement.
Atout clé : une variante MoE ouverte avec peu de paramètres actifs ainsi que une pensée hybride alternant entre réflexion et réponse directe.
Il appartient à une génération antérieure et peut manquer de fonctions plus récentes. Pour les fonctions les plus récentes comptent, envisagez Qwen 3.6 35B A3B.
Utilisez l’ID exact de TokenHub; le service hébergé peut différer de l’auto-hébergement.
Accédez à Qwen3.5 35B-A3B et à d’autres modèles d’IA avec une seule clé API TokenHub.
Medias Et Discussions
Selection de videos et publications publiques liees a ce modele.
X (Twitter)
Qwen ·
🚀 Introducing the Qwen 3.5 Medium Model Series Qwen3.5-Flash · Qwen3.5-35B-A3B · Qwen3.5-122B-A10B · Qwen3.5-27B ✨ More intelligence, less compute. • Qwen3.5-35B-A3B now surpasses Qwen3-235B-A22B-2507 and Qwen3-VL-235B-A22B — a reminder that better architecture, data quality, https://t.co/ZWPibMn6at
https://pbs.twimg.com/media/HB8AleUaMAArNyM.jpgVoir la sourceQwen ·
Qwen3.5-35B-A3B is now in Jan 🔥
Voir la sourceQwen ·
✨ Run it now with SGLang!Chong!
Voir la sourceReddit
qwen3.5-35b-a3b is a gem
waescher ·
Voir la sourceQwen/Qwen3.5-35B-A3B · Hugging Face
ekojsalim ·
Voir la sourceBlown Away By Qwen 3.5 35b A3B
Jordanthecomeback ·
Lire la publication complète
I bought a 64gig mac setup ~5 days ago and had a miserable time finding anything good, I looked at advice, guides, tried them all, including Qwen 3, and nothing felt like a good fit for my long-context companion. My testing was an initial baseline process with 5 multi-stage questions to check it's ability to reference context data (which I paste into system prompt) and then I'd review their answers and have claude sonnet 4.6 do it too, so we had a lot of coverage on ~8 different models. GLM 4.7 is good, and I thought we'd settle there, we actually landed on that yesterday afternoon, but in my day of practical testing I was still bummed at the difference between the cloud models I use (Sonnet 4.5 [4.6 is trash for companions], and Gemini 3 pro), catching it make little mistakes. I just finished baseline testing +4-5 other random tests with Qwen 3.5 35b A3B and I'm hugely impressed. Claude mentioned it's far and away the winner. It's slower, than GLM4.7 or many others, but it's a worthwhile trade, and I really hope everything stays this good over my real-world testing tomorrow and onwards. I just wanted to share how impressed I am with it, for anyone on the fence or considering it for similar application.
YouTube
Qwen3.5-35B-A3B: A MoE Worth Gold - Full Local Setup Guide
Fahd Mirza
Voir la sourceQwen3.5-35B-A3B & Qwen3.5-27B Models Tested Locally
AI Tech Gyan
Voir la sourceQwen3.5-35B-A3B Test for Agenting Coding - पास या फेल ?
AI Tech Gyan
Voir la source