Qwen3.6 35B-A3B

qwen3.6-35b-a3b

Qwen3.6 35B A3B は、参照元で強調されている特徴として 35B 総 / about 3B 有効 MoE, long コンテキスト extendable toward 1M tokens を持ちます。主な価値は効率的な導入, コーディングベンチマーク and 長文脈推論にあります。そのため、汎用チャットモデルとしてではなく、このモデル固有の強みを中心に説明するのが自然です。

Context Window

262.1K tokens

Maximum Output

65.5K tokens

Release Date

2026年4月17日

Modalities

Qwen3.6 35B-A3B の料金

入力価格	出力価格
$0.2571/M	$1.5429/M

Qwen3.6 35B-A3B の API 機能

Reasoning

Supported

Tool calling

Supported

Temperature parameter

Supported

Attachments

Supported

Knowledge Base

—

Endpoint Protocols

Completions APIMessages APIgemini

Qwen3.6-35B-A3Bのモデル特長

Qwen3.6-35B-A3Bは、オープンウェイトの疎なMoEアーキテクチャ、ネイティブな視覚言語処理、強化されたエージェント型コーディングを備えます。

疎なMoEの効率性

線形アテンションと疎な専門家混合を組み合わせ、約350億パラメータのうち約30億を有効化して推論効率を高めます。

ネイティブマルチモーダル

ネイティブな視覚言語設計により、テキスト、画像、動画を入力し、視覚内容に基づくテキストを生成します。

オープンウェイトのエージェント型開発

ポストトレーニング済みのオープンウェイトモデルとして、独自に展開でき、フロントエンド作業とリポジトリ規模の推論を強化します。

Qwen3.6-35B-A3Bのユースケース

Qwen3.6-35B-A3Bは、独自環境に展開するコーディングエージェント、リポジトリ分析、画像や動画を対象とした視覚推論に適しています。

セルフホスト型コーディングエージェント

管理下の環境にオープンウェイトを展開し、反復的なエージェント処理でコードの生成、修正、デバッグを行います。

リポジトリコード分析

リポジトリ内のファイル間関係を追跡し、実装構造を説明して連携した変更計画を作成します。

視覚メディア分析

画像や動画から物体を特定し、空間的な関係を解釈して構造化されたテキスト説明を返します。

TokenHub API で Qwen3.6 35B-A3B を使用する方法

Create API key

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)

Qwen3.6 35B-A3B のベンチマーク

指数スコア
Artificial Analysis Intelligence IndexArtificial Analysis Intelligence Indexは、複数の評価分野にわたるモデルの総合能力を集約した指標です。	総合能力の集約評価	33
Artificial Analysis Coding IndexArtificial Analysis Coding Indexは、コーディングとソフトウェア開発タスクにおけるモデルの性能を集約した指標です。	コーディング能力の集約評価	35.2
知識と推論
GPQAGPQAは、大学院レベルの科学問題を通じて専門的な推論能力を評価するベンチマークです。	高度な科学問題の解決	84.1%
HLEHLEは、多様な分野における専門家レベルの知識と推論力を測る高難度の総合ベンチマークです。	幅広い分野の専門家レベル試験	20.2%
コーディングとソフトウェア開発
SciCodeSciCodeは、科学的な背景に基づくアルゴリズム実装を含め、科学計算におけるPythonプログラミング能力を評価します。	科学計算のコーディング課題	35.8%
Terminal-Bench HardTerminal-Bench Hardは、AIエージェントがターミナル環境で難しいタスクを完遂できるかを評価します。	高難度のターミナル操作	34.8%
指示追従とエージェントタスク
IFBenchIFBenchは、モデルが詳細な指示や制約にどれだけ確実に従えるかを測定します。	プロンプト制約への準拠	64.4%
AA-LCRAA-LCRは、長いコンテキストウィンドウ全体での推論品質を測定します。	長いコンテキストでの推論	63.7%
τ²-Benchτ²-Benchは、ツールや状態に制約のある現実的なワークフローで、対話型エージェントの能力を評価します。	エージェントのワークフロータスク	95.3%

指標の出典 Artificial Analysis

Qwen 3.6 35B A3B よくある質問

Qwen 3.6 35B A3B の能力、用途、制約、TokenHub利用ガイド。

Qwen 3.6 35B A3B の重点は？+

Qwen 3.6 35B A3B は Alibaba Qwen のオープンモデルのマルチモーダル推論と効率的な導入向けモデルです。

Qwen 3.6 35B A3B に合うプロジェクトは？+

セルフホスト運用、画像・動画理解、日常的なコーディング支援に向き、特に導入時の制御性重視の場面に適します。

Qwen 3.6 35B A3B の特別な点は？+

主な強みはアクティブパラメータを抑えたオープンMoE、および熟考と直接応答を切り替えられるハイブリッド思考です。

別モデルが向くのはいつ？+

オープン運用ではインフラ、配信、評価を自前で担う必要があります。本番での安定性が重要重視なら Qwen 3.6 Plus を検討してください。

識別子の間違いを防ぐには？+

TokenHubの正確なIDを使い、ホスト版と自前運用の差を確認してください。

Qwen3.6 35B-A3B を使い始めますか？

1つの API キーで Qwen3.6 35B-A3B とその他の AI モデルにアクセスできます。

API キーを作成

Qwen3.6 35B-A3B

Qwen3.6 35B-A3B の料金

Qwen3.6 35B-A3B の API 機能

Qwen3.6-35B-A3Bのモデル特長

疎なMoEの効率性

ネイティブマルチモーダル

オープンウェイトのエージェント型開発

Qwen3.6-35B-A3Bのユースケース

セルフホスト型コーディングエージェント

リポジトリコード分析

視覚メディア分析

TokenHub API で Qwen3.6 35B-A3B を使用する方法

Qwen3.6 35B-A3B のベンチマーク

Qwen3.6 35B-A3B に類似するモデル

メディアと議論

X (Twitter)

Reddit

YouTube

Qwen 3.6 35B A3B よくある質問

Qwen3.6 35B-A3B を使い始めますか？