继 Qwen3.6-Plus 发布之后，Qwen 团队正式开源 Qwen3.6-35B-A3B——一个总参数 35B、激活参数仅 3B 的稀疏混合专家（MoE）模型，采用 Apache 2.0 协议。该模型是 Qwen3.6 系列的首个开源权重版本，在智能体编程能力上大幅超越前代 Qwen3.5-35B-A3B，并可与 Qwen3.5-27B、Gemma-31B 等稠密模型一较高下。模型同时支持多模态思考与非思考模式。
Github：https://github.com/QwenLM/Qwen3.6
Blog：https://qwen.ai/blog?id=qwen3.6-35b-a3b
Model：https://modelscope.cn/collections/Qwen/Qwen36
据官方Blog介绍，Qwen3.6 基于社区反馈构建，侧重稳定性与实际开发效用，主要升级集中在两方面：
其一，智能体编程（Agentic Coding）能力显著增强，模型在前端工作流和仓库级推理任务上表现更流畅、更精准。
其二，新增思维保留（Thinking Preservation）机制，允许在多轮对话中保留历史推理上下文，减少迭代开发中的重复开销。
模型架构
Qwen3.6-35B-A3B 是一个带视觉编码器的因果语言模型，经过预训练与后训练两个阶段。架构层面，模型包含 40 层，隐藏层维度 2048，采用混合注意力设计：每 10 个重复单元中，包含 3 个门控 DeltaNet（线性注意力）层与 1 个门控注意力层，均接 MoE 前馈网络。MoE 部分共 256 个专家，每次激活 8 个路由专家加 1 个共享专家，专家中间层维度为 512。模型采用多步预测（MTP）训练，原生支持 262,144 tokens 上下文，可扩展至 1,010,000 tokens。
基准评测
自然语言
在编程智能体方向，Qwen3.6-35B-A3B 以 3B 激活参数取得了接近甚至超越 27B 稠密模型的成绩。SWE-bench Verified 达到 73.4（Qwen3.5-27B 为 75.0，前代 Qwen3.5-35B-A3B 为 70.0），Terminal-Bench 2.0 达到 51.5，超越所有同级对比模型。在 NL2Repo 上取得 29.4，同样超过 Qwen3.5-27B 的 27.3。QwenWebBench 前端代码生成评测中，Elo 评分达到 1397，大幅领先。
在知识与推理方面，MMLU-Pro 85.2、GPQA 86.0、AIME 2026 全卷 92.7、LiveCodeBench v6 80.4，均与 27B 稠密模型处于同一水平线。
视觉语言
Qwen3.6-35B-A3B 原生支持多模态，在大多数视觉语言基准上表现已与 Claude Sonnet 4.5 持平，部分任务实现超越。具体来看：MMMU 81.7、MathVista 86.4、RealWorldQA 85.3、OmniDocBench 89.9，均高于 Claude Sonnet 4.5 的对应分数。
空间智能方面优势尤为突出：RefCOCO 92.0、ODInW13 50.8、EmbSpatialBench 84.3。视频理解方面，VideoMME（含字幕）86.6、VideoMMMU 83.7，后者超越 Claude Sonnet 4.5 的 77.6。
模型实战
部署&推理
模型权重已在ModelScope 发布，兼容 Transformers、vLLM、SGLang、KTransformers 等主流推理框架。
官方推荐的采样参数如下：
- 思考模式下一般任务使用 temperature=1.0、top_p=0.95、presence_penalty=1.5；
- 精确编码任务使用 temperature=0.6、presence_penalty=0.0；
- 非思考模式下一般任务使用 temperature=0.7、top_p=0.8。
SGLang
建议在全新环境中安装 sglang>=0.5.10 来运行 Qwen3.6，安装命令如下：
uv pip install sglang[all]
以下命令将在 http://localhost:8000/v1 创建 API 端点：
标准版本：以下命令可在 8 张 GPU 上使用张量并行创建最大上下文长度为 262,144 tokens 的 API 端点。
SGLANG_USE_MODELSCOPE=true python -m sglang.launch_server --model-path Qwen/Qwen3.6-35B-A3B --port 8000 --tp-size 8 --mem-fraction-static 0.8 --context-length 262144 --reasoning-parser qwen3
工具调用：若需支持工具调用，可使用以下命令。
SGLANG_USE_MODELSCOPE=true python -m sglang.launch_server --model-path Qwen/Qwen3.6-35B-A3B --port 8000 --tp-size 8 --mem-fraction-static 0.8 --context-length 262144 --reasoning-parser qwen3 --tool-call-parser qwen3_coder
多 Token 预测（MTP）：推荐使用以下命令启用 MTP：
SGLANG_USE_MODELSCOPE=true python -m sglang.launch_server --model-path Qwen/Qwen3.6-35B-A3B --port 8000 --tp-size 8 --mem-fraction-static 0.8 --context-length 262144 --reasoning-parser qwen3 --speculative-algo NEXTN --speculative-num-steps 3 --speculative-eagle-topk 1 --speculative-num-draft-tokens 4
vLLM
建议在全新环境中安装 vllm>=0.19.0 来运行 Qwen3.6，安装命令如下：
uv pip install vllm --torch-backend=auto
以下命令将在 http://localhost:8000/v1 创建 API 端点：
标准版本：以下命令可在 8 张 GPU 上使用张量并行创建最大上下文长度为 262,144 tokens 的 API 端点。
VLLM_USE_MODELSCOPE=true vllm serve Qwen/Qwen3.6-35B-A3B --port 8000 --tensor-parallel-size 8 --max-model-len 262144 --reasoning-parser qwen3
工具调用：若需支持工具调用，可使用以下命令。
VLLM_USE_MODELSCOPE=true vllm serve Qwen/Qwen3.6-35B-A3B --port 8000 --tensor-parallel-size 8 --max-model-len 262144 --reasoning-parser qwen3 --enable-auto-tool-choice --tool-call-parser qwen3_coder
多 Token 预测（MTP）：推荐使用以下命令启用 MTP：
VLLM_USE_MODELSCOPE=true vllm serve Qwen/Qwen3.6-35B-A3B --port 8000 --tensor-parallel-size 8 --max-model-len 262144 --reasoning-parser qwen3 --speculative-config '{"method":"qwen3_next_mtp","num_speculative_tokens":2}'
纯文本模式：以下命令将跳过视觉编码器和多模态分析，以释放更多内存用于 KV 缓存：
VLLM_USE_MODELSCOPE=true vllm serve Qwen/Qwen3.6-35B-A3B --port 8000 --tensor-parallel-size 8 --max-model-len 262144 --reasoning-parser qwen3 --language-model-only
Transformers
运行 Qwen3.6 需要最新版的 transformers：
pip install "transformers[serving]"
同时请确保已安装 torchvision 和 pillow。
然后，运行 transformers serve 以在 http://localhost:8000/v1 启动一个带有 API 端点的服务器；如果可用，它会将模型加载到加速器上：
transformers serve Qwen/Qwen3.6-35B-A3B --port 8000 --continuous-batching
更多模型部署推理实战cookbook，详见模型详情：
https://modelscope.cn/models/Qwen/Qwen3.6-35B-A3B
模型训练
ms-swift 已支持使用transformers/Megatron后端对 Qwen3.6 Moe模型进行训练。ms-swift开源地址：https://github.com/modelscope/ms-swift
由于使用megatron后端训练支持MTP训练，序列packing以及FP8训练等，这里将介绍使用megatron对Qwen3.6进行微调和强化学习。使用transformers后端进行训练请参考：https://swift.readthedocs.io/zh-cn/latest/BestPractices/Qwen3_5-Best-Practice.html
环境准备
pip install -U ms-swift pip install -U "transformers==5.2.*" "qwen_vl_utils>=0.0.14" peft liger-kernel pip install -U "flash-linear-attention>=0.4.2" --no-build-isolation pip install -U git+https://github.com/Dao-AILab/causal-conv1d --no-build-isolation pip install "flash-attn==2.8.3" --no-build-isolation pip install deepspeed # megatron环境准备请参考: https://swift.readthedocs.io/zh-cn/latest/Megatron-SWIFT/Quick-start.html # vllm (torch2.10) for RL pip install -U "vllm>=0.17.0" # 对于强化学习（RL）训练，需要覆盖 vLLM 的默认安装版本 pip install -U "transformers==5.2.*"
训练脚本如下：
# 4 * 32GiB, 7min PYTORCH_CUDA_ALLOC_CONF='expandable_segments:True' \ NPROC_PER_NODE=4 \ CUDA_VISIBLE_DEVICES=0,1,2,3 \ IMAGE_MAX_TOKEN_NUM=1024 \ VIDEO_MAX_TOKEN_NUM=128 \ FPS_MAX_FRAMES=12 \ megatron sft \ --model Qwen/Qwen3.6-35B-A3B \ --save_safetensors true \ --merge_lora true \ --dataset 'AI-ModelScope/alpaca-gpt4-data-zh#500' \ 'AI-ModelScope/alpaca-gpt4-data-en#500' \ 'swift/self-cognition#500' \ 'AI-ModelScope/LaTeX_OCR:human_handwrite#2000' \ --load_from_cache_file true \ --add_non_thinking_prefix true \ --loss_scale ignore_empty_think \ --split_dataset_ratio 0.01 \ --tuner_type lora \ --lora_rank 8 \ --lora_alpha 32 \ --target_modules all-linear \ --tensor_model_parallel_size 2 \ --expert_model_parallel_size 4 \ --moe_permute_fusion true \ --moe_grouped_gemm true \ --moe_shared_expert_overlap true \ --moe_aux_loss_coeff 1e-6 \ --micro_batch_size 1 \ --global_batch_size 2 \ --recompute_granularity full \ --recompute_method uniform \ --recompute_num_layers 1 \ --num_train_epochs 1 \ --finetune true \ --freeze_llm false \ --freeze_vit true \ --freeze_aligner true \ --cross_entropy_loss_fusion true \ --lr 1e-4 \ --lr_warmup_fraction 0.05 \ --min_lr 1e-5 \ --output_dir megatron_output/Qwen3.6-35B-A3B \ --eval_steps 200 \ --save_steps 200 \ --max_length 4096 \ --mtp_num_layers 1 \ --packing true \ --dataloader_num_workers 8 \ --dataset_num_proc 8 \ --no_save_optim true \ --no_save_rng true \ --sequence_parallel true \ --attention_backend flash \ --padding_free false \ --model_author swift \ --model_name swift-robot
训练结束后，使用以下脚本对验证集进行推理：
PYTORCH_CUDA_ALLOC_CONF='expandable_segments:True' \ CUDA_VISIBLE_DEVICES=0,1 \ IMAGE_MAX_TOKEN_NUM=1024 \ VIDEO_MAX_TOKEN_NUM=128 \ FPS_MAX_FRAMES=12 \ swift infer \ --model megatron_output/Qwen3.6-35B-A3B/vx-xxx/checkpoint-xxx-merged \ --stream true \ --enable_thinking false \ --max_new_tokens 512 \ --load_data_args true
如果您需要自定义数据集微调模型，你可以将数据准备成以下格式，并在命令行中设置`--dataset train.jsonl --val_dataset val.jsonl`，其中验证集为可选。
{"messages": [{"role": "user", "content": "浙江的省会在哪？"}, {"role": "assistant", "content": "浙江的省会在杭州。"}]} {"messages": [{"role": "user", "content": "<image><image>两张图片有什么区别"}, {"role": "assistant", "content": "前一张是小猫，后一张是小狗"}], "images": ["/xxx/x.jpg", "/xxx/x.png"]} {"messages": [{"role": "system", "content": "你是个有用无害的助手"}, {"role": "user", "content": "<image>图片中是什么，<video>视频中是什么"}, {"role": "assistant", "content": "图片中是一个大象，视频中是一只小狗在草地上奔跑"}], "images": ["/xxx/x.jpg"], "videos": ["/xxx/x.mp4"]}
强化学习
使用 Megatron 后端对 Qwen3.6-35B-A3B MoE 模型进行 GRPO LoRA 训练，在 DAPO-Math-17k 数据集上训练，使用swift内置的 accuracy 作为奖励函数。
SYSTEM_PROMPT="""You are a helpful math assistant. Solve the problem step by step and put your final answer within \\boxed{}.""" CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 \ NPROC_PER_NODE=8 \ PYTORCH_CUDA_ALLOC_CONF='expandable_segments:True' \ megatron rlhf \ --rlhf_type grpo \ --model Qwen/Qwen3.6-35B-A3B \ --save_safetensors true \ --enable_thinking false \ --merge_lora true \ --context_parallel_size 1 \ --tensor_model_parallel_size 1 \ --expert_model_parallel_size 8 \ --pipeline_model_parallel_size 1 \ --moe_permute_fusion true \ --dataset open-r1/DAPO-Math-17k-Processed \ --system "$SYSTEM_PROMPT" \ --num_train_epochs 1 \ --global_batch_size 64 \ --micro_batch_size 1 \ --steps_per_generation 2 \ --num_generations 8 \ --reward_funcs accuracy \ --use_vllm true \ --vllm_mode colocate \ --vllm_gpu_memory_utilization 0.5 \ --vllm_tensor_parallel_size 2 \ --vllm_max_model_len 9192 \ --max_length 1000 \ --max_completion_length 8192 \ --tuner_type lora \ --target_modules all-linear \ --lr 5e-5 \ --bf16 true \ --beta 0.00 \ --epsilon 0.2 \ --epsilon_high 0.28 \ --dynamic_sample false \ --overlong_filter true \ --loss_type grpo \ --sleep_level 1 \ --offload_model true \ --offload_bridge false \ --offload_optimizer true \ --logging_steps 1 \ --recompute_granularity full \ --recompute_method uniform \ --recompute_num_layers 1 \ --finetune \ --dataloader_num_workers 8 \ --dataset_num_proc 8 \ --no_save_optim \ --no_save_rng \ --save_steps 20 \ --attention_backend flash \ --moe_expert_capacity_factor 2 \ --temperature 1.0 \ --padding_free false \ --sequence_parallel true \ --log_completions true \ --report_to tensorboard swanlab
模型合集
