ai/qwen3.6-safetensors

Qwen3.6-35B-A3B

Qwen3.6-35B-A3B是阿里云Qwen开发的多模态大语言模型，融合视觉与语言理解能力及高级推理功能。基于社区直接反馈构建，该模型注重稳定性和实际效用，为开发者提供更直观、响应迅速且真正高效的编码体验。

继2025年2月Qwen3.5系列发布后，Qwen3.6是首个开放权重变体，在智能体编码和思维保留方面实现重大升级。模型现在能更流畅、精准地处理前端工作流和仓库级推理。一项关键创新是引入保留历史消息推理上下文的新选项，简化迭代开发并减少开销。

凭借350亿总参数及通过混合专家架构激活的30亿参数，Qwen3.6-35B-A3B在编码基准、智能体任务、多模态理解和通用推理方面提供最先进性能，同时保持高效推理特性。

特性

使用Docker Model Runner运行模型

bash
docker model run qwen3.6-safetensors

更多信息，请查看Docker Model Runner文档。

基准测试

!基准测试概览

编码智能体基准测试

通用智能体基准测试

知识基准测试

STEM与推理基准测试

视觉语言基准测试

模型架构

Qwen3.6-35B-A3B采用先进的混合专家（MoE）架构：

• 总参数：350亿，每令牌激活30亿
• 隐藏维度：2048
• 层数：40
• 隐藏布局：10 × (3 × (Gated DeltaNet → MoE) → 1 × (Gated Attention → MoE))
• Gated DeltaNet：
  • 线性注意力头数：V为32，QK为16
  • 头维度：128
• Gated Attention：
  • 注意力头数：Q为16，KV为2
  • 头维度：256
  • 旋转位置嵌入维度：64
• 混合专家：
  • 专家数量：256
  • 激活专家数量：8个路由专家 + 1个共享专家
  • 专家中间维度：512
• 令牌嵌入：248,320（填充）
• 上下文长度：原生262,144 tokens，可扩展至1,010,000 tokens
• 多令牌预测（MTP）：通过多步预测训练

关键特性

智能体编码

Qwen3.6擅长处理前端工作流和仓库级推理，具备更高流畅度和精准度。模型在编码智能体基准测试（包括SWE-bench、Terminal-Bench及各类前端开发任务）中表现出最先进性能。

思维保留

保留历史消息推理上下文的新选项，实现更连贯的多轮交互，简化迭代开发并减少计算开销。

多模态理解

原生支持文本、图像和视频输入，可完成文档处理、图表分析、视觉问答等综合视觉理解任务。

扩展上下文

原生支持262K tokens，可扩展至100万以上tokens，能处理整个代码库、长文档和复杂多轮对话。

链接

• [***]
• [***]

注意事项

• 模型针对编码和智能体任务优化，尤其擅长仓库级操作和前端开发
• 多模态能力支持同时处理图像、视频和文本输入
• 建议使用适当温度设置以获得最佳性能（智能体任务：temp=1.0，top_p=0.95；确定性编码任务：temp=0.6）
• 混合专家架构通过每令牌仅激活350亿参数中的30亿，实现高效推理
• 扩展上下文支持（最高100万tokens）需适当内存分配，可能影响推理速度
• 内置工具调用和函数执行能力，非常适合智能体应用

生成工具

本模型卡片由https://github.com/docker/cagent-action%E8%87%AA%E5%8A%A8%E7%94%9F%E6%88%90%E3%80%82 想了解更多关于Docker Model Runner？查看项目仓库：https://github.com/docker/model-runner%E3%80%82