ai/qwen3.6
具备35B混合专家(MoE)架构的多模态AI模型，专注于编码代理、推理和视觉任务，支持262K原生上下文长度（可扩展至100万+ tokens），为软件工程和多模态应用提供高效开发体验。
让 AI 帮你使用轩辕镜像？ · 展开查看说明 · 点击收起说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
Qwen3.6
!Qwen Logo
Qwen3.6-35B-A3B是阿里云Qwen团队开发的前沿多模态AI模型，在代理编码、推理保留和实际开发工作流方面实现了重大升级。该模型基于Qwen3.5系列发布后的社区反馈构建，注重稳定性和实用性，为开发者提供直观高效的编码体验，增强了前端工作流和仓库级推理能力。
本版本采用混合专家(MoE)架构，总参数350亿，激活参数30亿，支持文本和视觉输入。原生上下文长度达262,144 tokens（可扩展至100万+ tokens），能高效处理复杂的多轮交互。模型在SWE-bench Verified、Terminal-Bench等编码代理基准测试和Web开发任务中表现优异，特别适用于软件工程、代码生成和多模态应用场景。
核心创新包括跨迭代保留推理上下文的思维保留机制、改进的工具调用（支持更好的嵌套对象解析）以及增强的开发者角色支持。无论构建编码助手、多模态应用还是代理系统，Qwen3.6都能提供开源可访问的最先进性能。
特性参数
| 属性 | 数值 |
|---|---|
| 提供商 | 阿里云 / Qwen团队 |
| 架构 | Qwen3.5 MoE（混合专家） |
| 参数规模 | 总350亿，激活30亿 |
| 上下文长度 | 原生262,144 tokens，可扩展至1,010,000 tokens |
| 支持语言 | 多语言（英语、中文及其他） |
| 输入模态 | 文本、图像 |
| 输出模态 | 文本 |
| 许可证 | Apache 2.0 |
使用Docker Model Runner运行模型
bashdocker model run qwen3.6
更多信息，请查看https://docs.docker.com/desktop/features/model-runner/%E3%80%82
基准测试结果
!基准测试结果
编码代理基准测试
| 基准测试 | Qwen3.5-27B | Gemma4-31B | Qwen3.5-35BA3B | Gemma4-26BA4B | Qwen3.6-35BA3B |
|---|---|---|---|---|---|
| SWE-bench Verified | 75.0 | 52.0 | 70.0 | 17.4 | 73.4 |
| SWE-bench 多语言 | 69.3 | 51.7 | 60.3 | 17.3 | 67.2 |
| SWE-bench Pro | 51.2 | 35.7 | 44.6 | 13.8 | 49.5 |
| Terminal-Bench 2.0 | 41.6 | 42.9 | 40.5 | 34.2 | 51.5 |
| Claw-Eval（平均） | 64.3 | 48.5 | 65.4 | 58.8 | 68.7 |
| Claw-Eval（Pass³） | 46.2 | 25.0 | 51.0 | 28.0 | 50.0 |
| SkillsBench（Avg5） | 27.2 | 23.6 | 4.4 | 12.3 | 28.7 |
| QwenClawBench | 52.2 | 41.7 | 47.7 | 38.7 | 52.6 |
| NL2Repo | 27.3 | 15.5 | 20.5 | 11.6 | 29.4 |
| QwenWebBench | 1068 | 1197 | 978 | 1178 | 1397 |
通用代理基准测试
| 基准测试 | Qwen3.5-27B | Gemma4-31B | Qwen3.5-35BA3B | Gemma4-26BA4B | Qwen3.6-35BA3B |
|---|---|---|---|---|---|
| TAU3-Bench | 68.4 | 67.5 | 68.9 | 59.0 | 67.2 |
| VITA-Bench | 41.8 | 43.0 | 29.1 | 36.9 | 35.6 |
| DeepPlanning | 22.6 | 24.0 | 22.8 | 16.2 | 25.9 |
| Tool Decathlon | 31.5 | 21.2 | 28.7 | 12.0 | 26.9 |
| MCPMark | 36.3 | 18.1 | 27.0 | 14.2 | 37.0 |
| MCP-Atlas | 68.4 | 57.2 | 62.4 | 50.0 | 62.8 |
| WideSearch | 66.4 | 35.2 | 59.1 | 38.3 | 60.1 |
知识基准测试
| 基准测试 | Qwen3.5-27B | Gemma4-31B | Qwen3.5-35BA3B | Gemma4-26BA4B | Qwen3.6-35BA3B |
|---|---|---|---|---|---|
| MMLU-Pro | 86.1 | 85.2 | 85.3 | 82.6 | 85.2 |
| MMLU-Redux | 93.2 | 93.7 | 93.3 | 92.7 | 93.3 |
| SuperGPQA | 65.6 | 65.7 | 63.4 | 61.4 | 64.7 |
| C-Eval | 90.5 | 82.6 | 90.2 | 82.5 | 90.0 |
STEM与推理基准测试
| 基准测试 | Qwen3.5-27B | Gemma4-31B | Qwen3.5-35BA3B | Gemma4-26BA4B | Qwen3.6-35BA3B |
|---|---|---|---|---|---|
| GPQA | 85.5 | 84.3 | 84.2 | 82.3 | 86.0 |
| HLE | 24.3 | 19.5 | 22.4 | 8.7 | 21.4 |
| LiveCodeBench v6 | 80.7 | 80.0 | 74.6 | 77.1 | 80.4 |
| HMMT Feb 25 | 92.0 | 88.7 | 89.0 | 91.7 | 90.7 |
| HMMT Nov 25 | 89.8 | 87.5 | 89.2 | 87.5 | 89.1 |
| HMMT Feb 26 | 84.3 | 77.2 | 78.7 | 79.0 | 83.6 |
| IMOAnswerBench | 79.9 | 74.5 | 76.8 | 74.3 | 78.9 |
| AIME26 | 92.6 | 89.2 | 91.0 | 88.3 | 92.7 |
视觉语言基准测试
| 基准测试 | Qwen3.5-27B | Claude-Sonnet-4.5 | Gemma4-31B | Gemma4-26BA4B | Qwen3.5-35BA3B | Qwen3.6-35BA3B |
|---|---|---|---|---|---|---|
| MMMU | 82.3 | 79.6 | 80.4 | 78.4 | 81.4 | 81.7 |
| MMMU-Pro | 75.0 | 68.4 | 76.9 | 73.8 | 75.1 | 75.3 |
| MathVista (mini) | 87.8 | 79.8 | 87.5 | 86.3 | 87.1 | 87.6 |
| MathVision | 32.4 | 31.5 | 29.7 | 24.8 | 32.0 | 33.3 |
| AI2D | 98.0 | 96.2 | 98.0 | 97.2 | 97.8 | 98.1 |
相关链接
- https://huggingface.co/unsloth/Qwen3.6-35B-A3B-GGUF
- https://qwen.ai/blog?id=qwen3.6
- https://github.com/QwenLM/Qwen
- https://qwen.readthedocs.io/
注意事项
- 硬件要求：由于采用350亿参数的MoE架构，高效运行模型需要足够的GPU内存。GGUF量化版本可降低内存需求同时保持性能。
- 上下文窗口：原生上下文长度为262K tokens，但在极端长度下性能可能有所变化。对于大多数应用，原生262K上下文已能提供出色性能。
- 多模态能力：模型支持文本和图像输入。视觉功能需要相应的多模态投影文件（mmproj文件有GGUF格式可用）。
- 工具调用：Qwen3.6包含改进的工具调用支持，能更好地处理嵌套对象。为获得最佳工具使用效果，请遵循文档中的聊天模板格式。
- 开发者角色支持：模型增强了对开发者角色的支持，特别适用于编码助手和代理工作流。
- 思维保留：在使用模型进行迭代开发时，启用思维保留功能可跨多轮保持推理上下文。
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的信息？查看项目仓库：https://github.com/docker/model-runner%E3%80%82
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
DockerHub 原生拉取命令
docker model pull ai/qwen3.6:<标签>
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"