Qwen3.6-35B-A3B 打開開源寫碼新路線

說真的，這次 Qwen3.6-35B-A3B 很有看頭。它有 350 億總參數，推論時只啟用 30 億。這種 MoE 設計，講白了就是想把成本壓下來，還保住寫碼能力。

更猛的是，它直接對準 agentic coding。官方還放出 Qwen Studio、ModelScope、Hugging Face 三條路。對開發者來說，這種部署彈性比口號實在多了。

這次釋出為什麼重要

先講白話。Qwen3.6-35B-A3B 是稀疏 MoE 模型。它保留 35B 的總容量，但每次只喚醒一小部分參數。這代表它不是靠蠻力硬推，而是靠架構設計省算力。

對寫程式的人來說，這件事很實際。你要的是回應快、成本低、上下文穩。不是每次都把整台伺服器燒得像在跑渲染。

Alibaba 的說法也很直白。它想把這個模型放進 terminal-based coding assistant。也就是說，目標不是聊天而已，是直接幫你改 repo、看錯誤、接工具。

• 35B 總參數
• 3B 啟用參數
• 開權重，可下載可自架
• 可透過 Alibaba Cloud Model Studio 走 API

這四點合起來，就很像在打實戰。不是只拼榜單，而是拼你能不能真的拿去用。這點我覺得比單純刷分有意思多了。

而且它不是孤島。你可以直接在官方平台玩，也能拉進自己的工作流。這對團隊導入很重要，因為遷移成本通常死在細節，不死在模型名字。

多模態與推理模式，才是它的底氣

Qwen3.6-35B-A3B 支援 thinking 和 non-thinking 兩種模式。這代表它可以在不同任務下切換策略。簡單問答不用太多推理，複雜除錯再拉高思考深度。

它也支援多模態輸入。這點很適合現在的開發場景。你在 IDE 裡看錯誤訊息，瀏覽器裡看 UI 截圖，還有設計稿、流程圖、log 圖。模型能看圖，幫助就不只停在文字層。

官方還提到它在視覺語言基準上表現不差，某些項目甚至貼近 Claude Sonnet 4.5。像 RefCOCO 92.0、ODInW13 50.8 這種數字，至少說明它在定位與辨識任務上有料。

“We are committed to making AI accessible and useful for everyone.” — Sam Altman, OpenAI

這句話不是 Alibaba 講的，但很貼切。現在模型競爭早就不是只看參數。你能不能讓人真的用，才是重點。

對工程師來說，最有感的地方是跨工具協作。模型如果能看圖、讀錯誤、接 API，再把結果回寫到程式碼，很多來回溝通就少一半。這才像工具，不像玩具。

工具相容性，才是這顆模型的主菜

我覺得這次最聰明的設計，是 API 相容性。Alibaba 說 Qwen API 支援 Anthropic API 格式。這代表原本為 Claude Code 做的工具，有機會直接接到 Qwen 後端。

這件事很關鍵，因為多數團隊不是缺模型，而是缺整合時間。你要改 SDK、改環境變數、改認證、改提示詞，最後還要測 agent 行為。每一步都會吃掉工時。

它也能接到 Qwen Code、OpenClaw 這類工具。換句話說，它不是只在簡報上好看，而是真的能塞進現有流程。

• Qwen Studio：直接對話與測試
• Alibaba Cloud Model Studio：API 入口
• Qwen Code：終端機工作流
• Claude Code：Anthropic 風格 API 相容

還有一個細節很實用，叫 preserve_thinking。它會保留前一輪推理脈絡。對 agent 來說，這比多 1 分 benchmark 更重要。因為 agent 最常死在「忘了自己剛剛在幹嘛」。

所以這顆模型的定位很清楚。它不是只給你聊天框。它是要進 IDE、進 shell、進自動化流程。這種定位，才會讓開源模型真的進到日常開發。

跟其他模型比，差在哪裡

先看最重要的數字。Qwen3.6-35B-A3B 總參數 35B，但每次只啟用約 3B。這讓它在吞吐、延遲、成本上，都有機會比同級 dense model 更好看。

官方也拿它去對比 Qwen3.5-35B-A3B、Qwen3.5-27B，還有 Gemma 3 27B。重點不是誰名字比較大，而是誰在 agentic coding 裡更省錢。

如果你是自己架推論服務，這差異會很有感。因為實際成本看的是活躍參數，不是標題上的總參數。這也是 MoE 會讓人關注的原因。

• Qwen3.6-35B-A3B：35B 總參數，3B 啟用
• Qwen3.5-35B-A3B：前代版本
• Qwen3.5-27B：較小的 dense 模型
• Gemma 3 27B：同級開源參考
• Claude Sonnet 4.5：閉源強力對照組

我會這樣看。若 benchmark 差距不大，但成本低很多，那開發團隊通常會選前者。因為產品不是在跑分，是在燒預算。

而且開權重還有一個優勢。你能自己看模型、自己調整部署、自己做內部評估。這對企業或新創都很重要，尤其是要把模型接進內部工具時。

開源寫碼模型的背景，其實正在變

這波不是單一模型的故事。它反映的是整個開源 LLM 走向實用化。以前大家比誰參數大，現在大家比誰能接工具、能跑 agent、能處理圖文混合任務。

另一個變化是，開發者開始在意「相容性」勝過「品牌」。你如果已經有 Claude Code 的流程，現在只要換後端就能試 Qwen，這種切換成本低很多。對團隊來說，這比重新發明一套介面更有吸引力。

再來是成本壓力。模型不是只有訓練成本。推論成本、維運成本、快取策略、上下文長度，都會直接影響產品毛利。這也是為什麼 3B active 這種數字會讓人眼睛一亮。

如果你回頭看過去兩年，很多開源模型都在補這幾個洞：工具調用、長上下文、多模態、API 相容。Qwen3.6-35B-A3B 只是把這些需求一次打包，然後丟到開發者面前。

我會怎麼看這顆模型

我覺得它最可能的落點，不是取代所有閉源模型。它更像是給團隊一個可控、可改、可自架的 coding backend。這對想做內部 agent、程式碼審查、repo 操作自動化的人，很有吸引力。

接下來最值得觀察的，不是官方宣傳，而是第三方實測。尤其是多步驟 repo 編輯、視覺除錯、長任務記憶，這三種情境最能看出它是不是只會答題。

如果你問我會不會試，我會。至少先拿它跟現有的 Claude Code 流程對接，看看切換成本有多低。若真的能少改很多程式，這顆模型就不只是新聞，而是可以進產品線的選項。

我的預測很直接。接下來 6 到 12 個月，開源 coding model 競爭會更像工具戰，不像榜單戰。誰能讓開發者少改設定、少換介面、少燒算力，誰就更容易被採用。你如果在做 AI coding 工具，現在就該開始測它了。