阿里开源Qwen3.6-35B-A3B：3B激活参数，Terminal-Bench 2.0达51.5，Agent编码能力全面超越上代
就在刚刚（2026年4月15日），阿里通义千问团队宣布开源 Qwen3.6-35B-A3B。这是继 Qwen3.6-Plus 以 API 形式亮相之后，Qwen3.6 系列的首个开放权重模型。模型总参数规模 350 亿，但每个 token 仅激活约 30 亿参数，在 Agent 编码类任务上大幅超越上代同款 Qwen3.5-35B-A3B，Terminal-Bench 2.0 评测从 40.5 跃升至 51.5，QwenWebBench Elo 评分从 978 跃升至 1397，在 Agent 编码方向已接近甚至超过上一代稠密旗舰 Qwen3.5-27B。模型以 Apache 2.0 协议完全开源，已上架 HuggingFace 和 ModelScope，API 托管版本对应模型名 qwen3.6-flash。
目录
- 背景：林俊旸离开之后，这是千问的首次开源
- Qwen3.6-35B-A3B 的核心特点
- Agent编码与语言能力评测：代码Agent全面提升，知识推理稳步改善
- 视觉语言能力：多项指标超过Claude Sonnet 4.5
- 如何获取与部署
背景：林俊旸离开之后，这是千问的首次开源
通义千问近几个月经历了一次不小的人事变化。主导 Qwen3-Max 和 Qwen3.5 系列开发的核心负责人林俊旸（Lin Junyang），已于 2026 年初正式离开阿里巴巴，同期还有多名 Qwen 高管相继离职。
此前，Qwen3.6-Plus 于 3 月 30 日悄然上线 OpenRouter，上线首日单模型调用量突破 1.4 万亿 token，创下该平台历史纪录，并在 Code Arena 全球排名中居中国模型最高位。但彼时模型权重未对外开放。根据 Qwen3.5 Plus 的命名风格，Qwen3.6-Plus 应该是 Qwen3.6-397B-A17B 规模的模型（因为 Qwen3.5-Plus 就是 Qwen3.5-397B-A17B）。今天的 Qwen3.6-35B-A3B，是 Qwen3.6 系列第一个开源模型。
Qwen3.6-35B-A3B 的核心特点
通常来说，MoE 架构的模型相比同等总参数规模的稠密模型，综合能力是要偏弱的——这是 MoE 设计的固有取舍，以激活参数少换取推理效率，但知识密度上往往不及全参数激活的稠密版本。
Qwen3.6-35B-A3B 这一代的提升是比较明显的，在 Agent 编码方向已经接近甚至超过了上一代同等参数规模的稠密模型 Qwen3.5-27B。Terminal-Bench 2.0 上，Qwen3.6-35B-A3B 得分 51.5，Qwen3.5-27B 为 41.6；SWE-bench Verified 上得分 73.4，与 Qwen3.5-27B 的 75.0 仍有小幅差距，尚未完全追平。相比上代同款 Qwen3.5-35B-A3B，进步幅度同样明显，整体提升主要集中在 Agent 执行层面。
Agent编码与语言能力评测：代码Agent全面提升，知识推理稳步改善
从评测数据来看，Qwen3.6-35B-A3B 的进步主要集中在 Agent 编码方向，知识和推理类指标属于稳步改善，通用 Agent 方向则表现参差。以下分类来看。
Agent 编码
Agent 编码是这次发布最值得关注的方向，也是与上代拉开差距最明显的地方。从下表可以看到，Qwen3.6-35B-A3B 在几乎所有编码 Agent 评测上均超越上代同款 Qwen3.5-35B-A3B，且多项指标已接近甚至超过 Qwen3.5-27B。
SWE-bench Verified 和 Terminal-Bench 2.0 是目前最接近真实 Agent 工作流的编码评测：前者要求模型修复真实 GitHub 仓库中的 issue，后者在真实终端环境中运行完整任务。Qwen3.6-35B-A3B 在这两项上均明显超越上代同款，Terminal-Bench 更是以 51.5 超越了 Qwen3.5-27B（41.6）和 Gemma4-31B（42.9）。SWE-bench Verified 的 73.4 尚未追平 Qwen3.5-27B 的 75.0，差距已缩小到 1.6 个点。
QwenWebBench 涵盖 Web Design、Web Apps、Games、SVG、数据可视化、动画和 3D 七个前端类别，采用自动渲染加视觉评分，Elo 评分从 978 跃升至 1397，是本次发布提升幅度最大的单项指标，体现了模型在生成完整可运行前端代码方面的实质性进步。
General Agent
通用 Agent 方向（客服、规划、工具调用）上，这次的提升不如编码方向集中，整体表现参差不齐，部分指标甚至略低于上代。
TAU3-Bench 上的 67.2 略低于上代的 68.9，MCP-Atlas 则基本与上代持平。MCPMark（MCP 工具调用评测）是这一类别的亮点，以 37.0 不仅大幅超越上代（27.0），也超过了 Qwen3.5-27B（36.3），说明在 MCP 工具调用的准确性上有实质提升。
知识与推理
知识和推理方向属于稳步改善，没有特别大的跃升，但各项指标方向一致向好。
GPQA Diamond 从 84.2 升至 86.0，已超过 Qwen3.5-27B 的 85.5；AIME 2026 从 91.0 升至 92.7；LiveCodeBench v6 从 74.6 大幅升至 80.4，追平了 Qwen3.5-27B 的 80.7。MMLU-Pro 与上代基本持平，C-Eval 中文综合评测 90.0 维持稳定，中文能力没有退步。
视觉语言能力：多项指标超过Claude Sonnet 4.5
Qwen3.6-35B-A3B 是原生多模态模型，官方以 Claude Sonnet 4.5 作为对比基准之一。整体来看，在通用视觉和文档理解方向，Qwen3.6-35B-A3B 相比 Claude Sonnet 4.5 有明显优势；与同系列稠密模型 Qwen3.5-27B 相比，差距进一步收窄，部分方向已经反超。
通用视觉与文档理解
通用视觉和文档理解是 Qwen 系列一贯的优势方向，这一代继续保持。官方选择将 Claude Sonnet 4.5 作为主要参照之一，从数据来看这个选择对 Qwen 相当有利。
RealWorldQA（85.3 对 70.3）、OmniDocBench1.5（89.9 对 85.8）、HallusionBench（69.8 对 59.9）均明显超出 Claude Sonnet 4.5。相比上代 Qwen3.5-35B-A3B，各项也有小幅提升。不过与 Qwen3.5-27B 相比仍有小幅差距，例如 MMMU 81.7 vs 82.3，视觉能力上并非全面超越同系列稠密版本。
空间智能与视频理解
空间智能和视频理解是这次视觉方向的主要进步点，多个指标不仅超越上代，还超过了 Qwen3.5-27B。
RefCOCO 从 89.2 升至 92.0，超过 Qwen3.5-27B 的 90.9；ODInW13 从 42.6 大幅升至 50.8，是空间智能方向提升最显著的单项；VideoMMMU 从 80.4 升至 83.7，同样超过了 Qwen3.5-27B 的 82.3。VideoMME（含字幕）与上代持平，维持在 86.6。
Qwen3.6-35B-A3B目前已经开源可以直接下载
模型已上架 HuggingFace（Qwen/Qwen3.6-35B-A3B）和 ModelScope，Apache 2.0 开源协议，商业使用无限制。
另外，阿里云官方已经上架该模型，模型名为 qwen3.6-flash，同时兼容 OpenAI 和 Anthropic 两套协议。后者意味着可以直接在 Claude Code 里配置使用，官方给出了完整配置脚本。此外模型同样支持接入 OpenClaw 和 Qwen Code 两种 Agent 编码工具。模型也已在 Qwen Studio 上线，可直接在线体验。
关于 Qwen3.6-35B-A3B 的更多基准数据及横向对比，参考 DataLearner 模型信息卡：https://www.datalearner.com/ai-models/pretrained-models/qwen3-6-35b-a3b
