Kan ik Qwen3.6-35B-A3B lokaal draaien?

Ja — de gewichten zijn open onder de Apache 2.0-licentie en beschikbaar op Hugging Face, compatibel met Transformers, vLLM, SGLang en KTransformers. Omdat slechts 3 miljard parameters actief zijn per token, zijn de geheugeneisen lager dan het totale aantal van 35 miljard doet vermoeden; controleer een VRAM-gids voordat je downloadt.

Wat kost het en hoe groot is het contextvenster?

Via API kost het $0,10 per miljoen inputtokens en $0,95 per miljoen outputtokens, met een native context van 262.144 tokens — uitbreidbaar tot ongeveer 1 miljoen tokens via YaRN.

Hoe verhoudt dit zich tot Qwen3.5-35B-A3B?

Qwen3.6 is de directe opvolger, gebouwd op feedback uit de community, met de belangrijkste verbeteringen in agentische codeerbenchmarks en een nieuwe optie om redeneersporen te behouden over multi-turn gesprekken; algemene kennisresultaten zijn grotendeels vergelijkbaar.

▲

121%

deze week

Qwen3.6 35B A3B

8682°

#llm #qwen #visie #video #redeneren #coderen

Deze week

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

Qwen | 262,144 token context | $0.15/M input, $1.00/M output. Qwen3.6-35B-A3B is an open-weight multimodal model from Alibaba Cloud with 35 billion total parameters and 3 billion active parameters per token. It uses a hybrid sparse mixture-of-experts architecture combining Gated DeltaNet linear attention with standard gated attention layers, enabling efficient inference at a fraction of the compute cost. The model supports a 262K token native context window (extensible to 1M via YaRN) and accepts text, image, and video inputs. It includes integrated thinking mode with reasoning traces preserved across multi-turn conversations, function calling, and structured output. Released under the Apache 2.0 license.

Gidsen voor dit model

Hoe Ollama te installeren en een lokale AI te draaien (Windows, Mac, Linux)

Ollama vs LM Studio (2026): welke lokale AI-app gebruik je, en welke topmodellen draaien ze

Beste lokale LLM per gebruik (oktober 2026): het juiste open model voor elke klus

Hoeveel VRAM heb ik eigenlijk nodig voor lokale AI?

Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Qwen3.6-35B-A3B is een open-gewichten multimodaal model van Alibaba Cloud, gebouwd op een hybride sparse mixture-of-experts architectuur: 35 miljard totale parameters maar slechts 3 miljard actief per token, wat de inferentiekosten laag houdt. De belangrijkste verbetering ten opzichte van zijn voorganger is agentisch coderen, vooral frontend-workflows en repository-niveau taken. Als je een capabele coder en agent nodig hebt die je lokaal kunt draaien of goedkoop via API kunt gebruiken, is dit een serieuze optie.

Bekend om

Agentisch coderen: sterk in frontend-workflows en repository-niveau redeneren
Slechts 3 miljard parameters actief per token, dus inferentie is snel en goedkoop
Native contextvenster van 262K, uitbreidbaar tot ongeveer 1 miljoen via YaRN
Accepteert tekst-, beeld- en video-inputs met geïntegreerde denkmethode
Redeneersporen worden bewaard over multi-turn gesprekken

Let op

Outputtokens kosten bijna 10× inputtokens aan $0,95 per miljoen — lange agentruns lopen snel op.
De hybride lineaire aandachtarchitectuur is minder beproefd dan standaard transformers; sommige inferentiestacks kunnen achterlopen in ondersteuning.
Kwaliteit van beeld- en videoinput is niet onafhankelijk beoordeeld in de gepubliceerde resultaten.

Het beste voor

Coderen

Agenten en toolgebruik

Redeneren

Visie

Draait lokaal

Prompts om te proberen

Refactor een rommelige codebase

Ik heb een React-frontend met alle state beheerd in één enkel App.js-bestand van 800 regels. Er zijn geen componenten, geen custom hooks en props worden vier niveaus diep doorgegeven. Analyseer de structuur, identificeer de drie meest schadelijke problemen en maak vervolgens een concreet refactorplan met bestandsnamen en de volgorde van wijzigingen die ik moet doorvoeren.

Multi-stap agentplan

Je bent een agent met toegang tot bash en bestandbewerktools. Het Python-project van een gebruiker faalt in de CI-pijplijn vanwege drie onbetrouwbare tests die afhankelijk zijn van een echte netwerkoproep naar een externe API. Loop door hoe je de tests zou lokaliseren, een mocking-strategie zou ontwerpen, de fix zou implementeren en verifiëren zonder de productiecode aan te passen.

Moeilijke redeneerpuzzel

Vijf engineers beheersen elk een andere programmeertaal, drinken elk een ander drankje en werken in een andere tijdzone. De Rust-engineer drinkt espresso. De engineer in UTC+9 beheerst Python. De TypeScript-engineer zit direct links van de koffiedrinker. De Go-engineer werkt in UTC-5. Wie drinkt thee en welke taal gebruiken ze? Toon je redenering stap voor stap.

Vergelijk met

Qwen3.7 Flash
Alleen API-model
1,000,000 token context · $0.03/M invoer, $0.13/M uitvoer
Qwen3.8 Max (0902)
Alleen API-model
1,000,000 token context · $2.00/M invoer, $6.00/M uitvoer
Qwen3.8 Omni Flash
Alleen API-model
1,000,000 token context · $0.15/M invoer, $0.47/M uitvoer
Qwen3.5 Plus 2026-02-15
Alleen API-model
1,000,000 token context · $0.26/M invoer, $1.56/M uitvoer

Meer tekstmodellen van qwen

Veelgestelde vragen

Kan ik Qwen3.6-35B-A3B lokaal draaien?: Ja — de gewichten zijn open onder de Apache 2.0-licentie en beschikbaar op Hugging Face, compatibel met Transformers, vLLM, SGLang en KTransformers. Omdat slechts 3 miljard parameters actief zijn per token, zijn de geheugeneisen lager dan het totale aantal van 35 miljard doet vermoeden; controleer een VRAM-gids voordat je downloadt.
Wat kost het en hoe groot is het contextvenster?: Via API kost het $0,10 per miljoen inputtokens en $0,95 per miljoen outputtokens, met een native context van 262.144 tokens — uitbreidbaar tot ongeveer 1 miljoen tokens via YaRN.
Hoe verhoudt dit zich tot Qwen3.5-35B-A3B?: Qwen3.6 is de directe opvolger, gebouwd op feedback uit de community, met de belangrijkste verbeteringen in agentische codeerbenchmarks en een nieuwe optie om redeneersporen te behouden over multi-turn gesprekken; algemene kennisresultaten zijn grotendeels vergelijkbaar.

Oordeel van de kapitein
Een zeldzame combinatie: open gewichten, multimodale input, lange context en echt concurrerend agentisch coderen tegen een prijs die niet pijn doet.

Modelkaart op Hugging Face

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: Silver · Hottest this week · #114 Hottest AI model · #48 Hottest Text / LLM model · #48 Hottest Text / LLM text model

Not this creator?

Get your own badge

Populariteitstrend van Qwen3.6 35B A3B

Heat score sinds 27 Apr 2026

Heat score

8,682°

Deze week

▲

121%

8,578° toen, 8,682° nu

Deze maand

n.v.t.

Nog niet uitgebracht/getrackt

Afgelopen jaar

n.v.t.

Nog niet uitgebracht/getrackt

7,000°

Basis

De schaal loopt van 0° tot 9.999°. Alles onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven. 7,000° is waar gemeten data begint: een model met echte data maar bijna geen downloads zit op de basis, en de metingen vullen de graden erboven. De basis zegt niets over het model; alleen de graden erboven doen dat, en die maken het verschil tussen modellen.

+1,365°

OpenRouter tokens

355,046,263,575 tokens heeft dit model in de afgelopen 30 dagen verwerkt via OpenRouter, prompts en antwoorden samen. Elke 10,000,000 tokens telt als één download in de downloadterm, in totaal 35,504; de tokens van de laatste dag tellen mee voor het adoptiecijfer. Bron: OpenRouter (openrouter.ai/rankings).

+317°

Adoptiesnelheid

Ongeveer 16,735 downloads per dag, gemeten tussen twee metingen van de bronnen, nooit geschat op een levenslange gemiddelde. Snelheid weegt een kwart van de downloadterm, zodat een verse piek zichtbaar is zonder dat een dagpiek jaren gebruik overstemt.

Toon gedetailleerde uitsplitsing

Elk getal op deze site is te controleren. De heat-score van dit model is 8,682°, en hier wordt die stap voor stap opgebouwd, met de tussentijdse totalen na elke stap: de basis, de graden die elke bron toevoegt, de bonus voor het type model en wat de leeftijd van de gewichten eraf haalt. De kleuren zijn de banden van de grafiek hierboven. De woordenlijst achteraan legt elke term uit.

1
Begin bij de basis.
Waarom 7,000° en niet nul: de schaal loopt van 0° tot 9.999°, en het deel onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven en nooit hoger staan dan een model met data. 7,000° is waar gemeten data begint. Een model met echte data maar bijna geen downloads zit hier; alles wat volgt is meting, en de ruimte boven de basis bevat tien stappen van tien keer zoveel downloads, elk 300° waard. De basis is voor elk model hetzelfde, dus die zegt niets; de graden erboven wel.
7,000°
lopende totaal
2
Voeg de downloads toe.
35,504 download-equivalenten in totaal, van OpenRouter tokens. Tien keer de downloads voegt dezelfde 300° toe, dus grootte telt mee maar bepaalt niet alles.
+1,365°
8,365°
lopende totaal
3
Voeg de adoptiesnelheid toe.
Ongeveer 16,735 downloads per dag op dit moment, gemeten tussen twee metingen, met een kwart van het gewicht.
+317°
8,682°
lopende totaal
=
De heat-score.
Waar dit model staat op elke lijst van deze site. Niets anders beïnvloedt dit.
8,682°

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Hoe de populariteit van dit model zich verhoudt tot de rest van de catalogus: de groei in downloads, likes en gebruik per periode, gemeten ten opzichte van de typische groei van modellen in dezelfde periode, met de heat score op dat moment. Boven de typische groei betekent stijging, eronder daling. Het verleden wordt herbouwd vanuit de huidige totalen, de eerste dag van het model en de gemeten downloadsnelheid als er twee metingen zijn; een model dat er aan het begin van een periode nog niet was, toont n.v.t.

Vergelijkbare modellen

DeepSeek Flash Latest

TEXT / LLM

Gemini 3.1 Flash Lite Preview

TEXT / LLM

AI-modellen voor het genereren van afbeeldingen, video en tekst

Qwen3.6 35B A3B is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm qwen visie video redeneren coderen agenten lokaal

Bladeren op modelfamilie