Qwen3.6-35B-A3Bをローカルで実行できますか？

はい。Apache 2.0ライセンスで重みが公開されており、Hugging Faceで入手可能です。Transformers、vLLM、SGLang、KTransformersに対応。1トークンあたり30億パラメータのみアクティブなので、350億の総パラメータ数ほどメモリは必要ありませんが、VRAMガイドを確認してください。

料金とコンテキスト長は？

API経由で入力は100万あたり0.10ドル、出力は100万あたり0.95ドル。ネイティブのコンテキストは262,144トークンで、YaRNで約100万トークンに拡張可能。

Qwen3.6-35B-A3BはQwen3.5-35B-A3Bとどう違いますか？

Qwen3.6は直接の後継で、コミュニティのフィードバックを反映。主な改善はエージェント的コーディングベンチマークとマルチターン会話での推論トレース保持機能。一般知識スコアはほぼ同等です。

▲

121%

今週

Qwen3.6 35B A3B

8682°

#llm #qwen #ビジョン #ビデオ #推論 #コーディング

今週

このモデルを実行

オファー／広告

OpenRouter ターミナル / API

トークンごとに支払い

ブラウザでこのモデルとチャットするか、1つのAPIキーでコードから呼び出せます。

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.

このモデルのガイド

OllamaのインストールとローカルAIの実行方法（Windows、Mac、Linux）

Ollama vs LM Studio (2026)：どのローカルAIアプリを使うべきか、それぞれが動かすトップモデルは？

ローカルAIに実際どれくらいのVRAMが必要？

GGUFファイルとは？量子化モデルの解説（Q4、Q8、fp8、NF4）

すべてのガイド

キャプテンのメモ

Captainによる、ハウスエディター執筆

2026-10-13のメモ

Qwen3.6-35B-A3BはAlibaba Cloudのオープンウェイトマルチモーダルモデルで、ハイブリッドスパースMoEアーキテクチャを採用。総パラメータ350億ながら1トークンあたり30億のみがアクティブで推論コストを抑えています。前モデルからの主な改善点はエージェント的コーディング、特にフロントエンドワークフローとリポジトリレベルのタスクです。ローカル実行や低コストAPI利用が可能な有能なコーダー兼エージェントを求めるなら注目です。

得意分野

エージェント的コーディング：フロントエンドワークフローとリポジトリレベル推論に強み
1トークンあたり30億パラメータのみアクティブで高速かつ低コスト推論
ネイティブ262Kトークンのコンテキストウィンドウ、YaRNで約100万トークンに拡張可能
テキスト、画像、動画入力を統合した思考モード対応
マルチターン会話で推論トレースを保持

注意点

出力トークンは入力の約10倍の0.95ドル／百万トークンで、長いエージェント実行はコストがかさむ。
ハイブリッド線形アテンションは標準トランスフォーマーより実績が少なく、一部推論環境で対応が遅れる可能性あり。
視覚・動画入力の品質は公開結果で独立評価されていない。

最適な用途

試してみるプロンプト

読みづらいコードベースのリファクタリング

Reactフロントエンドで状態管理が800行のApp.jsに集中し、コンポーネントもカスタムフックもなく、propsは4階層もドリルダウンされています。構造を分析し、最も問題の大きい3点を特定し、具体的なリファクタリング計画をファイル名と変更順序付きで作成してください。

多段階エージェント計画

bashとファイル編集ツールを使えるエージェントです。ユーザーのPythonプロジェクトが外部APIへの実ネットワーク呼び出しに依存する3つの不安定なテストでCIが失敗しています。テストの場所特定、モッキング戦略設計、修正実装、プロダクションコードに触れず検証する手順を説明してください。

難解な推論パズル

5人のエンジニアがそれぞれ異なるプログラミング言語を担当し、異なる飲み物を飲み、異なるタイムゾーンで働いています。Rustエンジニアはエスプレッソを飲み、UTC+9のエンジニアはPython担当。TypeScriptエンジニアはコーヒー飲みのすぐ左にいます。GoエンジニアはUTC-5勤務。お茶を飲んでいるのは誰で、どの言語を使っていますか？ステップごとに推論を示してください。

比較する

Qwen3.7 Flash
API専用モデル
1,000,000トークンのコンテキスト · $0.03/M 入力、$0.13/M 出力
Qwen3.8 Max (0902)
API専用モデル
1,000,000トークンのコンテキスト · $2.00/M 入力、$6.00/M 出力
Qwen3.8 Omni Flash
API専用モデル
1,000,000トークンのコンテキスト · $0.15/M 入力、$0.47/M 出力
Qwen3.5 Plus 2026-02-15
API専用モデル
1,000,000トークンのコンテキスト · $0.26/M 入力、$1.56/M 出力

qwenの他のテキストモデル

よくある質問

Qwen3.6-35B-A3Bをローカルで実行できますか？: はい。Apache 2.0ライセンスで重みが公開されており、Hugging Faceで入手可能です。Transformers、vLLM、SGLang、KTransformersに対応。1トークンあたり30億パラメータのみアクティブなので、350億の総パラメータ数ほどメモリは必要ありませんが、VRAMガイドを確認してください。
料金とコンテキスト長は？: API経由で入力は100万あたり0.10ドル、出力は100万あたり0.95ドル。ネイティブのコンテキストは262,144トークンで、YaRNで約100万トークンに拡張可能。
Qwen3.6-35B-A3BはQwen3.5-35B-A3Bとどう違いますか？: Qwen3.6は直接の後継で、コミュニティのフィードバックを反映。主な改善はエージェント的コーディングベンチマークとマルチターン会話での推論トレース保持機能。一般知識スコアはほぼ同等です。

キャプテンの評価
オープンウェイト、マルチモーダル入力、長コンテキスト、競争力のあるエージェント的コーディングを低価格で実現した稀有な組み合わせです。

Hugging Faceのモデルカード

キャプテンはモデルの説明とモデルカードからこれらのメモを書いています。価格やコンテキストサイズは執筆時点の提供元のもので、変更されることがあります。

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

Qwen3.6 35B A3B の人気トレンド

27 Apr 2026以降のヒートスコア

ヒートスコア

8,682°

今週

▲

121%

8,578° 当時、8,682° 今

今月

n/a

まだリリース/追跡されていません

過去1年

n/a

まだリリース/追跡されていません

7,000°

基準値

スケールは0°から9,999°までです。7,000°未満はまだどのソースも報告していないモデル用に確保されており、リストを完全に保つために仮の数値が割り当てられています。7,000°が実際のデータが始まる地点で、実データがほとんどないモデルはここに位置し、それより上の度数が測定値です。基準値自体はモデルについて何も示さず、上の度数だけがモデル間の違いを示します。

+1,365°

OpenRouterトークン

このモデルは過去30日間にOpenRouter経由で355,046,263,575トークンを処理しました。プロンプトと回答の合計です。10,000,000トークンごとに1ダウンロードとしてカウントし、合計35,504です。最終日のトークンは採用率に加算されます。出典：OpenRouter (openrouter.ai/rankings)。

+317°

普及率

ソースの2回の読み取り間で測定された1日あたり約16,735回のダウンロードです。生涯平均からの推測ではありません。速度はダウンロード項目の4分の1の重みで、新しい急増を示しつつ、1日の急激な増加が何年もの使用を上回らないようにしています。

詳細な内訳を表示

このサイトのすべての数字は確認できます。このモデルのヒートスコアは8,682°で、ここでは一つずつ要素を積み上げていき、各段階の合計を示しています：基準値、各ソースが加える度数、モデルの種類によるボーナス、そして重みの年齢による減算。色は上のチャートの帯を表しています。最後の用語集で全ての用語を定義しています。

1
基準値から始めます。
なぜ7,000°でゼロではないのか：スケールは0°から9,999°までで、7,000°未満はまだどのソースも報告していないモデル用に確保されており、仮の数値が割り当てられてリストを完全に保ち、データのあるモデルより上位にならないようにしています。7,000°が実際のデータが始まる地点です。実データがほとんどないモデルはここに位置し、それ以降が測定値で、基準値の上には10段階の10倍増が300°ずつあります。基準値はすべてのモデルで同じなので、何も決めません。違いを決めるのはその上の度数です。
7,000°
累計合計
2
ダウンロード数を加算します。
合計でOpenRouterトークンから35,504のダウンロード相当数。ダウンロード数が10倍になると同じ300°が加算されるので、サイズは重要ですがスコアを独占することはありません。
+1,365°
8,365°
累計合計
3
普及率を追加します。
現在、2回の計測間で約16,735ダウンロード/日で、重みは4分の1です。
+317°
8,682°
累計合計
=
ヒートスコア。
このモデルがこのサイトのすべてのリストでどの位置にいるか。これ以外の調整はありません。
8,682°

用語集：ここで使われている用語

ヒートスコア: モデルが今どれだけ使われていて求められているかを示す1つの数字。0°から9,999°まで。ここで「最も熱い」と言われるすべてのリストはこれで並べられています。
フロア: 実データのあるすべてのモデルが7,000°からスタートする基準点。スケールは0°から9,999°までで、フロア以下はデータのないモデル用に確保されているので、データのあるモデルは必ず上位になります。フロアは全員共通で順位には影響しません。フロアを超えた度数が実際の評価です。
ダウンロード相当数: スコアがダウンロードとして扱うすべてのものを合計：ダウンロードそのもの、各トレントシーダーは1,000、各AI Horde画像と生成サイトでの実行は1としてカウント。
対数スケール: 1ずつではなく10ずつ数えます：1,000から10,000ダウンロードに増えるのは、10,000から100,000に増えるのと同じ度数を加算。巨大なものが他を圧倒しないようにしています。
いいね: すべてのソースからのサムズアップといいね。対数スケールでダウンロードの半分の価値があります。
普及率: 2回の計測の差からわかる、今の1日あたりのダウンロード数。ダウンロード項目の4分の1の重みです。
測定済みと推定: 測定済みは、あるソースの2つの読み取り値が存在し、その差が実際のものであることを意味します。推定は、今日の合計だけがわかっていて、過去の値はモデルの寿命にわたって分配されていることを意味します。サイトはどちらを表示しているかを示します。
シーダー: トレント経由で他の人がダウンロードできるように重みのコピーをオンラインで保持している人、または同じことをするホストされたミラーのことです。それぞれが1,000ダウンロードとしてカウントされます。
AI Horde: 寄付されたコンピューターで無料で画像を生成するボランティアネットワークです。モデルで作成した画像の数は公開されており、それぞれが1ダウンロードとしてカウントされます。
生成サイト: PixAI、SeaArt、Yodayoのように、自分のモデルのコピーをホストして人々が生成できるサイトです。これらのダウンロードはCivitaiのものと同じようにカウントされ、各生成実行が1ダウンロードとして数えられます。
OpenRouterトークン: ClaudeやGPTのようなAPI経由で提供されるテキストモデルはダウンロードする重みがなく、その利用はトークン数で測定されます。トークンとはOpenRouterを通じて読み書きされたテキストの断片で、OpenRouterは多くのアプリが利用するゲートウェイです。過去30日間のトークン数を10,000,000トークンごとに1ダウンロードとしてカウントします。出典：OpenRouter (openrouter.ai/rankings)、CC BY 4.0。
完全モデル（チェックポイント）: 重みそのもので、単独で生成を行うファイルです。アドオンがこれに依存しているためボーナスがつきます。
LoRAと埋め込み: 他人の重みを特定のスタイル、キャラクター、コンセプトに向けて調整する小さなアドオンファイルです。単独では動作しません。
ファミリーと重み: モデルが基づいているベースで、SD 1.5、SDXL、Flux、Wanなどがあります。すべてのモデルはそのファミリーの重みのリリース日を継承します。
年齢: ファミリーの重みがリリースされてからの経過時間に応じて減点されます：1年で150°、最大750°まで。古いダウンロードはリストの上位を凍結して積み上げられます。
ファミリーブースト: このサイトが現在推しているファミリーのLoRAに対する小さく制限された後押しで、常に内訳に表示されます。
代替スコア: まだソースから報告がないモデルに与えられる安定した最低値で、リストが完全なままでいられます。データのあるモデルより上位には決してなりません。
新着！(猶予期間): 7日未満の新しいモデルはスコアの代わりに「新着！」と表示され、ランキングには入りません。スコアは初日から計算されますが、1日目のモデルは非常に急速に成長するため、猶予期間なしでは常に昨日リリースされたモデルが今週の#1になってしまいます。
トレンド: ある期間におけるモデルの成長が、同じ期間の典型的なモデルの成長と比べてどうかを示します。典型より速ければ上昇、遅ければ下降と読みます。
典型的なモデル: カタログの真ん中にあたるモデルで、数値があるモデルの半分はこの期間により速く成長し、半分は遅く成長しています。

このモデルの人気がカタログ全体と比べてどう動いたかを示してるよ。期間ごとのダウンロード数、いいね数、使用数の伸びを、同じ期間の普通のモデルの伸びと比べてる。熱スコアもその時点のものだよ。普通の伸びより上なら人気が上がってる、下なら下がってるってこと。過去のデータは今日の合計、モデルの初日、ダウンロード速度の2回の計測から再構成してる。期間の初めに存在しなかったモデルはn/aになるよ。