Qwen 3.6-35B-A3B 开源：30 亿活跃参数模型在 nexu 平台落地，SWE-bench 验证率超 73%
更新背景与核心突破
2026 年 4 月 16 日，阿里通义千问团队正式发布了 Qwen 3.6-35B-A3B，这是 Qwen 3.6 系列中首个开源权重的模型。该模型的发布标志着 AI 智能体（Agent）领域的一次重要范式转移：开源模型不再仅仅是实验性尝试，而是具备了在真实 GitHub 问题修复和代码审查任务中超越闭源旗舰模型（如 Claude Sonnet）的实战能力。
与以往不同，Qwen 3.6-35B-A3B 采用了创新的 Sparse MoE（稀疏混合专家） 架构，在保持 350 亿总参数量的同时，将活跃参数（Active Parameters）压缩至仅 30 亿。这一架构特性使得模型在推理成本上接近 3-4B 的稠密模型，却拥有接近 35B 模型的性能表现，彻底打破了“高参数=高成本”的传统认知。
关键技术指标与架构亮点
该模型在技术规格上实现了多项突破，特别针对 Agent 场景进行了深度优化：
- 稀疏 MoE 架构：包含 256 个专家网络，采用 8 个路由专家 + 1 个共享专家的结构，显著降低了计算负载。
- 超长上下文支持：原生支持 262,144 tokens，并通过 YaRN 技术扩展至约 1.01M tokens，完美适配长文档分析与复杂任务规划。
- KV Cache 优化：采用 Gated DeltaNet + Gated Attention 机制，查询头（Query Heads）为 16，键值头（KV Heads）仅为 2，极大缓解了显存压力，使 64K 上下文任务在消费级显卡上也能流畅运行至 128K+。
- SWE-bench Verified 表现：达到 73.4% 的验证率，超越闭源模型 Claude Sonnet 4.6（约 71%），在代码生成与调试任务中表现强劲。
在 nexu 平台的应用价值
Qwen 3.6-35B-A3B 的发布与 nexu（OpenClaw 桌面客户端）的深度集成，为开发者提供了极佳的本地化 Agent 部署方案。
- 无缝集成：nexu 用户无需修改提示词（Prompt），直接配置模型标识符为
qwen3.6-35b-a3b即可使用。支持通过 Ollama、vLLM、SGLang 等本地运行时，或 DashScope、OpenRouter 等云端端点运行。 - 本地优先策略：对于需要数据隐私合规（如医疗、法律行业）或希望避免 API 费用的场景，该模型允许开发者在本地 GPU 或 M 系列 Mac 上运行复杂的代码审查（Code Review）和 PR 分诊任务。
- 混合部署策略：建议开发者采用“混合模式”——将 80% 的常规 Agent 任务（如总结、草案生成）路由至本地 Qwen 3.6-35B-A3B，仅将高难度推理任务路由至闭源旗舰模型（如 Qwen 3.6-Max-Preview），以平衡成本与性能。
行业意义与展望
Qwen 3.6-35B-A3B 的发布打破了开源模型在智能体领域的“性能天花板”。随着 DeepSeek V3.5、Llama 4.2 Scout 等模型相继突破 70% 的 SWE-bench 门槛，闭源模型在“模型质量”上的护城河已不复存在。未来的竞争焦点将转向产品化能力（如 Claude Code 的特定工作流、ChatGPT Pulse 的集成度）。
对于独立开发者而言，这意味着可以构建完全自主可控的 Agent 栈，无需依赖昂贵的 API 调用。随着社区对 GGUF/MLX 量化版本的支持以及 vLLM/SGLang 对该 MoE 架构的适配，Qwen 3.6-35B-A3B 有望成为下一代本地智能体生态的基石。
"Open-weight models crossing the 70% SWE-bench Verified line was the moment the agent-stack economics flipped." —— 官方团队关于开源模型改变智能体经济学的总结
