2026 年 4 月 16 日，阿里巴巴 Qwen 團隊開源 Qwen3.6-35B-A3B——Qwen3.6 系列第一個開放權重版本，Apache-2.0 授權，總參數 35B、每個 token 僅啟動約 3B。官方標題直白：「Agentic coding power, now open to all」。這是二月 Qwen3.5 後又一次「大總參、小激活」投放，主打代理式編碼。同一天 Anthropic 發布 Claude Opus 4.7，Simon Willison 在筆電上讓兩者同場競技，讓不少人重新估計開源權重的位置。
首個開放權重的 Qwen3.6
依模型卡，Qwen3.6 依社群回饋打造，優先「穩定性與實際效用」。兩個重點改進：代理式編碼——前端工作流與倉庫級推理更流暢；Thinking Preservation——保留歷史訊息的推理上下文，迭代開發不必反覆重算。模型為多模態（視覺編碼器支援圖片與影片輸入），原生上下文 262,144 tokens，可擴展至 1,010,000。
混合架構：線性注意力與 256 個專家
模型是 40 層 MoE，256 個專家中每 token 啟動 8 路由專家加 1 共享專家。布局混合兩種注意力：每個大區塊由 3 個 Gated DeltaNet 接 MoE、再加 1 個 Gated Attention 接 MoE，重複十次。線性注意力壓低長上下文成本，稀疏 GQA 保留關鍵檢索能力，百萬級上下文與筆電可跑因此能寫進同一份規格表。
代理編碼基準成績
最醒目的跳升在 Terminal-Bench 2.0：51.5，高於 Qwen3.5-35B-A3B 的 40.5 與 Qwen3.5-27B 的 41.6。SWE-bench Verified 73.4（Qwen3.5-27B 為 75.0、前代 A3B 為 70.0），Multilingual 67.2、Pro 49.5。內部前端代碼基準 QwenWebBench 拿到 1397 評級。數學與知識面：AIME26 92.7、GPQA 86.0、LiveCodeBench v6 80.4。視覺面 MMMU 81.7、OmniDocBench1.5 89.9，文件理解對代理讀截圖很實用。
筆電上的鵜鶘測試
發布當天下午，Simon Willison 用 Unsloth 的 20.9GB Q4_K_S GGUF 量化版，在 MacBook Pro M5 上透過 LM Studio 跑這個模型，與 Claude Opus 4.7 比「鵜鶘騎自行車」SVG 基準。結果 Qwen 勝出：Opus 畫壞了車架，thinking_level 設為 max 的重試也沒更好。為排除針對測試訓練的嫌疑，他動用保密備用題「火烈鳥騎獨輪車」：Qwen 又贏，還在 SVG 留下「太陽眼鏡！」註解。他的結論清醒：21GB 量化模型不見得比最新閉源模型更強或更有用，但「如果你需要的正是一張鵜鶘騎自行車的 SVG，現在筆電上的 Qwen3.6-35B-A3B 是比 Opus 4.7 更好的選擇」。他的貼文拿下 463 點，官方發布帖更衝上 1,274 點、532 則留言。
部署與最佳實踐
權重相容 Transformers、vLLM、SGLang 與 KTransformers，可搭配 Qwen-Agent 或 OpenAI 相容端點。官方建議思考模式溫度 1.0（精確編碼 0.6）、top_p 0.95；多數查詢輸出 32,768 tokens，競賽級難題可到 81,920。20.9GB 的量化檔就能在筆電跑出接近前沿的編碼代理——這印證年初對 2026 年開源陣營走向的判斷：開放權重把前沿能力推向本地硬體，閉源優勢正被壓縮到需要超大規模推論的任務。
參考來源
- Qwen3.6-35B-A3B: Agentic coding power, now open to all — Qwen
- Qwen/Qwen3.6-35B-A3B — Hugging Face
- Qwen3.6-35B-A3B on my laptop drew me a better pelican than Claude Opus 4.7 — Simon Willison
本文由 AI 協助自上述來源整理，經人工審核後發布。