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.
提供商
不同公司托管同一模型。OpenRouter 根据您选择的路由模式将请求路由到其中一家公司:Balanced(价格 + 速度)、Nitro(速度最快)或 Floor(价格最低)。
| US$0.05 | US$0.700 | US$0.025 | 0.54s | 67 tok/s | ||
| US$0.10 | US$0.890 | US$0.035 | 6.39s | 18 tok/s | ||
| US$0.25 | US$1.250 | US$0.250 | 1.04s | 77 tok/s | ||
| US$0.10 | US$0.900 | US$0.050 | 1.64s | 19 tok/s | ||
| US$0.11 | US$1.010 | US$0.099 | 2.37s | 38 tok/s | ||
| US$0.15 | US$1.425 | US$0.150 | 0.92s | 14 tok/s | ||
| US$0.10 | US$1.000 | -- | 0.91s | 14 tok/s | ||
| US$0.10 | US$0.950 | US$0.100 | 0.90s | 17 tok/s | ||
| US$0.24 | US$1.800 | US$0.150 | 25.42s | 6 tok/s | ||
| US$0.10 | US$0.900 | US$0.025 | 0.62s | 82 tok/s | ||
不用于 Standard 路由:未使用这些端点的原因 | ||||||
| US$0.08 | US$0.760 | US$0.080 | 2.53s | 16 tok/s | ||

- 输入 /百万
- US$0.05
- 输出 /百万
- US$0.70
- 缓存读取 /百万
- US$0.025
- 延迟
- 0.54s
- 吞吐量
- 67 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.10
- 输出 /百万
- US$0.89
- 缓存读取 /百万
- US$0.035
- 延迟
- 6.39s
- 吞吐量
- 18 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.25
- 输出 /百万
- US$1.25
- 缓存读取 /百万
- US$0.25
- 延迟
- 1.04s
- 吞吐量
- 77 tok/s
- 正常运行时间
- 43.14%
- 输入 /百万
- US$0.10
- 输出 /百万
- US$0.90
- 缓存读取 /百万
- US$0.05
- 延迟
- 1.64s
- 吞吐量
- 19 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.11
- 输出 /百万
- US$1.01
- 缓存读取 /百万
- US$0.099
- 延迟
- 2.37s
- 吞吐量
- 38 tok/s
- 正常运行时间
- 99.88%
Priority- 输入 /百万
- US$0.15
- 输出 /百万
- US$1.425
- 缓存读取 /百万
- US$0.15
- 延迟
- 0.92s
- 吞吐量
- 14 tok/s
- 正常运行时间
- 99.63%
- 输入 /百万
- US$0.10
- 输出 /百万
- US$1.00
- 缓存读取 /百万
- --
- 延迟
- 0.91s
- 吞吐量
- 14 tok/s
- 正常运行时间
- 99.88%

- 输入 /百万
- US$0.10
- 输出 /百万
- US$0.95
- 缓存读取 /百万
- US$0.10
- 延迟
- 0.90s
- 吞吐量
- 17 tok/s
- 正常运行时间
- 99.46%
- 输入 /百万
- US$0.24
- 输出 /百万
- US$1.80
- 缓存读取 /百万
- US$0.15
- 延迟
- 25.42s
- 吞吐量
- 6 tok/s
- 正常运行时间
- 88.77%
- 输入 /百万
- US$0.10
- 输出 /百万
- US$0.90
- 缓存读取 /百万
- US$0.025
- 延迟
- 0.62s
- 吞吐量
- 82 tok/s
- 正常运行时间
- 98.31%
- 不用于 Standard 路由:未使用这些端点的原因
Flex- 输入 /百万
- US$0.08
- 输出 /百万
- US$0.76
- 缓存读取 /百万
- US$0.08
- 延迟
- 2.53s
- 吞吐量
- 16 tok/s
- 正常运行时间
- 93.02%
定价
客户为此模型实际支付的平均价格,与提供商公布的价格并列展示。由于缓存和折扣,实际支付的价格往往远低于标价。
加权平均值
Qwen3.6 35B A3B — 价格历史
| US$0.0407 | US$0.699 | 37.0% | 2.6% | ||
| US$0.0730 | US$0.899 | 53.9% | 13.9% | ||
| US$0.0824 | US$0.889 | 26.8% | 3.5% | ||
| US$0.0999 | US$1.000 | 54.2% | 0.2% | ||
| US$0.1000 | US$0.949 | 51.2% | 7.9% | ||
| US$0.1027 | US$0.990 | 53.6% | 1.0% | ||
| US$0.1500 | US$1.424 | 51.1% | 1.7% | ||
| US$0.2398 | US$1.798 | 0.0% | 0.0% | ||
| US$0.2500 | US$1.250 | 0.0% | 1.7% | ||
| US$0.0429 | US$0.899 | 76.1% | 67.3% | ||
不用于 Standard 路由:未使用这些端点的原因 | |||||
| US$0.0800 | US$0.760 | 32.2% | 0.0% | ||
- 有效输入价格 US$0.0407 / 实际输出 US$0.699token 占比2.6%
- 有效输入价格 US$0.0730 / 实际输出 US$0.899token 占比13.9%
- 有效输入价格 US$0.0824 / 实际输出 US$0.889token 占比3.5%
- 有效输入价格 US$0.0999 / 实际输出 US$1.000token 占比0.2%
- 有效输入价格 US$0.1000 / 实际输出 US$0.949token 占比7.9%
- 有效输入价格 US$0.1027 / 实际输出 US$0.990token 占比1.0%
- 有效输入价格 US$0.1500 / 实际输出 US$1.424Prioritytoken 占比1.7%
- 有效输入价格 US$0.2398 / 实际输出 US$1.798token 占比0.0%
- 有效输入价格 US$0.2500 / 实际输出 US$1.250token 占比1.7%
- 有效输入价格 US$0.0429 / 实际输出 US$0.899token 占比67.3%
- 不用于 Standard 路由:未使用这些端点的原因
- 有效输入价格 US$0.0800 / 实际输出 US$0.760Flextoken 占比0.0%
性能
吞吐量是模型生成内容的速度(每秒 token 数,越高越好)。延迟是完整的往返时间(越低越好)。TTFT 是首个 token 的响应时间,即您看到内容出现前需要等待的时间(越低越好)。
P50,所有提供商中最佳
P50,最佳提供商
正常运行时间
正常运行时间是指过去 3 天中至少有一家提供商响应请求的时间百分比。可用性是指成功提供推理服务的时间百分比。OpenRouter 会持续监控,并在某家提供商返回错误时使用次优提供商。
过去 3 天的可用性
最近 72 小时过去 24 小时的可用性
当上游提供商发生错误时,如果您的请求筛选条件允许,我们可以通过路由到另一家健康的提供商来恢复服务。您可以通过以下接口以编程方式访问各提供商的正常运行时间数据: 端点 API。了解更多有关我们的 负载均衡和提供商路由选项。
基准测试
标准化评测得分,以及此模型针对共用基准测试提示词的实际输出。百分比越高越好,每项排名显示此模型在该来源所评测的模型中的位置。
| 来源 | 基准测试 | 得分 |
|---|---|---|
| Artificial Analysis | Qwen3.6 35B A3B (Non-reasoning) Openness Index | 38.9 |
| Artificial Analysis | Qwen3.6 35B A3B (Non-reasoning) GPQA Diamond | 81.7% |
| Artificial Analysis | Qwen3.6 35B A3B (Non-reasoning) HLE | 13.9% |
| Artificial Analysis | Qwen3.6 35B A3B (Non-reasoning) IFBench | 36.2% |
| Artificial Analysis | Qwen3.6 35B A3B (Non-reasoning) τ²-Bench Telecom | 85.1% |
| Artificial Analysis | Qwen3.6 35B A3B (Non-reasoning) AA-LCR | 64.3% |
| Artificial Analysis | Qwen3.6 35B A3B (Non-reasoning) τ³-Banking | 5.4% |
| Artificial Analysis | Qwen3.6 35B A3B (Non-reasoning) GDPval-AA | 17.7% |
| Artificial Analysis | Qwen3.6 35B A3B (Non-reasoning) CritPt | 0.0% |
| Artificial Analysis | Qwen3.6 35B A3B (Non-reasoning) Terminal-Bench Hard | 25.8% |
| Artificial Analysis | Qwen3.6 35B A3B (Non-reasoning) Terminal-Bench 2.1 | 41.6% |
| Artificial Analysis | Qwen3.6 35B A3B (Non-reasoning) MMMU-Pro | 71.0% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) Openness Index | 38.9 |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) AutomationBench-AA | 5.2% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) GDP.pdf | 6.6% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) GPQA Diamond | 84.1% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) HLE | 22.2% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) IFBench | 64.4% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) τ²-Bench Telecom | 95.3% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) AA-LCR | 71.7% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) τ³-Banking | 9.3% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) GDPval-AA | 19.9% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) CritPt | 0.3% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) HLE-Diamond | 6.9% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) SciCode | 36.6% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) Terminal-Bench Hard | 34.8% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) Terminal-Bench 4.0 | 0.0% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) Terminal-Bench 2.1 | 44.9% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) MLCR-AA | 5.0% |
| Artificial Analysis | Qwen3.6 35B A3B (Reasoning) MMMU-Pro | 75.0% |
应用
向此模型发送最多流量的公开应用。这能很好地反映实际生产工作负载的情况,也能提示此模型最适合哪些用例。
活动
此模型的 token 用量和请求流量随时间的变化。
API
可直接用于调用此模型的代码。OpenRouter 的 API 与 OpenAI 兼容——大多数 SDK 只需替换基础 URL 即可使用。切换模型时,唯一需要更改的是下方的模型标识符。
目前无法通过 EU 区域内路由使用。 区域内路由文档
常见问题
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.
Qwen3.6 35B A3B 的费用为 US$0.05/百万输入 token 和 US$0.70/百万输出 token,Cache Read,价格为 US$0.025/M tokens 单独计费。
Qwen3.6 35B A3B 的上下文窗口为 262,144 个 token。它最多支持 65,536 个补全 token。
支持。在提供 Qwen3.6 35B A3B 的 9 家提供商中,有 7 家支持该模型通过 tools 和 tool_choice 进行函数调用,包含工具的请求会被路由到这些提供商。 它还支持通过 response_format 中的 JSON schema 实现结构化输出。
Qwen3.6 35B A3B 接受 文本、图像和视频 作为输入,并返回 文本。
在 OpenRouter 上,Qwen3.6 35B A3B 由 9 家提供商提供服务:Darkbloom, DeepInfra, CoreWeave, AkashML, Parasail, Venice, Prime Intellect, SiliconFlow 及另外 1 个。 请求会路由至最佳的可用提供商,并在故障时自动切换至其他提供商,您也可以通过提供商路由固定或排除提供商。
Qwen3.6 35B A3B 于 2026年4月27日 发布。
