Qwen3.6-35B-A3B

Publié par Qwen le 16 avril 2026, Qwen3.6-35B-A3B est un modèle de langage causal avec encodeur vision. Son architecture Mixture of Experts réunit Gated DeltaNet et Gated Attention, avec 35 milliards de paramètres au total, dont 3 milliards activés.

Le modèle se distingue par une fenêtre native de 262 144 tokens, extensible à 1 010 000 tokens, et par un positionnement très économique. Distribué sous licence Apache 2.0 avec usage commercial autorisé, il est proposé au format Hugging Face Transformers et compatible avec vLLM, SGLang et KTransformers.

Caractéristiques

Indices de synthèse

Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.

Performances (benchmarks)

« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.

Comment se situe-t-il ?

Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 94 % en dessous de la moyenne des LLM similaires, et 42,3 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).

Coût & vitesse agentiques

Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.

Notre analyse

Forces. Qwen3.6-35B-A3B obtient des résultats parfaits sur General Knowledge et Ethics, avec une place dans le top 10 de ces deux benchmarks. Email Classification atteint également un niveau très élevé. Reasoning et Mathematics se situent dans le tiers supérieur de leurs classements respectifs. À sa sortie, le modèle figurait dans le top 18% des LLM de sa génération sur GPQA, ce qui le plaçait dans le haut du panier sur cette évaluation. Son coût constitue un autre avantage net : la tarification est inférieure de 93% à la moyenne des LLM similaires et environ 39,3 fois moins élevée que celle des modèles frontière.

Limites et points d'attention. Les indices synthétiques nuancent ces résultats : Intelligence Index reste en milieu de tableau, tandis que Code Index et Agentic Index ne placent pas le modèle parmi les références de leurs catégories. Le classement sur Hallucinations demeure également intermédiaire malgré un score brut élevé. Ses fonctions de codage agentique ciblent les workflows frontend, le raisonnement à l'échelle d'un dépôt et la conservation du contexte de raisonnement historique, mais les évaluations disponibles ne le positionnent pas au sommet sur l'agentique. Qwen3.6-35B-A3B vise ainsi les déploiements économiques à long contexte, notamment pour le code et les traitements mêlant texte et vision.

Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Benchable.ai (benchable.ai).