Qwen3.5-35B-A3B
性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,便宜 83%。
有 46 个更便宜的已排名模型得分更高:DeepSeek V4.1 Flash (58.5, $0.525)、GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475),另有 43 个。
截至 2026年11月16日,Qwen3.5-35B-A3B(Alibaba)在 BenchLeader Index 上得分 49.9(共 608 个已排名配置)。表现最好的是推理(59),最弱的是编程(37)。API 价格为输入每百万 token $0.250、输出每百万 token $2.00(按 3:1 混合为 $0.688),为 2026年11月16日的标价。输出速度约为 27 token/秒(OpenRouter)。发布于 2026年2月24日。
要点(截至 2026年11月16日)
- Qwen3.5-35B-A3B 的 API 价格为输入每百万 token $0.250、输出每百万 token $2.00(按 3:1 混合为 $0.688)(标价,2026年11月16日)。
- Qwen3.5-35B-A3B 的输出速度约为 27 token/秒(OpenRouter,2026年11月16日)。
- Qwen3.5-35B-A3B 于 2026年2月24日发布(Alibaba)。
详细说明:Qwen3.5-35B-A3B 是 Alibaba 的开放权重模型,发布于 2026年2月24日。其最佳配置在 BenchLeader Index 上得分 49.9 ±5.9,在 608 个配置中排第 351 名,处于下半区。关键在于这个“±”:另有 300 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,推理得分最高(59),编程最低(37)。按混合价格计,每百万 token $0.688,价格居中。输出速度为 27 token/秒,首 token 延迟 0.5 秒,位于最慢的四分之一。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $0.688/M
- 输入 $0.250 · 输出 $2.00
- 来源:models.dev
- 输出速度
- 27 tok/s
- OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
- 首次回答
- 0.52 s
- 上下文
- 262k
- 来源:models.dev
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2026年2月24日
- 综合 Index50
- 推理59
- 编程37
- 数学47
- 人类偏好56
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/qwen3-5-35b-a3b)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Alibaba 以这个名称发布过 2 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Qwen3.6 35B A3Bthinking | 2026年4月14日 | 51.8 | #302 |
| Qwen3.5-35B-A3B本页 | 2026年2月24日 | 49.9 | #351 |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年9月8日 至 2026年11月16日- 默认
- 无推理
Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA Openness Index不计入 Index | 38.9#155 | 38.9#155 | Artificial Analysis |
推理
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| GPQA Diamond | 81.2%#132 | – | 83.5%#112 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts推理强度未说明 | – | – | 1412#169 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 81.9%#179 | 84.5%#140 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 13.4%#288 | 21.0%#229 | – | Artificial Analysis | |
| CritPt不计入 Index | 0.6%#274 | 0.9%#256 | – | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | – | 1420#152 | Arena (LMArena) | |
| LMCA不计入 Index推理强度未说明 | – | – | 29.5%#145 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | – | 80.0%#140 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 无推理 | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| SciCode | 29.3%#219 | – | SciCode | |
| Arena Coding推理强度未说明 | – | 1435#172 | Arena (LMArena) | |
| Arena WebDev推理强度未说明 | – | 1253#137 | Arena (LMArena) | |
| ALE-Bench不计入 Index推理强度未说明 | – | 221.8#137 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 2.1 (AA)不计入 Index | 40.8%#140 | – | Artificial Analysis |
智能体与工具
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| Terminal-Bench Hard | 10.6%#226 | 26.5%#132 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 86.3%#89 | 89.2%#70 | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index | 616#228 | – | Artificial Analysis | |
| τ³-Banking (AA) | 5.0%#188 | – | Artificial Analysis | |
| ITBench SRE (AA)不计入 Index | – | 21.5%#39 | Artificial Analysis |
数学
| 基准测试 | 无推理 | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| OTIS Mock AIME | 70.0%#151 | 54.4%#189 | Epoch AI Benchmarking Hub | |
| AIME 2026推理强度未说明可能存在污染 | – | 93.3%#23 | MathArena | |
| HMMT February 2026推理强度未说明可能存在污染 | – | 81.8%#26 | MathArena | |
| MathArena Apex推理强度未说明可能存在污染 | – | 4.2%#28 | MathArena | |
| Arena Maths推理强度未说明 | – | 1397#158 | Arena (LMArena) |
知识
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| Global-MMLU-Lite (AA)不计入 Index | 82.4%#56 | 86.4%#33 | Artificial Analysis |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 44.5%#215 | 72.5%#47 | – | Artificial Analysis | |
| Arena Instruction Following不计入 Index推理强度未说明 | – | – | 1387#159 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1394#165 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1342#184 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1394#168 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1399#171 | Arena (LMArena) |
多模态
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| MMMU-Pro | 69.2%#169 | 72.7%#144 | Artificial Analysis |
长上下文
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA-LCR v1.1 | 63.0%#287 | 72.0%#208 | Artificial Analysis |
综合
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | 144.0#97 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 15.1#298 | 19.3#253 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 238.1#295 | 248.4#267 | – | Artificial Analysis |
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| Venice | 136 tok/s | 0.65 s | $0.150 | $1.00 | 256k | – |
| Parasail | 112 tok/s | 0.61 s | $0.150 | $1.00 | 262k | fp8 |
| Alibaba Cloud Int. | 99 tok/s | 0.85 s | $0.163 | $1.30 | 262k | – |
| Darkbloom | 65 tok/s | 0.88 s | $0.065 | $0.750 | 262k | fp4 |
| SiliconFlow | 60 tok/s | 0.76 s | $0.240 | $1.80 | 262k | fp8 |
| AtlasCloud | 43 tok/s | 4.23 s | $0.225 | $1.80 | 262k | fp8 |
| DeepInfra | 26 tok/s | 0.47 s | $0.140 | $1.00 | 262k | fp8 |
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.050。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0007 | $0.0006 | 11.6 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0042 | $0.0024 | 22.7 s |
| 代码编辑 | 6,000 / 1,500 | $0.0045 | $0.0036 | 56.1 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.023 | $0.014 | 2.5 min |
| 结构化信息提取 | 2,000 / 200 | $0.0009 | $0.0006 | 7.9 s |
将 Qwen3.5-35B-A3B 与以下模型对比
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Qwen3.5-35B-A3B 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/qwen3-5-35b-a3b)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Qwen3.5-35B-A3B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/qwen3-5-35b-a3b
BibTeX:
@misc{benchleader_qwen3_5_35b_a3b_20261116,
author = {{BenchLeader}},
title = {{Qwen3.5-35B-A3B on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/qwen3-5-35b-a3b}},
note = {Data as of 2026-11-16}
}常见问题
- Qwen3.5-35B-A3B 的基准测试得分是多少?
- 截至 2026年11月16日,Qwen3.5-35B-A3B 的 BenchLeader Index 为 49.9 ±5.9。最强的是推理(59),最弱的是编程(37)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Qwen3.5-35B-A3B 排名第几?
- 截至 2026年11月16日,Qwen3.5-35B-A3B 在 608 个已排名配置中排第 351 名。另有 300 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Qwen3.5-35B-A3B 每百万 token 的价格是多少?
- 截至 2026年11月16日,Qwen3.5-35B-A3B 的价格为输入每百万 token $0.250、输出每百万 token $2.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.688。
- Qwen3.5-35B-A3B 比 Nemotron 3.5 Super VL 120B A12B 更好吗?
- 截至 2026年11月16日,Nemotron 3.5 Super VL 120B A12B 与 Qwen3.5-35B-A3B 的质量不相上下(BenchLeader Index 50.4 比 49.9,在 ±10.6 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- Qwen3.5-35B-A3B 是什么时候发布的?
- Alibaba 于 2026年2月24日发布了 Qwen3.5-35B-A3B。BenchLeader 收录了它在 3 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《Qwen3.5-35B-A3B:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/qwen3-5-35b-a3b。