Qwen3.6 35B A3B
性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,便宜 86%。
有 39 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 36 个。
截至 2026年11月16日,Qwen3.6 35B A3B(Alibaba)在 BenchLeader Index 上得分 51.8(共 608 个已排名配置)。表现最好的是指令遵循(64),最弱的是推理(36)。API 价格为输入每百万 token $0.375、输出每百万 token $2.25(按 3:1 混合为 $0.844),为 2026年11月16日的标价。输出速度约为 120 token/秒(Artificial Analysis)。发布于 2026年4月14日。
要点(截至 2026年11月16日)
- Qwen3.6 35B A3B 的 API 价格为输入每百万 token $0.375、输出每百万 token $2.25(按 3:1 混合为 $0.844)(标价,2026年11月16日)。
- Qwen3.6 35B A3B 的输出速度约为 120 token/秒(Artificial Analysis,2026年11月16日)。
- Qwen3.6 35B A3B 于 2026年4月14日发布(Alibaba)。
详细说明:Qwen3.6 35B A3B 是 Alibaba 的开放权重推理模型,发布于 2026年4月14日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 51.8 ±9.6,在 608 个配置中排第 302 名,处于上半区。关键在于这个“±”:另有 438 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,指令遵循得分最高(64),推理最低(36)。按混合价格计,每百万 token $0.848,价格居中。输出速度为 121 token/秒,首次回答需 18.5 秒,位于最快的四分之一。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4月16日。数据较旧:六个月内没有新结果
- 混合价格
- $0.848/M
- 输入 $0.380 · 输出 $2.25
- 来源:Artificial Analysis
- 输出速度
- 121 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 19 s
- 首 token 0.52 s
- 上下文
- 262k
- 来源:models.dev
- 完整回答
- 53 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2026年4月14日
- 综合 Index52
- 推理36
- 智能体与工具46
- 指令遵循64
- 多模态57
- 长上下文60
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/qwen3-6-35b-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本页 | 2026年4月14日 | 51.8 | #302 |
| Qwen3.5-35B-A3B | 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- thinking
- 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 | 84.8%#104 | – | 83.8%#110 | Epoch AI Benchmarking Hub | |
| GPQA Diamond (AA)不计入 Index | 81.7%#181 | 84.1%#152 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 13.9%#282 | 22.2%#218 | – | Artificial Analysis | |
| HLE-Diamond (AA) | – | 6.9%#134 | – | Artificial Analysis | |
| CritPt不计入 Index | 0.0%#337 | 0.3%#291 | – | Artificial Analysis | |
| Mystery Game Puzzles不计入 Index | 22.0%#59 | – | – | Epoch AI Benchmarking Hub | |
| LMCA不计入 Index推理强度未说明 | – | – | 29.7%#142 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | – | 73.9%#160 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| SciCode | 1.3%#236 | – | 36.6%#201 | SciCode | |
| WeirdML推理强度未说明 | – | – | 34.5%#131 | WeirdML | |
| SciCode (AA)不计入 Index | – | 36.6%#212 | – | Artificial Analysis | |
| Surface Evolver Bench不计入 Index推理强度未说明 | – | – | 44.4%#22 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 4.0 (AA)不计入 Index | – | 0.0%#186 | – | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index | 41.6%#139 | 44.9%#131 | – | Artificial Analysis |
智能体与工具
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Terminal-Bench推理强度未说明 | – | – | 24.6%#81 | Terminal-Bench | |
| Terminal-Bench Hard | 25.8%#138 | 34.9%#82 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 85.1%#95 | 95.3%#23 | – | Artificial Analysis | |
| GDPval-AA v2.1, normalised score不计入 Index | 17.3%#102 | 19.6%#99 | – | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index | 854#204 | 899#200 | – | Artificial Analysis | |
| τ³-Banking (AA) | 5.4%#182 | 9.3%#153 | – | Artificial Analysis | |
| AutomationBench不计入 Index | – | 5.2%#197 | – | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index | – | 6.6%#182 | – | Artificial Analysis | |
| AA-Briefcase v1.1不计入 Index | – | 713#202 | – | Artificial Analysis |
数学
| 基准测试 | 无推理 | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| FrontierMath Tiers 1–3 | 20.4%#92 | 17.5%#103 | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 68.9%#153 | 86.7%#97 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| IFBench | 36.2%#309 | 64.3%#110 | Artificial Analysis |
多模态
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| MMMU-Pro | 71.0%#153 | 75.0%#116 | Artificial Analysis |
长上下文
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA-LCR v1.1 | 64.3%#276 | 71.7%#213 | Artificial Analysis | |
| MLCR不计入 Index | – | 5.0%#156 | 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#96 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 15.2#296 | 18.2#265 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 246.3#274 | 261.5#238 | – | 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 |
|---|---|---|---|---|---|---|
| AtlasCloud | 131 tok/s | 0.59 s | $0.250 | $1.25 | 262k | fp8 |
| DeepInfra | 118 tok/s | 0.47 s | $0.150 | $1.43 | 262k | fp8 |
| DeepInfra | 115 tok/s | 1.25 s | $0.080 | $0.760 | 262k | fp8 |
| DekaLLM | 107 tok/s | 1.12 s | $0.100 | $1.00 | 262k | – |
| DeepInfra | 91 tok/s | 0.76 s | $0.100 | $0.950 | 262k | fp8 |
| CoreWeave | 83 tok/s | 0.26 s | $0.100 | $0.890 | 262k | fp8 |
| Parasail | 82 tok/s | 0.52 s | $0.100 | $0.900 | 262k | fp8 |
| Darkbloom | 81 tok/s | 1.52 s | $0.050 | $0.700 | 262k | fp4 |
| Venice | 76 tok/s | 0.69 s | $0.100 | $1.00 | 256k | fp8 |
| Prime Intellect | 58 tok/s | 0.41 s | $0.065 | $0.597 | 262k | fp8 |
| AkashML | 58 tok/s | 1.08 s | $0.100 | $0.900 | 262k | fp8 |
| SiliconFlow | 29 tok/s | 1.51 s | $0.240 | $1.80 | 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 $0.100。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 | $0.0008 | $0.0007 | 21.0 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0059 | $0.0034 | 23.5 s |
| 代码编辑 | 6,000 / 1,500 | $0.0057 | $0.0044 | 30.9 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.032 | $0.019 | 51.5 s |
| 结构化信息提取 | 2,000 / 200 | $0.0012 | $0.0008 | 20.2 s |
Alibaba 的更多模型
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Qwen3.6 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/qwen3-6-35b-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). Qwen3.6 35B A3B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/qwen3-6-35b-a3b
BibTeX:
@misc{benchleader_qwen3_6_35b_a3b_20261116,
author = {{BenchLeader}},
title = {{Qwen3.6 35B A3B on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/qwen3-6-35b-a3b}},
note = {Data as of 2026-11-16}
}常见问题
- Qwen3.6 35B A3B 的基准测试得分是多少?
- 截至 2026年11月16日,Qwen3.6 35B A3B(推理强度 thinking)的 BenchLeader Index 为 51.8 ±9.6。最强的是指令遵循(64),最弱的是推理(36)。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。
- Qwen3.6 35B A3B 排名第几?
- 截至 2026年11月16日,Qwen3.6 35B A3B(推理强度 thinking)在 608 个已排名配置中排第 302 名。另有 438 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。
- Qwen3.6 35B A3B 每百万 token 的价格是多少?
- 截至 2026年11月16日,Qwen3.6 35B A3B 的价格为输入每百万 token $0.380、输出每百万 token $2.25,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.848。
- Qwen3.6 35B A3B 是什么时候发布的?
- Alibaba 于 2026年4月14日发布了 Qwen3.6 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,《Qwen3.6 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/qwen3-6-35b-a3b。