BenchLeader

Qwen3.6 35B A3B

推理强度
质量第 145 / 339 名
51.8Index
高于中位数
较中位数 +1.6
价格第 126 / 255 名
$0.848每百万 token
比多数便宜
中位数的 1.0 倍
速度第 53 / 216 名
121token/秒
前四分之一
中位数的 1.5 倍
性价比第 120 / 255 名
61.1分/$
高于中位数
中位数的 1.1 倍

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
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index52
  2. 推理36
  3. 智能体与工具46
  4. 指令遵循64
  5. 多模态57
  6. 长上下文60

嵌入这个排名

更多徽章样式
[![Qwen3.6 35B A3B on BenchLeader: 综合第 146 名](https://www.benchleader.com/badge/qwen3-6-35b-a3b.svg?style=compact)](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。

Alibaba 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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-A3B2026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。

推理强度Index排名速度首次回答聊天回复成本类别
无推理44.3#47399 tok/s3.17 s$0.0008智能体与工具 41 · 编程 5 · 指令遵循 39 · 长上下文 57 · 数学 42 · 多模态 53 · 推理 61
thinking最佳51.8#302121 tok/s19 s$0.0008智能体与工具 46 · 指令遵循 64 · 长上下文 60 · 多模态 57 · 推理 36
未说明46.5#43182 tok/s0.52 s$0.0008智能体与工具 39 · 编程 37 · 数学 43 · 推理 60

Index 走势

2026年9月8日 至 2026年11月16日
344964
  • 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 Index38.9#15538.9#155Artificial Analysis

推理

基准测试无推理thinking默认来源趋势
GPQA Diamond84.8%#104–83.8%#110Epoch AI Benchmarking Hub
GPQA Diamond (AA)不计入 Index81.7%#18184.1%#152–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index13.9%#28222.2%#218–Artificial Analysis
HLE-Diamond (AA)–6.9%#134–Artificial Analysis
CritPt不计入 Index0.0%#3370.3%#291–Artificial Analysis
Mystery Game Puzzles不计入 Index22.0%#59––Epoch AI Benchmarking Hub
LMCA不计入 Index推理强度未说明––29.7%#142Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明––73.9%#160Epoch AI Benchmarking Hub

编程

基准测试无推理thinking默认来源趋势
SciCode1.3%#236–36.6%#201SciCode
WeirdML推理强度未说明––34.5%#131WeirdML
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%#22Epoch 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 Index41.6%#13944.9%#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%#81Terminal-Bench
Terminal-Bench Hard25.8%#13834.9%#82–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index85.1%#9595.3%#23–Artificial Analysis
GDPval-AA v2.1, normalised score不计入 Index17.3%#10219.6%#99–Artificial Analysis
GDPval-AA v2.1不计入 Index854#204899#200–Artificial Analysis
τ³-Banking (AA)5.4%#1829.3%#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 1–320.4%#9217.5%#103Epoch AI Benchmarking Hub
OTIS Mock AIME68.9%#15386.7%#97Epoch AI Benchmarking Hub

指令遵循

基准测试无推理thinking来源趋势
IFBench36.2%#30964.3%#110Artificial Analysis

多模态

基准测试无推理thinking来源趋势
MMMU-Pro71.0%#15375.0%#116Artificial Analysis

长上下文

基准测试无推理thinking来源趋势
AA-LCR v1.164.3%#27671.7%#213Artificial Analysis
MLCR不计入 Index–5.0%#156Artificial 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#96Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index15.2#29618.2#265–Artificial Analysis
AA Progress Index v1不计入 Index246.3#274261.5#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
AtlasCloud131 tok/s0.59 s$0.250$1.25262kfp8
DeepInfra118 tok/s0.47 s$0.150$1.43262kfp8
DeepInfra115 tok/s1.25 s$0.080$0.760262kfp8
DekaLLM107 tok/s1.12 s$0.100$1.00262k–
DeepInfra91 tok/s0.76 s$0.100$0.950262kfp8
CoreWeave83 tok/s0.26 s$0.100$0.890262kfp8
Parasail82 tok/s0.52 s$0.100$0.900262kfp8
Darkbloom81 tok/s1.52 s$0.050$0.700262kfp4
Venice76 tok/s0.69 s$0.100$1.00256kfp8
Prime Intellect58 tok/s0.41 s$0.065$0.597262kfp8
AkashML58 tok/s1.08 s$0.100$0.900262kfp8
SiliconFlow29 tok/s1.51 s$0.240$1.80262kfp8

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$0.000721.0 s
总结一份 30 页的报告12,000 / 600$0.0059$0.003423.5 s
代码编辑6,000 / 1,500$0.0057$0.004430.9 s
智能体编程会话60,000 / 4,000$0.032$0.01951.5 s
结构化信息提取2,000 / 200$0.0012$0.000820.2 s

Alibaba 的更多模型

本月新上线

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。

[![Qwen3.6 35B A3B on BenchLeader: 综合第 146 名](https://www.benchleader.com/badge/qwen3-6-35b-a3b.svg)](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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

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。