أطلقت Alibaba أوزان Qwen3.6-35B-A3B — نموذج MoE متعدد الوسائط يركز على البرمجة الوكيلة

فريق Qwen من Alibaba فتحت أوزان Qwen3.6-35B-A3B — نموذج متعدد الأنماط جديد بعمارة sparse MoE. مع 35 مليار معاملة إجمالية، يتم تفعيل 3 مليارات فقط أثناء الاستدلال، والتركيز الرئيسي على الترميز الوكيل واستخدام الأدوات والفهم متعدد الأنماط.

ما تم إطلاقه

أصبحت Qwen3.6-35B-A3B أول إصدار من سطر Qwen3.6 مع أوزان مفتوحة بعد إطلاق Qwen3.

6-Plus. يتم توزيع النموذج بموجب ترخيص Apache 2.0، متاح لاستضافة ذاتية على Hugging Face و ModelScope، بالإضافة إلى واسطة API Alibaba Cloud Model Studio.

هذا ليس مجرد نموذج نصي: يتضمن ترميزًا رؤيويًا، لذا فإنه يقبل الصور والفيديو، ولديه سياق أصلي من 262144 رمزًا مع القدرة على التوسع إلى حوالي 1.01 مليون. الفكرة الأساسية للإطلاق هي الأداء العالي مع عدد منخفض من المعاملات النشطة.

بداخله، يحتوي النموذج على 35 مليار معاملة، لكن في كل خطوة حوالي 3 مليارات فقط تعمل بالفعل. وفقًا لبطاقة النموذج، تستخدم العمارة 256 خبيرًا، منها 8 خبراء موجهة وخبير مشترك واحد يتم تفعيلهما بشكل متزامن. من الناحية العملية، هذا يعني استدلالاً أرخص مقارنة بالنماذج الكثيفة الكبيرة.

يعمل Qwen3.6 أيضًا في وضع التفكير بشكل افتراضي، لكنه يدعم الإجابات المباشرة بدون استدلال وسيط.

الرهان على الكود

يضع Qwen هذا الإطلاق مباشرة كنموذج للترميز الوكيل، وليس مجرد محادثة آلية أخرى ذات أغراض عامة. يؤكد المطورون أن Qwen3.6-35B-A3B يتعامل بشكل أفضل مع مهام واجهة المستخدم الأمامية وتنقل المستودع والعمل متعدد الخطوات مع الأدوات. يتكامل النموذج مع Qwen-Agent و OpenClaw و Qwen Code وحتى Claude Code من خلال واجهات برمجية متوافقة. بالنسبة للجلسات الطويلة، هناك دالة preserve_thinking منفصلة: تحفظ سلاسل الاستدلال من الرسائل السابقة بحيث لا يعيد الوكيل بناء السياق من الصفر في كل خطوة.

• استدعاء الأداة والعمل مع خطوط الأنابيب الوكيلة
• تحليل المستودع على مستوى ملفات متعددة
• توليد وتحرير رمز واجهة المستخدم الأمامية
• جلسات تكرارية طويلة مع الحفاظ على سياق الاستدلال

وفقًا لـ Qwen، يبدو أن النموذج أقوى تحديدًا في اختبارات الترميز والوكيل. على SWE-bench Verified يسجل 73.4، على Terminal-Bench 2.0 — 51.5، على NL2Repo — 29.4، وعلى QwenWebBench الداخلي — 1397. هذا أعلى بشكل ملحوظ من Qwen3.5-35B-A3B، وعلى عدد من المهام أفضل من نموذج Qwen3.5-27B الكثيف الأكبر. بعبارة أخرى، يحاول Qwen إثبات أن نموذج MoE ذا الأوزان المفتوحة يمكن أن يكون مفيدًا ليس فقط للدردشة المحلية، بل أيضًا لسير عمل التطوير الكامل حيث تحتاج إلى أدوات وذاكرة الخطوات السابقة والعمل مع قاعدة أكواد كاملة.

التعددية الوسيطة بدون تنازلات

يتم وضع تركيز خاص على الرؤية والاستدلال متعدد الأنماط. وفقًا لجداول Qwen، يُظهر النموذج 85.3 على RealWorldQA، و92.

8 على MMBench EN، و89.9 على OmniDocBench1.5، و81.

9 على CC-OCR. في مهام الفهم المكاني، النتائج أكثر إثارة للاهتمام: 92.0 على RefCOCO و50.

8 على ODInW13. بالنسبة للفيديو، هناك أيضًا مقاييس قوية — 83.7 على VideoMMMU و86.

2 على MLVU. بالنسبة لنموذج يحتوي على 3 مليارات معاملة نشطة، هذا مطالبة جادة بالعالمية، وليس تخصصًا ضيقًا فقط للكود. المعنى العملي هو أن Qwen3.

6-35B-A3B يمكن وضعه في أكوام استدلال مألوفة مثل vLLM و SGLang، مع أوضاع لاستخدام الأداة والتنفيذ بلغة فقط إذا كنت تريد تحرير الذاكرة. في أمثلة Qwen، يعمل النموذج بسياق كامل 262K على ثمان وحدات GPU، لكنهم ينصحون بشكل منفصل بعدم الانخفاض أقل من 128K إذا كانت قدرات التفكير مهمة. بالنسبة للفرق التي تريد الاحتفاظ بالنموذج داخليًا والاستقلال عن SaaS المغلق، يبدو هذا بالفعل ليس كتجربة، بل كحل تشغيلي.

ماذا يعني هذا

يستمر Qwen في تحويل سوق الأوزان المفتوحة نحو نماذج أكثر عملية: ليس الحد الأقصى للحجم من أجل الحجم ذاته، بل التوازن بين تكلفة الاستدلال والسياق الطويل والتعددية الوسيطة والفائدة الحقيقية في التطوير. إذا تم تأكيد النتائج المعلنة في سيناريوهات العالم الحقيقي، ستصبح Qwen3.6-35B-A3B واحدة من أكثر الخيارات المفتوحة إثارة للاهتمام للفرق التي تحتاج إلى مساعد ذكاء اصطناعي للكود والوثائق والصور والمهام الوكيلة دون اعتماد إجباري على الأنظمة الأساسية المغلقة.