علي بابا تتيح Qwen3.6-35B-A3B: نموذج MoE متعدد الوسائط يركّز على البرمجة الوكيلية

أتاح فريق Qwen في علي بابا أوزان Qwen3.6-35B-A3B، وهو نموذج جديد متعدد الوسائط ببنية sparse MoE. من أصل 35 مليار معامل إجمالي، لا يُفعَّل أثناء الاستدلال سوى 3 مليارات فقط، ويتركّز الاهتمام على البرمجة الوكيلية والعمل مع الأدوات والفهم متعدد الوسائط.

ما الذي أُطلق

يُعد Qwen3.6-35B-A3B أول إصدار مفتوح الأوزان ضمن سلسلة Qwen3.6 بعد إطلاق Qwen3.6-Plus. يُوزَّع النموذج برخصة Apache 2.0، ويمكن استضافته ذاتياً عبر Hugging Face وModelScope، كما يتوفر عبر API الخاص بـAlibaba Cloud Model Studio. وهو ليس نموذجاً نصياً فحسب: فهو يضم vision encoder، ولذلك يقبل الصور والفيديو، ويبلغ سياقه الأصلي 262 144 رمزاً مع إمكانية التوسع إلى نحو 1,01 مليون.

الفكرة الأساسية في الإصدار هي أداء مرتفع بعدد قليل من المعاملات النشطة. يضم النموذج 35 مليار معامل، لكن نحو 3 مليارات فقط تعمل فعلياً في كل خطوة. وبحسب بطاقة النموذج، تعتمد البنية 256 خبيراً، يُفعَّل منهم في آن واحد 8 خبراء routed وخبير shared واحد. عملياً، يعني ذلك استدلالاً أقل كلفة مقارنةً بالنماذج dense الكبيرة. كما يعمل Qwen3.6 افتراضياً في وضع thinking، لكنه يدعم أيضاً الإجابة المباشرة دون استدلال وسيط.

الرهان على الشيفرة

تقدّم Qwen هذا الإصدار صراحةً بوصفه نموذجاً للبرمجة الوكيلية (agentic coding)، لا مجرد روبوت دردشة عام آخر. ويؤكد المطوّرون أن Qwen3.6-35B-A3B يتعامل بصورة أفضل مع مهام الواجهات الأمامية والتنقل داخل المستودعات والعمل متعدد الخطوات مع الأدوات. ويتكامل النموذج مع Qwen-Agent وOpenClaw وQwen Code، بل ومع Claude Code أيضاً عبر واجهات API متوافقة. وللجلسات الطويلة توجد ميزة مستقلة هي preserve_thinking: فهي تحتفظ بسلاسل الاستدلال من الرسائل السابقة، حتى لا يضطر الوكيل إلى إعادة بناء السياق من جديد في كل خطوة.

• Tool calling والعمل مع خطوط المعالجة الوكيلية
• تحليل المستودع على مستوى عدة ملفات
• توليد شيفرة الواجهات الأمامية وتعديلها
• جلسات تكرارية طويلة مع الاحتفاظ بسياق الاستدلال

وبحسب بيانات Qwen، تظهر أقوى نتائج النموذج في اختبارات الشيفرة والاختبارات الوكيلية. فهو يسجّل 73,4 في SWE-bench Verified، و51,5 في Terminal-Bench 2.0، و29,4 في NL2Repo، و1397 في QwenWebBench الداخلي. وهذه نتائج أعلى بوضوح من نتائج Qwen3.5-35B-A3B، وتتفوق في عدد من المهام على نموذج dense الأكبر Qwen3.5-27B.

بعبارة أخرى، تحاول Qwen إثبات أن نموذج MoE مفتوح الأوزان يمكن أن يكون مفيداً لا للدردشة المحلية فقط، بل لمسارات تطوير كاملة (dev-workflow) تتطلب أدوات وذاكرة للخطوات السابقة وعملاً مع قاعدة الشيفرة بأكملها.

قدرات متعددة الوسائط دون تنازلات

جرى التركيز بصورة خاصة على الرؤية والاستدلال متعدد الوسائط. ووفق جداول Qwen، يسجّل النموذج 85,3 في RealWorldQA، و92,8 في MMBench EN، و89,9 في OmniDocBench1.5، و81,9 في CC-OCR. وفي مهام الفهم المكاني تبدو النتائج أكثر لفتاً: 92,0 في RefCOCO و50,8 في ODInW13. وللفيديو أيضاً مؤشرات قوية: 83,7 في VideoMMMU و86,2 في MLVU. وبالنسبة لنموذج لا يتجاوز عدد معاملاته النشطة 3 مليارات، فهذا ادعاء جاد بالشمولية، لا بالتخصص الضيق في الشيفرة وحدها.

والمعنى العملي أن Qwen3.6-35B-A3B يمكن تشغيله ضمن حزم الاستدلال المعتادة مثل vLLM وSGLang، مع أوضاع خاصة لـtool use وللتشغيل بالنص فقط (language-only) إذا لزم تحرير الذاكرة. وفي الأمثلة التي تعرضها Qwen، يجري التشغيل بالسياق الكامل 262K على ثماني وحدات GPU، لكنها تنصح في الوقت نفسه بعدم النزول عن 128K قدر الإمكان إذا كانت قدرات thinking مهمة. وبالنسبة للفرق التي تريد إبقاء النموذج لديها وعدم الاعتماد على خدمات SaaS مغلقة، يبدو هذا الآن خياراً عملياً لا مجرد تجربة.

ماذا يعني ذلك

تواصل Qwen دفع سوق النماذج مفتوحة الأوزان نحو نماذج أكثر عملية: لا حجماً أقصى لمجرد الحجم، بل توازناً بين كلفة الاستدلال والسياق الطويل والقدرات متعددة الوسائط والفائدة الفعلية في التطوير. وإذا تأكدت النتائج المعلنة في السيناريوهات الميدانية، فسيصبح Qwen3.6-35B-A3B من أكثر الخيارات المفتوحة إثارة للاهتمام للفرق التي تحتاج مساعد AI للشيفرة والمستندات والصور والمهام الوكيلية، دون ارتباط إلزامي بمنصات مغلقة.