Alibaba libera o Qwen3.6-35B-A3B, modelo MoE multimodal focado em programação agêntica

A equipe Qwen, da Alibaba, abriu os pesos do Qwen3.6-35B-A3B, um novo modelo multimodal com arquitetura sparse MoE. Dos 35 bilhões de parâmetros totais, apenas 3 bilhões são ativados durante a inferência, e o foco principal está em programação agêntica, uso de ferramentas e compreensão multimodal.

O que foi lançado O

Qwen3.6-35B-A3B é a primeira versão da linha Qwen3.6 com pesos abertos desde o lançamento do Qwen3.

6-Plus. O modelo é distribuído sob a licença Apache 2.0 e pode ser hospedado por conta própria a partir do Hugging Face e do ModelScope, além de estar disponível via API no Alibaba Cloud Model Studio.

Ele vai além do texto: conta com um vision encoder, o que permite receber imagens e vídeos, e tem contexto nativo de 262 144 tokens, expansível para cerca de 1,01 milhão. A ideia central do lançamento é entregar alto desempenho com um número baixo de parâmetros ativos. O modelo tem 35 bilhões de parâmetros, mas cerca de 3 bilhões trabalham de fato a cada passo.

Segundo o model card, a arquitetura usa 256 experts, dos quais 8 routed experts e 1 shared expert são ativados simultaneamente. Na prática, isso significa uma inferência mais barata do que a de grandes modelos dense. Por padrão, o Qwen3.

6 também opera em modo thinking, mas suporta respostas diretas, sem raciocínio intermediário.

A aposta em código A

Qwen apresenta este lançamento explicitamente como um modelo para agentic coding, e não como mais um chatbot de uso geral. Os desenvolvedores destacam que o Qwen3.6-35B-A3B se sai melhor em tarefas de front-end, navegação por repositórios e trabalho com ferramentas em múltiplas etapas. O modelo se integra ao Qwen-Agent, ao OpenClaw, ao Qwen Code e até ao Claude Code por meio de APIs compatíveis. Para sessões longas, há a função preserve_thinking: ela preserva as cadeias de raciocínio de mensagens anteriores, para que o agente não precise reconstruir o contexto do zero a cada passo.

• Tool calling e integração com pipelines agênticos Análise de repositório envolvendo vários arquivos Geração e edição de código front-end * Sessões iterativas longas com preservação do contexto de reasoning Segundo a Qwen, é nos testes de código e de agentes que o modelo se mostra mais forte. Ele marca 73,4 no SWE-bench Verified, 51,5 no Terminal-Bench 2.0, 29,4 no NL2Repo e 1397 no QwenWebBench, benchmark interno da empresa. São resultados bem acima dos do Qwen3.5-35B-A3B e, em várias tarefas, melhores que os do Qwen3.5-27B, um modelo dense maior. Em outras palavras, a Qwen tenta provar que um modelo MoE open-weight pode servir tanto para chat local quanto para dev-workflows completos, que exigem ferramentas, memória dos passos anteriores e trabalho com a base de código inteira.

Multimodalidade sem concessões Visão e raciocínio multimodal receberam atenção especial.

Pelas tabelas da Qwen, o modelo atinge 85,3 no RealWorldQA, 92,8 no MMBench EN, 89,9 no OmniDocBench1.5 e 81,9 no CC-OCR. Em compreensão espacial, os resultados são ainda mais interessantes: 92,0 no RefCOCO e 50,8 no ODInW13.

Em vídeo, as métricas também são fortes: 83,7 no VideoMMMU e 86,2 no MLVU. Para um modelo com 3 bilhões de parâmetros ativos, é uma proposta séria de versatilidade, sem especialização estreita apenas em código. Na prática, o Qwen3.

6-35B-A3B pode ser rodado em stacks de inferência conhecidos, como vLLM e SGLang, com modos para tool use e execução language-only, caso seja preciso liberar memória. Nos exemplos, a Qwen mostra a execução com o contexto completo de 262K em oito GPUs, mas recomenda, sempre que possível, não descer abaixo de 128K se as capacidades de thinking forem importantes. Para equipes que querem manter o modelo em infraestrutura própria e não depender de um SaaS fechado, isso já soa menos como experimento e mais como opção viável para produção.

O que isso significa A

Qwen segue empurrando o mercado open-weight para modelos mais práticos: em vez de tamanho máximo pelo tamanho, um equilíbrio entre custo de inferência, contexto longo, multimodalidade e utilidade real no desenvolvimento. Se os resultados anunciados se confirmarem em cenários reais, o Qwen3.6-35B-A3B será uma das opções abertas mais interessantes para equipes que precisam de um assistente de AI para código, documentos, imagens e tarefas agênticas, sem ficar obrigatoriamente presas a plataformas fechadas.