阿里開源"小鋼炮"：30億參數干翻270億

「用3B激活參數，做出別人27B的活。」這是阿里千問團隊給Qwen3.6-35B-A3B的定調。4月16日，這款混合專家（MoE，Mixture-of-Experts）模型開源，總參數量350億，但每次只叫醒30億干活——稀疏架構的精髓就在這兒。

IT之家注意到，官方把"智能體編程能力"放在C位宣傳。這不是隨便找個賣點，而是精準戳中了開發者痛點：本地跑不動大模型，API調用又燒錢，中間地帶長期空白。

一張圖看懂：為什么3B能頂27B

MoE架構的核心 trick（技巧）是"按需喚醒"。350億參數像一支龐大的專家庫，面對具體任務時，路由網絡只挑選最相關的30億參數參與計算。這相當于讓一位全科大夫坐診，背后站著各科室專家團——病人描述癥狀，系統自動搖來對應科室。

對比傳統稠密模型（Dense Model），后者每次推理必須調動全部參數，就像不管感冒還是骨折，全院醫生集體出診。Qwen3.5-27B就是這種"全家桶"模式，27億參數一個不落。

結果很打臉：Qwen3.6-35B-A3B在多項編程基準上反超了這位"全家桶"前輩。更騷的是，它還大幅超越了自家前代Qwen3.5-35B-A3B——同樣是MoE，同樣是35B總參/3B激活，代際提升肉眼可見。

具體能干什么？官方列了三個集成場景：

? OpenClaw（原Moltbot/Clawdbot）：可自托管的開源AI編碼智能體，接上百煉API就能在終端跑完整工作流

? Qwen Code：阿里自家終端智能體，對千問系列深度優化

? Claude Code：通過兼容Anthropic API協議，蹭上Claude的生態

一個模型同時打通三條鏈路，野心不小。

多模態這塊，Claude Sonnet 4.5成了背景板

Qwen3.6系列原生支持多模態，35B-A3B版本把這項能力完整繼承。官方benchmark顯示，在大多數視覺語言任務上，它已經和Claude Sonnet 4.5打平，部分任務反超。

空間智能是亮點：RefCOCO得分92.0，ODInW13得分50.8。這兩個指標測的是"看圖指物"的精準度——給張室內照片，模型能準確標出"沙發左邊第三個靠墊"那種。

這對機器人、AR導航、智能倉儲是剛需。以前這類能力集中在閉源大模型里，現在30億激活參數就能開箱即用，成本曲線陡然下壓。

更隱蔽的升級是preserve_thinking功能：在多輪對話中保留完整思維鏈。做智能體任務時，這相當于給模型配了個"工作備忘錄"，前后文不丟失，推理連貫性大幅提升。

開源策略：把"輕量化"做成護城河

阿里這次 release（發布）的路徑很清晰：Hugging Face和ModelScope同步放權重，Qwen Studio即時可玩，阿里云百煉API以qwen3.6-flash名稱上線。三條通道覆蓋本地部署、云端調用、快速體驗全場景。

API層面同時兼容OpenAI和Anthropic協議，這是老練的生態卡位。開發者不用改代碼，直接平替——降低遷移成本，就是提高 adoption（采用率）。

但真正的棋眼在"規模"二字。35B總參/3B激活這個檔位，恰好踩在本地部署的甜蜜點上：

? 消費級顯卡能跑（顯存壓力可控）

? 性能又不至于太寒酸（編程、多模態都能打）

? 企業私有化部署成本可接受

對比一下：Qwen3.5-27B稠密模型，本地跑起來費勁；更大的閉源模型，API賬單嚇人。35B-A3B卡在中間，像一把精準的手術刀。

阿里官方說，這是"該規模下模型能力的新標桿"。翻譯一下：在這個參數檔位，暫時沒人能打得過。

開發者現在能做什么

如果你屬于這幾類人，建議直接上手：

第一，在找本地編程助手的個人開發者。OpenClaw+Qwen3.6-35B-A3B的組合，終端體驗已經逼近云端大模型，且數據不出本機。

第二，做多模態應用的產品團隊。空間智能能力開源可用，AR導航、視覺客服、工業質檢等場景值得重新評估技術棧。

第三，受限于API預算的初創公司。百煉的qwen3.6-flash定價策略尚未公布，但參考MoE架構的推理成本優勢，大概率比同能力稠密模型便宜一個數量級。

具體入口：Qwen Studio（chat.qwen.ai）即時體驗，Hugging Face/ModelScope下載權重，百煉API文檔查集成細節。技術博客有OpenClaw、Qwen Code、Claude Code的詳細對接腳本。

一個值得關注的細節：官方把"智能體編程"而非"通用對話"作為首要賣點。這說明千問團隊的產品判斷是——大模型競爭已從"誰能聊天"轉向"誰能干活"。代碼生成、工具調用、多步任務執行，這些硬核能力才是下一階段的差異化戰場。

30億激活參數做到這個程度，MoE架構的工程優化空間可能還遠未觸頂。阿里預告Qwen3.6開源家族將持續擴展，下一個 release 會不會把激活參數壓到1B級別、同時保持同等能力？這不是沒有可能。

對開發者來說，現在最務實的動作是：把Qwen3.6-35B-A3B接進你的工作流，測測它在你具體場景下的表現。benchmark是別人的，latency（延遲）和準確率是自己的。開源模型的價值，終究要在代碼里兌現。