大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



4 月 16 日，Qwen3.6-35B-A3B 正式发布。这次虽然版本号只是从 3.5 到 3.6，但针对开发者的优化是实打实的——代码智能体能力直接拉满，思维保持功能彻底解决上下文丢失问题。

先看这组数字：

• 35B 参数，只激活 3B：推理速度快 10 倍，成本降 90%
• 256K 超长上下文：一次能看完整个中型项目的代码
• 201 种语言支持：从中文到小语种全覆盖
• 思维保持（Thinking Preservation）：跨对话记住你的需求和架构选择
• 仓库级代码理解：不再局限单文件，能看懂整个项目依赖关系

什么概念？以前你让 AI 改个前端组件，它只看当前文件，改完发现和其他组件冲突。现在 Qwen3.6 能看懂整个项目结构，而且记住你之前说的架构要求——迭代开发不用反复解释，效率直接翻倍。

最让人眼前一亮的是这个功能。

传统 AI 对话的痛点：

简单说，就是 AI 会记住你之前的需求、架构选择、代码风格。迭代开发时不用反复解释上下文，沟通成本直接降 80%。

用通义千问团队的话说：「streamlining iterative development and reducing overhead」——让你少废话，多干活。

核心能力对比：

实际场景对比：

你让 AI 改个 React 组件：

❌ 传统 AI：

• 只看当前文件
• 改完发现和其他组件冲突
• 不知道项目用的状态管理方案
• 需要你手动检查所有依赖

✅ Qwen3.6：

• 看懂整个项目的组件树
• 知道哪些组件依赖这个组件
• 自动用项目的状态管理方案（Redux/Zustand）
• 改完保证不破坏其他功能

这才叫真正的「代码智能体」。

Qwen3.6 基于 Qwen3.5 架构，这个架构的核心是：用更少的资源，干更多的活。

Gated Delta Networks + 稀疏混合专家（MoE）

简单说，就是把 35B 参数分成多个「专家」，每次推理只激活需要的 3B 参数。

类比：

• 传统模型：每次都要把整个团队叫来开会（35B 全激活）
• Qwen3.6：只叫相关的 3 个人来讨论（3B 激活），效率直接拉满

这就是为什么 Qwen3.6 在代码智能体任务上这么强——它是在真实的、复杂的开发场景中训练出来的，不是靠刷题刷出来的。

不是简单的机器翻译，而是真正理解不同语言的文化和表达习惯。

中文、英文自不必说，连粤语、闽南语这种方言都能处理，这对全球化产品来说太重要了。

虽然官方 README 没给详细数据，但从架构和定位来看，重点在：

• 代码生成：前端、后端、全栈都能搞
• 仓库级理解：大型项目重构、代码审查
• 智能体任务：多步骤推理、工具调用

Qwen3.5 家族包括：

• Qwen3.5-397B-A17B：旗舰模型，全能王
• Qwen3.5-122B-A10B：高性能版本
• Qwen3.5-35B-A3B：Qwen3.6 的基础
• Qwen3.5-27B：标准版本
• Qwen3.5-9B / 4B / 2B / 0.8B：轻量级版本

从 0.8B 到 397B，覆盖了从边缘设备到数据中心的所有场景。

直接访问：chat.qwen.ai

• Web + 桌面 + 移动端全覆盖
• 原生支持深度研究、Web 开发、工具调用
• 免费试用，体验思维保持功能

兼容 OpenAI SDK，一行代码切换：

为什么选阿里云 API：

• 企业级稳定性（99.9% SLA）
• 兼容 OpenAI 和 Anthropic 规范
• 按需付费，成本可控

SGLang（推荐生产环境）

关键参数解读：

• --tp-size 4：4 卡并行，35B 模型建议 2-4 张 A100/H100
• --context-length ：256K 超长上下文，能看完整个中型项目
• --reasoning-parser qwen3：启用 Qwen3 推理解析器，提升代码生成质量

硬件需求：

vLLM（高吞吐场景）

两个框架都提供 OpenAI 兼容 API：http://localhost:8000/v1

没有 GPU？试试这些方案

llama.cpp（CPU 推理）：

MLX（Apple Silicon 专属）：

在 M3 Max 上跑 35B 模型，速度还行，适合个人开发。

专为终端优化的 AI 代码助手

核心功能：

详细文档：qwenlm.github.io/qwen-code-docs

构建 LLM 应用的开源框架

核心能力：

详细文档：qwenlm.github.io/Qwen-Agent

支持的框架：

• UnSloth：快速微调，内存优化
• Swift：ModelScope 官方框架
• LLaMA-Factory：功能全面，易用性强

支持的方法：

• SFT（Supervised Fine-Tuning）：监督微调
• DPO（Direct Preference Optimization）：偏好优化
• GRPO（Group Relative Policy Optimization）：群体相对策略优化

从 0.8B 到 397B，从纯文本到多模态，Qwen 家族已经形成了完整的产品矩阵。

Qwen3.6 这次更新，标志着 AI 辅助编程从「能用」进化到「真好用」。

思维保持功能，彻底解决了上下文丢失这个最大痛点。以前你和 AI 聊了半天需求，换个话题再回来，它就全忘了。现在它能记住你的思路、架构选择、代码风格——迭代开发效率直接翻倍。

仓库级代码理解，从单文件升级到整个项目。大型项目重构、前端组件开发，Qwen3.6 能给出真正靠谱的建议，不是那种「看起来对，实际一跑就报错」的代码。

35B 参数只激活 3B，推理速度快 10 倍，成本降 90%。这意味着个人开发者也能用得起，不是只有大厂才玩得转。

Apache 2.0 开源，商用无压力。不用担心授权问题，想怎么用就怎么用。

部署生态完善，从云端 API 到本地部署，从 GPU 到 CPU，从 x86 到 Apple Silicon，全都支持。甚至 M3 Max 都能跑，这在以前是不敢想的。

通义千问这次是真的听进去了开发者的反馈。没搞那些花里胡哨的 PPT 功能，就盯着实用性做优化。

不再是「AI 能写代码」就叫智能体，而是要做到：理解整个项目、记住你的需求、生成可靠的代码、持续迭代优化——这些能力单独拿出来都很强，组合起来就是降维打击。

AI 辅助编程的未来，可能比我们想象的来得更快。

---

相关链接：

• GitHub 仓库：https://github.com/QwenLM/Qwen3.6
• Hugging Face 模型：https://huggingface.co/Qwen/Qwen3.6-35B-A3B
• ModelScope 模型：https://modelscope.cn/organization/qwen
• Qwen Studio：https://chat.qwen.ai
• 官方博客：https://qwen.ai/blog?id=qwen3.6-35b-a3b
• Qwen Code：https://github.com/QwenLM/qwen-code
• Qwen Agent：https://github.com/QwenLM/Qwen-Agent