2026年4月16日，阿里正式发布高效轻量级开源模型Qwen3.6-35B-A3B。该模型总参数量为350亿，采用稀疏MoE（混合专家）架构，凭借仅30亿激活参数， 便可与Qwen3.5-27B、Gemma4等稠密模型一较高下。
评测数据显示，Qwen3.6-35B-A3B在多项主流基准测试中与Qwen3.5-27B表现十分接近，并在中文语义理解（C-Eval）上显著优于Gemma4模型。
Ollama自v0.17版本起支持OpenClaw部署（实测仍需较多手动配置）。考虑到Qwen新模型的优异性能，以及本地低成本运行OpenClaw的需求，本文将对基于Ollama的本地化部署进行详细实测。
模型在Ollama上的显示大小为24GB（实际占用约23GB），处于消费级显卡的能力边界，非常适合本地部署尝鲜。
环境说明
- 系统：Windows 11
- 工具：WSL (Ubuntu)、Ollama
部署步骤
- 硬件检查：按
Win + R，输入dxdiag，确认内存与显卡配置满足运行要求。 - 安装WSL：OpenClaw是Linux原生应用，建议先配置WSL环境。在PowerShell中执行：
wsl –install -d Ubuntu解释一下：
WSL 是“Windows Subsystem for Linux”的缩写，即Windows的Linux子系统，是一个由微软开发的兼容层，允许用户在Windows上原生运行Linux语句和文件，而无需传统虚拟机或双系统。-d Ubuntu参数则指定在该子系统上安装Ubuntu发行版作为具体的Linux环境。
- 安装依赖：由于Ollama的模型文件都使用zstd（Zstandard，Facebook开源的一种高速数据压缩算法工具）格式进行压缩。因此，需要在Linux终端模式下先安装zstd：
sudo apt-get install zstd- 安装 Ollama：
curl -fsSL https://ollama.ai/install.sh | sh注意：安装耗时较长，请确保设备不休眠（无断点续传功能）。
- 拉取模型：
ollama run qwen3.6:35b-a3b安装完成后会进入对话界面，输入 /?可查看操作帮助：
实测模型具备基础代码能力，但仍存在少量“幻觉”现象。
6. 安装 Node.js（通过NVM）：
# 安装 NVM curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash刷新配置
source ~/.bashrc
安装LTS版本Node.js
nvm install –lts
验证安装
node -v
7. 部署 OpenClaw：
# 方式一：Ollama 启动 ollama launch openclaw方式二：官方脚本（推荐）
curl -fsSL https://openclaw.ai/install.sh | bash
安装过程中如有需要添加的依赖，跟着引导一直选择“Yes”即可。
最终会输出一个长串dashboard url，其中“token=”后面的内容为OpenClaw的token值，需要记下来。
如果没有出现token值，可运行以下命令，命令行窗口会打印出url值即可看到token：
openclaw dashboard9. 确认服务已启动：
在浏览器中打开dashboard url（若需要手动连接，将token值输入后点击连接即可）
进入“概览”面板，看到如下页面说明服务已正常启动。
进入飞书开放平台，执行以下步骤：
- 进入开发者后台，创建企业自建应用，填写应用名称和简介
- 添加应用能力：机器人
- 在权限管理页面，选择“批量导入/导出权限”，清空原代码并粘贴以下代码：
{ “scopes”: {"tenant": [ "im:message.group_at_msg:readonly", "im:message.p2p_msg:readonly", "im:message:readonly", "im:message:send_as_bot", "im:resource" ], "user": [] } }
确认批量导入权限为聊天，若需要群聊、云文档等权限，后续可按需开通：
4. 进入“事件与回调”，“订阅方式”选择“使用长连接接收事件 (WebSocket)”，并添加事件，输入“im.message.receive_v1”（接收消息）：
5. 创建并发布应用
6. 在飞书聊天界面可以搜索到刚才创建的机器人，但先别着急对话， 还需要在OpenClaw中将飞书机器人配置进来。
命令行窗口输入以下命令安装飞书官方插件，随后屏幕会出现一个二维码：
npx -y @larksuite/openclaw-lark install使用飞书扫码后，可以创建机器人或添加已有机器人，在这里选择我们刚才在飞书中配置好的机器人。
回到飞书聊天界面发送消息，目前 Qwen3.6-35B-A3B 在本地环境的响应速度不太理想。部署流程虽已打通，但从“能跑通”到“高效生产力”仍需一条漫长的养虾之路。
后续，我会针对模型调用稳定性、效率以及OpenClaw高效使用等实际痛点，持续分享调优思路与实践。
参考资料：Qwen3.6-35B-A3B：智能体编程利器，现已开源：https://qwen.ai/blog?id=qwen3.6-35b-a3b
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/282550.html