¿Qué pasaría si un modelo de inteligencia artificial pudiera tener un tamaño colosal pero funcionar con la eficiencia de uno mucho más pequeño? Eso es exactamente lo que el equipo Qwen de Alibaba acaba de lograr con su última creación de código abierto.

Presentamos Qwen3.6-35B-A3B, el primer modelo de peso abierto de la generación Qwen3.6. Este no es solo otro modelo de lenguaje grande; es un modelo de lenguaje causal con codificador de visión que utiliza una arquitectura de Mezcla de Expertos (MoE) dispersa. La magia está en los números: 35 mil millones de parámetros totales, pero solo 3 mil millones activos durante la inferencia. Esto significa un costo y una latencia de inferencia proporcionales solo a esos 3B activos, no a los 35B totales.

La arquitectura detrás de la eficiencia

Aquí está el detalle técnico que lo hace posible. Su capa MoE contiene 256 expertos en total, con 8 expertos enrutados y 1 experto compartido activados por token. La arquitectura utiliza un patrón de 10 bloques, cada uno con 3 instancias de (Gated DeltaNet → MoE) seguidas de 1 instancia de (Gated Attention → MoE).

Pero eso no es todo. Para manejar contextos extensos, el modelo soporta una longitud de contexto nativa de 262,144 tokens, extensible hasta 1,010,000 tokens usando el escalado YaRN (Yet another RoPE extensioN).

Donde el modelo realmente brilla: Codificación Agéntica

Aquí es donde Qwen3.6-35B-A3B se vuelve serio. En los benchmarks del mundo real, sus números son impresionantes:

  • En SWE-bench Verified (el benchmark canónico para resolver problemas reales de GitHub), el modelo obtiene una puntuación de 73.4.
  • En Terminal-Bench 2.0, que evalúa a un agente completando tareas dentro de un entorno de terminal real, logra 51.5, la puntuación más alta entre todos los modelos comparados.
  • En QwenWebBench, un benchmark interno de generación de código front-end, alcanza un asombroso 1397, muy por delante de sus predecesores.

Y en razonamiento STEM, los números son igualmente impactantes: 92.7 en AIME 2026 y 86.0 en GPQA Diamond, un benchmark de razonamiento científico a nivel de posgrado.

No es solo texto: Capacidades multimodales nativas

Olvídate de los modelos que solo procesan texto. Qwen3.6-35B-A3B viene con un codificador de visión integrado y maneja imágenes, documentos, video y tareas de razonamiento espacial de forma nativa.

Sus resultados en benchmarks visuales son competitivos con modelos líderes:

  • 81.7 en MMMU (Massive Multi-discipline Multimodal Understanding), superando a Claude-Sonnet-4.5.
  • 85.3 en RealWorldQA, que prueba la comprensión visual en contextos fotográficos del mundo real.
  • 83.7 en VideoMMMU para comprensión de video.

Control total sobre el razonamiento y una nueva característica clave

Uno de los aspectos más útiles es el control explícito sobre el comportamiento de razonamiento del modelo. Los modelos Qwen3.6 operan en «modo pensamiento» por defecto, generando contenido de razonamiento dentro de etiquetas <think> antes de producir la respuesta final. Los desarrolladores que necesiten respuestas más rápidas pueden desactivar esto a través de un parámetro de la API.

Pero aquí viene lo novedoso: una característica llamada «Thinking Preservation» (Preservación del Pensamiento). Por defecto, solo se retienen los bloques de pensamiento generados para el último mensaje del usuario. Qwen3.6 ha sido entrenado adicionalmente para preservar y aprovechar los rastros de pensamiento de mensajes históricos. Esto es particularmente beneficioso para escenarios de agentes, donde mantener el contexto de razonamiento completo puede mejorar la consistencia de las decisiones y reducir el razonamiento redundante.

Listo para usar y experimentar

Liberado bajo la licencia Apache 2.0, el modelo está completamente abierto para uso comercial.

Es compatible con los principales frameworks de inferencia de código abierto: SGLang, vLLM, KTransformers y Hugging Face Transformers. KTransformers habilita específicamente el despliegue heterogéneo CPU-GPU para entornos con recursos limitados.

Pero la noticia no termina ahí. Un tutorial práctico publicado por Marktechpost muestra cómo implementar este modelo de extremo a extremo. El tutorial cubre desde la configuración del entorno y la carga adaptativa del modelo basada en la memoria GPU, hasta la creación de un marco de chat reutilizable. Demuestra capacidades avanzadas como:

  • Control del presupuesto de pensamiento.
  • Generación en flujo con razonamiento y respuestas separadas.
  • Manejo de entrada visual.
  • Llamadas a herramientas y generación de JSON estructurado.
  • Inspección del enrutamiento MoE, benchmarking y generación aumentada por recuperación (RAG).
  • Persistencia de sesión para continuar conversaciones.

Este tutorial transforma a Qwen3.6 en un parque de experimentación práctico, proporcionando una base sólida para investigación seria o aplicaciones orientadas a productos. La implementación incluye incluso una función para medir el rendimiento (tokens por segundo) en diferentes tamaños de lote.

En resumen, Alibaba no solo ha lanzado un modelo potente y eficiente, sino que también ha proporcionado las herramientas para que la comunidad lo ponga a trabajar de inmediato. La era de los modelos grandes pero eficientes acaba de recibir un nuevo protagonista de código abierto.