Qwen3.6-35B-A3B: Efficiency and intelligence for on-premises deployment
В 2026 году появился автономный цифровой сотрудник, способный генерировать текст и выполнять независимые действия. Для измерения интеллекта таких моделей используются новые бенчмарки, такие как Terminal Bench 2.0 и SWE Bench Verified. Модель QN 3635B3 с открытым исходным кодом и архитектуройSparse Mixture of Expertsэкономит энергию и время, но для полноформатного запуска требует значительных вычислительных ресурсов.
Что забрать из ролика в дело
Введение
Рассматривается сценарий, где искусственный интеллект работает в фоновом режиме, компилируя код и анализируя химический состав воздуха.
Технологии 2026
Упоминается, что сегодняшние технологии позволяют переходить от простого текстового ответа к решению сложных задач.
Архитектура QN 3635B3
Архитектура разбивает 35 млрд параметров на кластеры экспертов, уменьшая затраты на вычисления.
Экономия ресурсов
Упоминается, что стоимость вывода через API модели QN36 очень низкая, что делает её доступной для малых стартапов и рутины.
Требования к оборудованию
Для запуска модели требуется 90 ГБ видеопамяти, что делает её не доступной для домашнего ноутбука.
Оператору входа в AI можно применить архитектуру Sparse Mixture of Experts для эффективного управления большими объемами данных и уменьшения энергопотребления. Квантование модели снизит требования к серверному оборудованию, делая его более доступным для малых и средних предприятий. Использование параметров для видеообработки и включение reasoning улучшат оркестрацию моделей и автоматизацию.