在线教程丨Qwen3.6系列首个开源模型Agent编程能力大涨,激活参数仅3B超越Gemma4-31B

Qwen3.6 MoE架构解析:3B激活参数如何实现超越31B模型的Agent编程能力 在大型语言模型领域,混合专家(MoE)架构正成为提升推理效率的关键技术。其核心原理是通过路由机制动态选择最相关的专家网络处理特定输入,使得模型在保持庞大知识容量的同时,仅需激活少量参数进行计算,从而大幅降低计算开销。这种技术价值在于实现了“大容量、小开销”的推理范式,为资源受限环境下的高性能AI应用提供了可能。在应用场景上,MoE架构特别适合代码生成、数据分析等需要深度专业知识的垂直领域任务,能够精准激活相关专家模块。以Qwen3.6系列为代表的先进MoE模型,正是通过这种架构创新,在Agent编程能力上实 阅读详情

近日,Qwen3.6 系列中等尺寸模型 Qwen3.6-35B-A3B 正式开源,仅激活 3B 便在多项关键编程基准上超越了上一代模型 Qwen3.5-35B-A3B 以及不久前开源的 Gemma4-31B 。

具体而言,在考察终端编程的 Terminal-Bench2.0 、长程编程任务 NL2Repo 、真实世界 Agent 能力评测的 QwenClawBench 等权威基准测试中,Qwen3.6-35B-A3B 的表现均明显优于 Qwen3.5-35B-A3B,以及 Gemma4-26B-A4B 、 Gemma4-31B 。

作为激活参数仅 3B 的 MoE 模型,Qwen3.5-35B-A3B 在 Agent 编程、多模态感知与推理等方面相较上一代模型均有极大提升。首先,其能够更流畅、精准地处理前端开发流程及仓库级代码推理任务。其次,其新增了「思考过程留存」功能选项,可保留历史消息中的推理上下文,简化迭代开发流程,降低额外开销。

为了便于全球开发者快速体验最新开源的 Qwen3.5-35B-A3B,HyperAI 上线了低门槛可用的 Notebook,已经完成环境配置,可轻松实现该模型的在线部署。

在线运行:

https://go.hyper.ai/RXils

demo 效果示例,基于 prompt 生成可交互的重力模拟沙盒

更多在线教程:

https://go.hyper.ai/sC4nC

欢迎登录官网查看更多内容:

https://hyper.ai

Demo 运行

1. 进入 hyper.ai 首页后,选择「教程」页面,或点击「查看更多教程」,选择「Qwen3.6-35B-A3B 智能体编程利器」,点击「运行此教程」。

2. 页面跳转后,点击右上角「Clone」,将该教程克隆至自己的容器中。

注:页面右上角支持切换语言,目前提供中文及英文两种语言,本教程文章以英文为例进行步骤展示。

3. 选择「NVIDIA RTX 5090 -4」以及「vLLM」镜像,点击「Continue job execution(继续执行)」。

HyperAI 为新用户准备了注册福利,仅需 $1,即可获得 20 小时 RTX 5090 算力(原价 $7),资源永久有效。

4. 等待分配资源,当状态变为「Running(运行中)」后,点击「Open Workspace」进入 Jupyter Workspace 。

效果展示

1. 页面跳转后,点击左侧 README 文件,进入后点击上方 Run(运行)。

2. 待运行完成,根据 README 提示启动 Open WebUI 后,即可点击右侧 API 地址跳转至 demo 页面。

Qwen3.6 3B模型实战:解析小模型如何实现Agent编程能力超越 在人工智能领域,模型小型化与专业化正成为关键趋势,其核心在于通过架构优化提升计算效率。混合专家(MoE)等稀疏激活架构是这一趋势的重要技术原理,它允许模型在推理时仅激活部分参数,从而在保持强大能力的同时大幅降低资源消耗。这种设计带来了显著的技术价值:它使得高性能AI模型能够部署在资源受限的边缘设备或对成本敏感的商业场景中,实现了效率与性能的平衡。在应用场景上,这种小型化模型特别适合需要快速响应和复杂逻辑的智能体(Agent)任务,例如自动化编程、工具调用和多步推理。Qwen3.6 3B模型正是这一理念的杰出 阅读详情

相关推荐

Qwen 3.6 MoE模型:3B激活参数的Agent原生架构

大语言模型的Agent能力,本质是将自然语言指令转化为可执行动作序列的推理与调度能力。其技术基础依赖于稀疏化架构(如MoE)对计算资源的智能分配,以及对工具描述、规划-执行闭环和错误恢复机制的深度建模。Qwen 3.6以仅3B激活参数实现高效Agent运行,正是MoE稀疏激活与Agent原生训练协同优化的结果——它不追求全量参数堆砌,而专注提升单位计算在工具调用、多步推理等真实任务中的有效产出。该设计显著降低显存占用与延迟,使消费级硬件部署稳定Agent成为可能,适用于代码辅助、自动化办公、本地数据交互等轻

weixin_31992389的博客 310

在线教程丨Qwen3.6首个开源MoE模型Agent编程实测:3B激活参数如何超越Gemma4-31B

实测 Qwen3.6-35B-A3B 这款开源 MoE 模型,仅 3B 激活参数却在 Agent 编程基准上超越 Gemma4-31B。本文给出 vLLM 部署配置、推理参数与工具调用验证步骤,并借助 TaoToken 打通调用链路,官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 可快速上手对比测试。

weixin_29940495的博客 252

Qwen 3.6 MoE开源模型实战:3B激活参数跑出Agent编程新范式

MoE(Mixture of Experts)是一种通过动态路由选择子网络来提升大模型推理效率的关键架构,其核心在于以可控计算开销承载更大知识容量。相比传统dense模型,MoE在保持总参数规模的同时显著降低单次前向计算量,特别适配Agent编程这类多步骤、强工具调用、高上下文敏感的场景。技术价值体现在更低显存占用、更稳延迟表现与更高Tool Calling准确率;典型应用场景包括本地VS Code编程助手、轻量级RAG集成及边缘设备代码生成。本文基于Qwen 3.6b-moe-3b-active模型,结合

weixin_32597009的博客 225

Qwen3.6 Agent编程实战:3B激活参数如何超越大模型?

在人工智能领域,模型架构的创新正推动着效率的变革。混合专家(MoE)架构通过稀疏激活机制,让模型在推理时仅调用部分参数,实现了计算资源的高效利用。这一原理使得模型在保持强大知识容量的同时,大幅降低了推理延迟和部署成本,为边缘计算和实时应用提供了可能。其技术价值在于,它打破了模型性能与参数规模强相关的传统观念,转向追求更高的“智能密度”。在编程、自动化任务等需要复杂逻辑推理和规划的应用场景中,这种高效架构展现出巨大潜力。例如,结合强化学习与人类反馈(RLHF)的专项优化,模型能更好地理解任务、调用工具并执行多

weixin_29038155的博客 279

Qwen3.6-3B MoE模型:轻量级Agent编程能力实战解析

大语言模型的Agent能力正从‘参数规模驱动’转向‘任务精准适配驱动’。MoE(Mixture of Experts)架构通过稀疏激活显著降低实际计算开销,使3B级模型在工具调用、多步规划与错误恢复等核心Agent任务中反超31B稠密模型;其技术价值在于将有限参数聚焦于Tool Understanding、Plan Coherence和Error Resilience三大工程刚需,而非泛化能力堆砌。典型应用场景包括企业自动化工作流编排、中文办公指令解析、低资源环境下的API智能调度等。本文基于Qwen3.6

weixin_33898233的博客 458

Qwen3.6-Agent:3B参数实现Agent原生化与轻量部署突破

大模型Agent能力正从‘提示工程驱动’迈向‘权重内生化’新阶段。其核心在于将工具调用、状态管理、执行规划等关键逻辑直接编译进模型权重,而非依赖外部框架或冗长思维链解析。这种结构化推理范式显著提升指令解析精度、工具绑定鲁棒性与跨步状态一致性,大幅降低延迟与错误率。技术价值体现在极低硬件门槛——T4显卡甚至树莓派5即可部署高可用Agent服务,支撑自动化运维、低代码集成、边缘智能等场景。Qwen3.6-3B正是这一范式的首个工业级验证,通过专用推理头、结构化token(如<tool_call>)与vLLM深度

weixin_30436581的博客 332

教程上新丨Qwen3.6 系列首个开源模型 Agent 编程能力大涨,激活参数仅 3B 超越 Gemma4-31B

Qwen3.6-35B-A3B 模型近日开源,这款仅激活 3B 参数的 MoE 模型在多项编程基准测试中超越前代Qwen3.5 和 Gemma4系列。在 Terminal-Bench2.0、NL2Repo 等权威测试中表现优异,具备更强的 Agent 编程和多模态推理能力,新增 "思考过程留存 "功能优化开发流程。

OpenBayes的博客 346

Qwen3.6 Agent原生模型:3B激活参数如何实现高效工具调用

大语言模型驱动的Agent系统正从‘LLM+Orchestrator’范式转向‘模型内生Agent能力’新阶段。其核心挑战在于平衡推理精度、工具调用可靠性与边缘部署可行性。激活参数机制作为关键突破,通过动态稀疏计算(如Token-Gated MoE)显著降低显存占用与延迟,同时保障多步任务分解、错误恢复等高阶Agent能力。相比传统全量参数模型,它更强调计算效率与认知效率的协同优化,适用于智能硬件、金融风控、工业巡检等对实时性与鲁棒性要求严苛的落地场景。Qwen3.6正是这一技术路径的典型代表。

weixin_30616969的博客 351

从架构角度对比gemma3 vs qwen3

gemma3和qwen3是当前最新最优秀的开源大模型,gemma3提供了1B、4B、12B、27B多个版本,其27B量化版支持在一个GPU部署,支持140多种语言。qwen3提供了4B, 8B, 14B, 30B MoE, 32B, 235B MoE等,32B版本支持单GPU部署,支持100多种语言。

liliang199的专栏 3122

多普勒频移测速与FMCW测距

文章目录时域与频域基于多普勒频移估计速度基于传统的FMCW测距什么是FMCWFMCW测距原理参考论文 时域与频域 时域 — 自变量是时间,即横轴是时间,纵轴是信号振幅的变化。表示振幅随时间的变化。 频域 — 自变量是频率,即横轴是频率,纵轴是该频率信号幅度的峰值。表示振幅峰值随频率的变化。 基于多普勒频移估计速度 当发送端静止而接收端相对运动时,有: v=FsFcv=\frac{F^s}{F}cv=FFs​c 其中,F是信号的原始频率;FsF^sFs 是接收信号频率与发送信号频率之差,即多普勒频移;c是

dsaaf21的博客 9187

UE5网络同步优化:GetLifetimeReplicatedProps高级应用指南

本文深入探讨了UE5中GetLifetimeReplicatedProps函数的高级应用与优化策略。文章超越了基础变量注册,重点阐述了如何通过精细的复制条件控制、频率管理及分层复制机制,构建高效的数据同步通道,从而优化网络带宽与游戏性能,是提升多人游戏体验的实用指南。

weixin_29007243的博客 533

教程上新丨Qwen3.6 开源模型 Agent 编程实战:3B 激活参数如何超越 Gemma4-31B,附 TaoToken 统一 Key 配置

Qwen3.6-35B-A3B 开源 MoE 模型以 3B 激活参数在 Agent 编程任务中超越 Gemma4-31B,本文给出 Cline settings.json 与 CC Switch config.toml 骨架,用 TaoToken 统一 Key 接入并实测仓库级重构,附常见报错排查。官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_42610010的博客 14

人形机器人专题:人形机器人关节,从Optimus选型看关节的发展

今天分享的是深度研究报告:《(报告出品方:中泰页。

GPT20236688的博客 3225

Gemma4 vs Qwen3.6 全面对比+Gemma4本地部署教程(Ollama版,新手也能秒上手)

谷歌Gemma4与阿里Qwen3.6大模型对比及Gemma4本地部署指南 核心差异: 显存占用:Gemma4采用MoE架构,12GB显卡可流畅运行26B版本,而Qwen3.6需要14GB显存 中文能力:Qwen3.6在中文写作、对话场景表现更优 代码开发:Gemma4在复杂算法、长上下文处理占优 工具调用:Gemma4对Agent工作流优化更深入 商业授权:Gemma4采用Apache 2.0协议,商用更友好 部署教程(Ollama版): 安装Ollama:支持Mac/Windows/Linux全平台 拉取

ffflesleo的博客 2413

AJ-Report开源数据大屏存在远程命令执行漏洞

该平台可以通过post方式在validationRules参数对应值中进行命令执行,可以获得服务器权限,登陆管理后台接管大屏。如果被攻击者利用,危害后果十分严重。

swordheart的博客 388

手把手教你搞定Pattern Recognition期刊的LaTeX投稿(附完整模板下载与避坑指南)

本文详细指导如何在Pattern Recognition期刊上使用LaTeX进行投稿,包括模板下载、环境配置、核心排版规范及投稿材料准备。特别强调期刊对格式的严格要求,如数学符号、图像引用等细节,并提供实用技巧和避坑指南,帮助作者高效完成投稿流程。

weixin_30876945的博客 395

Qwen3.6‑35B‑A3B:30B 激活参数的“全能编码智能体”来了!

Qwen3.6-35B-A3B是阿里巴巴推出的新一代中型MoE视觉语言模型,作为Qwen3.5-35B-A3B的升级版,在智能体编程、多模态理解和长上下文处理方面有显著提升。该模型采用Gated Delta-Network+MoE混合架构,总参数量350亿但仅激活30亿,支持262K原生上下文。在编码任务中表现突出,部分指标接近更大稠密模型,特别适合多轮代码修复、终端操作等场景。新增的preserve_thinking功能可复用历史推理链,提升多步决策一致性。支持多种主流推理框架部署,推荐使用SGLang或

高丽大学人工智能硕士在读|专注大模型、RAG、OCR与AI工程实践 1151

K-BERT: Enabling Language Representation with Knowledge Graph 代码复现 直接运行

K-BERT: Enabling Language Representation with Knowledge Graph K-BERT K-BERT 代码复现

1073

【深度解析】阿里Qwen3.6-Plus × 谷歌Gemma 4 × 微软MAI:三巨头同日发布,AI军备竞赛进入白刃战

2026年4月2日,AI圈迎来了史无前例的一幕——阿里发布Qwen3.6-Plus编程能力直逼Claude、谷歌开源Gemma 4以31B参数击败600B模型并全面转向Apache 2.0、微软推出三款MAI自研模型宣告自主化路线提速。本文基于笔者在腾讯10年后端开发经验,从模型能力、技术架构、开源策略、开发者影响四个维度进行深度横评,给出不同场景下的选型建议和架构实践方案。

u014354882的博客 601

基于YOLOv8的农作物病虫害检测系统设计与实现

国内如中国农业大学的科研团队采用改进的Faster R-CNN模型对小麦病害进行检测,取得了较好的效果。农作物病虫害是影响农业生产的重要因素之一,每年因病虫害导致的农作物减产高达20%-40%。YOLO(You Only Look Once)系列算法作为目标检测领域的代表性模型,以其高效、准确的特点在众多领域得到广泛应用。YOLOv8作为该系列的最新版本,在精度和速度上都有显著提升,非常适合农作物病虫害检测这类需要实时处理的应用场景。然而,现有研究仍存在一些不足:一是模型复杂度高,难以部署到移动设备;

YOLO 794

STM32串口编程基础知识讲解

本篇文章给大家介绍一下串口的基础编程知识,这些知识是属于串口的理论知识,在开始学习编写代码的时候必须要掌握这些基本的知识点。本篇文章讲解了串口的基本概念知识,大家在学习编写代码时将其掌握才能更好的理解代码。

m0_49476241的博客 1208

Gemma 4开源大模型:31B参数+Apache 2.0许可证的工程革命

大模型正从参数竞赛转向工程实效,参数效率、部署自由与商业确定性成为新一代AI落地的核心指标。Gemma 4系列以31B稠密模型在Arena榜单超越400B对手,印证了动态计算图编译、注意力头稀疏化与分层位置编码等关键技术对推理效能的实质性提升;其全系采用Apache 2.0许可证,彻底消除嵌入式部署、商用闭源、SaaS分发等场景的法律不确定性。该组合突破使开发者可将高精度模型稳定运行于手机、笔记本乃至工控设备,在金融合同审查、端侧医疗问诊、离线教育硬件等强合规、低延迟场景中实现真正可用。技术普惠不再依赖云端

dilv4062的博客 383

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

Qwen3.6-35B-A3B:3B激活参数如何实现终端级智能体推理

智能体(Agent)是大模型落地的关键范式,其核心挑战在于长程推理稳定性、工具调用连贯性与终端环境适配性。MoE架构通过稀疏激活降低计算开销,但需在参数效率与语义完整性间取得平衡。Qwen3.6-35B-A3B以3B激活参数为设计锚点,结合FFN层专家化与Attention层稠密化,在保持35B级知识容量的同时,显著提升代码意图识别、跨文件符号追踪和DOM状态机建模能力。该方案使真实场景下的Terminal-Bench2.0成功率跃升至89.2%,NL2Repo分析耗时缩短57%,并原生支持‘思考过程留存’

weixin_33831673的博客 460

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

Gemma4 31B横空出世!是本地部署新风口还是高端玩家的“专属玩具”?深度对比Qwen3.5

Gemma4 31B:高门槛的技术分支,非普适替代方案 谷歌DeepMind推出的Gemma4 31B是一款面向高端推理与Agent任务的密集模型,主打原生工具调用和结构化输出,适用于高配硬件(如A100/H100)和多语言场景。然而,其显存需求高(BF16需58.3GB)、长上下文性能受限,且缺乏MTP优化,导致吞吐效率不如Qwen3.5 27B。 对比Qwen3.5: 优势:Gemma4在人类偏好和多语言覆盖上表现更优,尤其适合英文工作流。 劣势:Qwen3.5在中文任务、长上下文处理(支持百万级)和推

m0_63171455的博客 637

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

一周AI热点速览(2026.03.31-04.06):GPT-6曝光、谷歌开源Gemma 4、资本狂飙与模型军备竞赛

过去一周(2026.03.31 - 04.06),AI 领域迎来多个重磅事件。本文梳理本周最值得关注的 AI 热点,重点事件附详细解读。这一周的 AI 行业——GPT-6 的性能跃升、谷歌开源路线的战略转向、马斯克的资本手腕、Anthropic 的伦理坚守,以及国产模型的强势崛起——每一条单独拎出来都够得上行业头条。对于技术从业者而言,这些变化直接影响着工具链的选型和工作方式的演进;对于投资者而言,资本的流向已经给出了对未来的判断;对于每一个普通人而言,AI 的能力边界正在以前所未有的速度拓展。

郑板桥30的博客 862

深度学习0:数学知识:正态分布1

步骤内容结果1引入e−x2e^{-x^2}e−x2钟形曲线2算它的面积I∫−∞∞e−x2dxI∫−∞∞​e−x2dx3平方变成二重积分I2I^2I24换极坐标简化计算5算出I2πI^2 = \piI2πIπIπ​6代入σ\sigmaσ和μ\muμ做变量替换得到σ2πσ2π​7除以它归一化得到正态分布公式2π2π​不是随便写的,它来自高斯积分∫−∞∞e−x2。

tellmewhoisi的博客 196
上一篇: 推理速度提升3倍,多伦多大学等提出dnaHNet,基因组学习计算成本降低近4倍
下一篇: 数据集汇总丨从医疗影像/临床数据,到细胞图谱/医学问答,10大数据集覆盖多类疾病场景
HyperAI超神经
博客等级 码龄7年 8872粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值