/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
71,9 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Библиотека
transformers
Опубликована
17 июл 2026

Qwen3.5-35B-A3B-Base-archive

Изображение и текст → текст

Производная модели Qwen/Qwen3.5-35B-A3B-Base. Предварительно обученная мультимодальная модель Qwen для обработки изображений и текста, предназначенная прежде всего для дообучения и исследований.

12скачиваний за 30 дней0лайковвеса обновлены17 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Карточка модели ChipHolmes/Qwen3.5-35B-A3B-Base-archive на Hugging Face совпадает с карточкой Qwen/Qwen3.5-35B-A3B-Base, поэтому описание составлено по ней.

Qwen3.5-35B-A3B-Base — базовая мультимодальная модель семейства Qwen, разработанная командой Qwen. Это предварительно обученная модель для дообучения, экспериментов с обучением в контексте и разработки; карточка не рекомендует использовать её для прямого общения без адаптации. Модель сочетает причинную языковую модель с визуальным энкодером и принимает текст и изображения, формируя текстовые ответы.

Архитектура включает 35 млрд параметров, из которых активируется около 3 млрд, разреженный Mixture of Experts с 256 экспертами и гибридные блоки Gated DeltaNet и Gated Attention. Нативный контекст составляет 262 144 токена и может расширяться до 1 010 000 токенов. Семейство заявляет поддержку 201 языка и диалекта. Веса доступны в формате Safetensors; модель совместима с Transformers, vLLM и SGLang.

Мультимодальное предварительное обучение и разреженная архитектура рассчитаны на эффективную обработку визуального и текстового контекста. Для практического диалога или специализированных сценариев может потребоваться дообучение или адаптация. Лицензия — Apache 2.0.

Сценарии применения

  • дообучение мультимодального помощника
  • эксперименты с обучением языковой модели в контексте
  • ответы на вопросы по изображениям после адаптации
  • разработка мультимодальных приложений и агентов
  • исследование эффективной архитектуры Mixture of Experts

Ограничения

Модель предварительно обучена и предназначена для дообучения, экспериментов и разработки, а не для прямого общения без адаптации. Заявленная поддержка 201 языка и диалекта не сопровождается в карточке перечнем языков.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.5-35B-A3B-Base

Qwen Chat

[!Note] This repository contains model weights and configuration files for the pre-trained only model in the Hugging Face Transformers format.

These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, etc.

The intended use cases are fine-tuning, in-context learning experiments, and other research or development purposes, not direct interaction. However, the control tokens, e.g., <|im_start|> and <|im_end|> were trained to allow efficient LoRA-style PEFT with the official chat template, mitigating the need to finetune embeddings, a significant optimization given Qwen3.5's larger vocabulary.

Over recent months, we have intensified our focus on developing foundation models that deliver exceptional utility and performance. Qwen3.5 represents a significant leap forward, integrating breakthroughs in multimodal learning, architectural efficiency, reinforcement learning scale, and global accessibility to empower developers and enterprises with unprecedented capability and efficiency.

Qwen3.5 Highlights

Qwen3.5 features the following enhancement:

  • Unified Vision-Language Foundation: Early fusion training on multimodal tokens achieves cross-generational parity with Qwen3 and outperforms Qwen3-VL models across reasoning, coding, agents, and visual understanding benchmarks.

  • Efficient Hybrid Architecture: Gated Delta Networks combined with sparse Mixture-of-Experts deliver high-throughput inference with minimal latency and cost overhead.

  • Scalable RL Generalization: Reinforcement learning scaled across million-agent environments with progressively complex task distributions for robust real-world adaptability.

  • Global Linguistic Coverage: Expanded support to 201 languages and dialects, enabling inclusive, worldwide deployment with nuanced cultural and regional understanding.

  • Next-Generation Training Infrastructure: Near-100% multimodal training efficiency compared to text-only training and asynchronous RL frameworks supporting massive-scale agent scaffolds and environment orchestration.

For more details, please refer to our blog post Qwen3.5.

Model Overview

  • Type: Causal Language Model with Vision Encoder
  • Training Stage: Pre-training
  • Language Model
    • Number of Parameters: 35B in total and 3B activated
    • Hidden Dimension: 2048
    • Token Embedding: 248320 (Padded)
    • Number of Layers: 40
    • Hidden Layout: 10 × (3 × (Gated DeltaNet → MoE) → 1 × (Gated Attention → MoE))
    • Gated DeltaNet:
      • Number of Linear Attention Heads: 32 for V and 16 for QK
      • Head Dimension: 128
    • Gated Attention:
      • Number of Attention Heads: 16 for Q and 2 for KV
      • Head Dimension: 256
      • Rotary Position Embedding Dimension: 64
    • Mixture Of Experts
      • Number of Experts: 256
      • Number of Activated Experts: 8 Routed + 1 Shared
      • Expert Intermediate Dimension: 512
    • LM Output: 248320 (Padded)
    • MTP: trained with multi-steps
  • Context Length: 262,144 natively and extensible up to 1,010,000 tokens.

Citation

If you find our work helpful, feel free to give us a cite.

@misc{qwen3.5,
    title  = {{Qwen3.5}: Towards Native Multimodal Agents},
    author = {{Qwen Team}},
    month  = {February},
    year   = {2026},
    url    = {https://qwen.ai/blog?id=qwen3.5}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модель не помещается в память одной GPU (80 ГБ).

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
ce111ab

0 моделей