# Qwen3.6-35B-A3B: 모든 사용자를 위한 에이전트형 코딩 성능 공개 > Clean Markdown view of GeekNews topic #28621. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=28621](https://news.hada.io/topic?id=28621) - GeekNews Markdown: [https://news.hada.io/topic/28621.md](https://news.hada.io/topic/28621.md) - Type: GN+ - Author: [neo](https://news.hada.io/@neo) - Published: 2026-04-17T09:36:13+09:00 - Updated: 2026-04-17T09:36:13+09:00 - Original source: [qwen.ai](https://qwen.ai/blog?id=qwen3.6-35b-a3b) - Points: 2 - Comments: 1 ## Topic Body - 총 350억 파라미터 중 30억만 활성화되는 **희소 Mixture-of-Experts(MoE)** 구조로, 효율성과 성능을 동시에 달성한 오픈소스 모델임 - 이전 세대 대비 **에이전트형 코딩 능력**이 크게 향상되어, Qwen3.5-27B나 Gemma4-31B 같은 대형 밀집 모델과 경쟁 가능한 수준을 보임 - SWE-bench, Terminal-Bench, Claw-Eval 등 주요 **코딩 벤치마크**에서 높은 점수를 기록하고, 멀티모달 과제에서도 Claude Sonnet 4.5급 성능을 달성함 - Alibaba Cloud Model Studio API, Hugging Face, ModelScope를 통해 **공개 가중치와 API 접근**이 가능하며, OpenClaw·Claude Code 등 다양한 코딩 도구와 통합 지원함 - 활성 파라미터 30억 개로 대형 모델에 필적하는 **효율적 오픈 모델의 새로운 기준**을 제시함 --- ### Qwen3.6-35B-A3B 개요 - **Qwen3.6-35B-A3B**는 총 350억 파라미터 중 30억만 활성화되는 **희소 Mixture-of-Experts(MoE)** 모델로, 효율성과 성능을 동시에 갖춘 오픈소스 모델임 - 이전 버전인 Qwen3.5-35B-A3B보다 **에이전트형 코딩(agentic coding)** 성능이 크게 향상되었으며, Qwen3.5-27B나 Gemma4-31B 같은 대형 밀집 모델과 경쟁 가능한 수준을 보임 - **멀티모달 추론과 비추론 모드**를 모두 지원하며, Qwen Studio, API, Hugging Face, ModelScope를 통해 공개됨 - 모델은 **Qwen Studio**에서 대화형으로 사용 가능하며, Alibaba Cloud Model Studio API(`qwen3.6-flash`)를 통해 호출하거나 직접 호스팅 가능 ### 성능 평가 - ## 언어 및 코딩 성능 - Qwen3.6-35B-A3B는 활성 파라미터 30억 개만으로 Qwen3.5-27B(밀집형 270억 파라미터)를 여러 주요 코딩 벤치마크에서 능가함 - SWE-bench Verified 73.4, Terminal-Bench 51.5, Claw-Eval 평균 68.7 등에서 높은 점수를 기록 - QwenWebBench(웹 코드 생성 벤치마크)에서는 1397점을 기록해 동급 모델 중 최고 수준 - 일반 에이전트 벤치마크(MCPMark, MCP-Atlas, WideSearch 등)에서도 경쟁 모델 대비 우수한 결과를 보임 - 지식 및 추론 관련 MMLU-Pro, GPQA, AIME26 등에서도 높은 정확도를 유지 - ## 평가 환경 - SWE-Bench 시리즈는 내부 에이전트 스캐폴드(bash + file-edit 도구) 기반으로 200K 컨텍스트 윈도우에서 평가 - Terminal-Bench 2.0은 3시간 제한, 32 CPU/48GB RAM 환경에서 5회 평균 - SkillsBench는 API 의존 작업을 제외한 78개 과제에서 평가 - QwenClawBench와 QwenWebBench는 내부 실사용 분포 기반 벤치마크로, 실제 사용자 환경을 반영 - ## 비전-언어 성능 - Qwen3.6-35B-A3B는 **자연 멀티모달 모델**로, 30억 활성 파라미터만으로 Claude Sonnet 4.5 수준의 성능을 달성 - RefCOCO(공간 인지) 92.0, ODInW13 50.8로 공간 지능에서 강점을 보임 - RealWorldQA 85.3, MMBench EN-DEV 92.8, OmniDocBench1.5 89.9 등 다양한 비전-언어 과제에서 높은 점수 - 비디오 이해 벤치마크(VideoMME, VideoMMMU, MLVU 등)에서도 80~86대의 점수를 유지하며 안정적 성능을 보임 ### Qwen3.6-35B-A3B 활용 - ## 배포 및 접근 - Alibaba Cloud Model Studio API(`qwen3.6-flash`)를 통해 사용 가능하며, Hugging Face 및 ModelScope에서 **오픈 가중치** 다운로드 가능 - Qwen Studio에서 즉시 체험 가능하며, OpenClaw, Claude Code, Qwen Code 등 **서드파티 코딩 도우미**와 통합 지원 - ## API 사용 - `preserve_thinking` 기능을 지원해 이전 대화의 사고(thinking) 내용을 유지하며 **에이전트형 작업**에 적합 - Alibaba Cloud Model Studio는 OpenAI 및 Anthropic API 규격과 호환되는 **chat completions API**를 제공 - 예시 코드에서는 `enable_thinking` 옵션을 통해 추론 과정(reasoning trace)과 최종 답변을 구분 출력 가능 - ## OpenClaw 통합 - Qwen3.6-35B-A3B는 **OpenClaw**(구 Moltbot/Clawdbot)와 호환되며, Model Studio와 연결해 터미널 기반 에이전트 코딩 환경 제공 - 설정 파일(`~/.openclaw/openclaw.json`)에 Model Studio API 정보를 병합해 사용 - Node.js 22 이상 환경에서 설치 및 실행 가능 - ## Qwen Code 통합 - Qwen 시리즈에 최적화된 **Qwen Code**(터미널용 오픈소스 AI 에이전트)와 완전 호환 - Node.js 20 이상에서 설치 후 `/auth` 명령으로 인증 절차 수행 - ## Claude Code 통합 - Anthropic API 프로토콜을 지원해 **Claude Code**에서도 직접 사용 가능 - 환경 변수로 `ANTHROPIC_MODEL="qwen3.6-flash"` 설정 후 CLI 실행 ### 요약 및 전망 - Qwen3.6-35B-A3B는 **희소 MoE 구조**로도 대형 밀집 모델에 필적하는 **에이전트형 코딩 및 추론 능력**을 입증 - 활성 파라미터 30억 개로 효율성과 성능을 모두 달성하며, 멀티모달 벤치마크에서도 우수한 결과를 보임 - 완전한 오픈소스 체크포인트로 공개되어, **효율적 오픈 모델의 새로운 기준**을 제시 - Qwen 팀은 Qwen3.6 오픈소스 패밀리를 지속 확장할 예정이며, 커뮤니티의 피드백과 활용을 기대 ### 인용 정보 - `@misc{qwen36_35b_a3b, title = {Qwen3.6-35B-A3B: Agentic Coding Power, Now Open to All}, url = {https://qwen.ai/blog?id=qwen3.6-35b-a3b}, author = {Qwen Team}, month = {April}, year = {2026}}` ## Comments ### Comment 55651 - Author: neo - Created: 2026-04-17T09:36:14+09:00 - Points: 1 ###### [Hacker News 의견들](https://news.ycombinator.com/item?id=47792764) - 내 노트북에서 **Unsloth 20.9GB GGUF** 버전을 LM Studio로 돌려봤음 [모델 링크](https://huggingface.co/unsloth/Qwen3.6-35B-A3B-GGUF/blob/mai...) 놀랍게도 Opus 4.7보다 **자전거 타는 펠리컨**을 더 잘 그렸음 [Simon Willison의 비교 포스트](https://simonwillison.net/2026/Apr/16/qwen-beats-opus/) 참고 - 같은 모델로 재현해봤음 (M1 Max 64GB, 90초 미만) — [결과 이미지](https://files.catbox.moe/r3oru2.png) 내 결과물은 하늘에 **태양과 구름**, 얇은 초록색 선 형태의 잔디, 그리고 **후광이 있는 태양** 효과가 있었음 Simon의 결과와 비슷한 ‘공기 흐름’ 표현도 있었지만, 결국 중요한 건 펠리컨과 자전거임 - GGUF 링크 덕분에 시도해봤음 [Shoggoth.db 프로젝트](https://github.com/GistNoesis/Shoggoth.db/)에서 **wiki 탐색 + 자동 DB 구축** 작업에 사용했음 Qwen3.5보다 새로운 생물 탐색 능력이 향상된 걸 체감했음 속도도 약 140 token/s로 빨라졌고, RTX 4090에서 **메모리 오프로드 없이** 안정적으로 작동했음 단, 멀티모달 충돌 방지를 위해 `--no-mmproj-offload` 옵션을 써야 했음 - ‘자전거 타는 펠리컨’ 같은 테스트가 언제쯤 쓸모없어질지 궁금함 원래는 아무도 생각하지 않았던 **이상한 프롬프트**로 모델의 창의성을 평가하려는 의도였는데, 이제는 내부 벤치마크처럼 되어버린 느낌임 - Qwen의 플라밍고 그림이 왜 이겼는지 모르겠음 타이어 위에 앉아 있고, 부리 위치도 이상하며, **바퀴살과 다리 비율**이 어색함 선글라스도 반투명해서 눈이 하나만 보임 귀엽긴 하지만 요청하지 않은 **보타이와 액세서리** 때문에 오히려 감점 요인이라 생각함 Opus의 결과가 덜 화려하지만 더 정확했음 - 이미지를 보면 볼수록 **world model**이 여전히 빠진 퍼즐 조각 같음 결국 지금 모델들은 **확률적 문장 생성기**에 불과하다는 생각이 듦 - Qwen 팀이 **오픈 가중치**를 계속 공개하는 걸 보니 다행임 [관련 뉴스1](https://news.ycombinator.com/item?id=47246746), [뉴스2](https://news.ycombinator.com/item?id=47249343) Junyang Lin 등 주요 인력 이탈 이후에도 프로젝트가 이어지는 게 인상적임 - Qwen 3.6 시리즈 중 하나일 뿐임 작은 사이즈 모델들은 곧 공개될 가능성이 높지만, **주력 397A17B 모델**은 제외된 듯함 - 개인적으로는 **qwen-image 2.0**의 오픈 가중치 공개를 바람 - Unsloth가 이미 **양자화 및 변환**을 완료한 버전이 있음 [Hugging Face 링크](https://huggingface.co/unsloth/Qwen3.6-35B-A3B-GGUF) - Unsloth는 빠르게 실험용 quants를 올리지만, **출시 직후 버전은 종종 수정됨** 일주일쯤 후에 다시 확인해야 안정된 버전을 받을 수 있음 초기 버그 때문에 좋은 모델이 과소평가되는 경우도 있음 - Qwen이 직접 quantized 모델을 내지 않는 이유가 궁금함 **양자화 과정이 복잡하고 품질 저하 위험**이 있어서, 원 개발자가 직접 하는 게 낫다고 생각함 잘못된 quant 버전이 모델 평판을 망칠 수도 있음 - VRAM 요구량이 궁금함. 16GB GPU로도 돌릴 수 있을지 알고 싶음 - Qwen의 기본 quantization이 왜 나쁜지, Unsloth가 누구인지, 그리고 **좋은 포맷이 주는 이점**이 뭔지 궁금함 quantization 자체의 개념도 함께 설명해주면 좋겠음 - `ollama run claude` 명령으로도 이 모델을 쓸 수 있는지 궁금함 - Qwen 팀의 이번 릴리스가 반가움 **소형 오픈웨이트 코딩 모델**은 특정 산업(예: 금융, 헬스케어)에서 클라우드 접근이 제한된 개발팀에게 맞춤형 에이전트를 만드는 데 유용함 서구권에서는 이런 시장을 거의 다루지 않는데, **Mistral**만이 예외인 듯함 - Mistral은 **지속 가능한 비즈니스 모델**을 추구하는 유일한 회사로 보임 다른 AI 기업들은 단기 수익만 노리는 느낌임 - 작은 오픈 모델은 재미있지만, **대형 호스팅 모델과는 급이 다름** 진지한 작업이라면 더 큰 모델을 직접 돌릴 수 있는 하드웨어에 투자해야 함 - 공감하지만, 이런 소형 모델은 실제 산업용으로는 부족함 10만 달러 정도의 장비로도 더 큰 모델을 온프레미스로 돌릴 수 있음 - 오픈웨이트 경쟁 모델을 만드는 건 멋지지만 **비용이 너무 큼** - 규제 산업에서는 모델이 **악의적 데이터로 학습되지 않았음을 검증**하는 방법이 궁금함 - Qwen의 **언어 임베딩 특성**이 흥미로움 [관련 분석 트윗](https://xcancel.com/N8Programs/status/2044408755790508113) Qwen은 다른 모델들과 달리 **시험 중심적 분포(basin)** 에 위치한다고 함 - Qwen 임원이 트위터에서 어떤 모델을 오픈소스로 보고 싶은지 투표를 올렸는데, **27B 버전이 가장 인기**였음에도 불구하고 공개되지 않았음 - 3.5 때처럼 **distillation 과정**을 거쳐 순차적으로 공개될 가능성이 있음 A3B 구조는 증류 속도가 빠르기 때문에 곧 나올 수도 있음 - 27B는 **dense 모델**이라 마케팅 측면에서 35A3B보다 덜 매력적임 후자가 더 빠르고 ‘영리하게’ 느껴짐 - 아마 곧 공개될 듯함 - 개인적으로는 **MoE 구조가 비효율적**이라 생각함 같은 VRAM이라면 27B dense 모델이 더 큰 컨텍스트를 다룰 수 있어 품질이 높을 것임 - 로컬 테스트에서 **Qwen3.5-35B-A3B**를 많이 써봤는데, 내 장비에서 돌아가는 모델 중 가장 강력했음 특히 **Mudler APEX-I-Quality**와 **Byteshape Q3_K_S-3.40bpw** quant 버전이 인상적이었음 RTX 3060 12GB 환경에서 메모리 여유가 생기고 속도도 40 t/s 이상으로 향상됨 - 여러 작업을 해보니 **Qwen3.6은 3.5보다 훨씬 큰 도약**임 이전에 막혔던 프로젝트 개선도 스스로 해냄 - 어떤 quant 버전이 가장 좋은지 궁금함 - 이런 종류의 **AI 소프트웨어 릴리스**를 가장 기대하고 있음 과장된 위험 마케팅도 없고, 구독료도 없으며, 순수하게 써보고 싶은 모델임 - 나도 같은 생각임. 가까운 미래에는 **로컬 모델과 하드웨어 성능**이 충분히 올라 대부분의 사용 사례에서 실용적이 되길 바람 - 사람들은 이런 로컬 모델을 실제로 어떻게 쓰는지 궁금함 **Anthropic이나 OpenAI**의 토큰을 빌리는 것보다 어떤 가치가 있는지 알고 싶음 - Qwen3.5-9B를 **로컬 OCR 테이블 추출**에 사용 중임 문서 포맷이 제각각이라 기존엔 복잡한 규칙 기반 파이프라인을 썼는데, 이제는 **멀티모달 능력**으로 언어+비전 조합 추출이 가능해짐 - 나는 **Frigate**라는 FOSS NVR과 함께 Qwen3.5-4B를 사용함 영상 분석에 충분히 쓸 만하고, 텍스트 요약이나 번역은 더 큰 모델로 처리함 실시간이 아니면 속도보다 품질이 중요하므로 **배치 처리**에 적합함 - 나는 **토큰 임대 모델을 영원히 쓰고 싶지 않음** 완전히 **프라이빗한 셀프호스팅 모델**을 원함 SaaS 서비스의 중단에 지쳐서, LLM도 결국 자가 호스팅으로 가야 한다고 생각함 - **vLLM + qwen3-coder-next**로 수백만 문서를 배치 처리했음 토큰 제한이나 속도 제한 없이 GPU 100% 활용 가능했음 - 모든 작업이 SOTA 모델을 필요로 하진 않음 예를 들어 **Gemma 4**를 아이폰에서 오프라인 번역기로 쓰는데, Apple Translate보다 빠르고 정확함 작은 **JSON 수정 작업** 같은 경우 로컬 모델이 훨씬 효율적임