Kouzlo architektury: 35 miliard parametrů, platíte jen za tři

Označení 35B-A3B popisuje klíčový trik: model má celkem 35 miliard parametrů, ale při každém inferenčním kroku aktivuje pouze přibližně 3 miliardy z nich. Jde o architekturu sparse Mixture of Experts (MoE) — model se skládá ze stovek specializovaných „expertních" podsítí a pro každý token vybere jen ty relevantní.

Výsledek je pozoruhodný: výpočetní náklady odpovídají modelu se třemi miliardami parametrů, ale kapacita naučených znalostí je 35miliardová. Recenze na BuildFastWithAI to popisuje jako poměr efektivity 12:1 — za cenu malého modelu dostanete výkon velkého.

Prakticky to znamená, že Qwen3.6-35B-A3B spustíte na MacBooku s 64 GB RAM nebo na grafické kartě RTX 4090 se 32 GB VRAM. Na RTX 4090 přes optimalizovaný Unsloth GGUF model dosahuje rychlosti přes 120 tokenů za sekundu — to je komfortní konverzační tempo pro běžné použití i náročné agenické úlohy.

Benchmarky: kde Qwen3.6 zářil a kde má ještě prostor

Výsledky na SWE-bench Verified — nejdůležitějším měřítku schopnosti autonomně opravovat reálné bugy v GitHubu — jsou impresivní:

• Qwen3.6-35B-A3B: 73,4 %
• Gemma 4-31B (Google): 52,0 %
• Claude Sonnet 4.5 (Anthropic): srovnatelné výsledky na čistých kódovacích benchmarcích

Na MCPMark — benchmarku měřícím schopnost využívat nástroje (tool use), což je základ agenických systémů — Qwen3.6 dosáhl 37,0 %, zatímco Gemma 4-31B jen 18,1 %. Více než dvojnásobek. Pro vývojáře budujících AI agenty, kteří volají API, prohledávají databáze nebo ovládají prohlížeč, je to klíčový ukazatel.

Na Terminal-Bench 2.0, který testuje schopnost řídit terminál a provádět příkazy, model dosáhl skóre 51,5. Nezávislý výzkumník Simon Willison, který testoval model lokálně, napsal, že Qwen3.6 na některých tvůrčích úlohách překonal i Claude Opus 4.7.

Myšlení jako Claude nebo o1: thinking mode a jeho záchrana kontextu

Stejně jako nejnovější modely Anthropicu nebo OpenAI, podporuje Qwen3.6 dva režimy provozu:

• Thinking mode — model si nejprve promyslí problém krok za krokem (Chain-of-Thought), pak teprve odpoví. Vhodný pro matematiku, kódování a složité agenické úlohy.
• Non-thinking mode — přímá, rychlá odpověď bez viditelného uvažování. Vhodný pro konverzaci, shrnutí nebo jednoduché dotazy.

Přepínání probíhá jednoduše parametrem v API — není třeba stahovat jiný model. Unikátní vlastností je Thinking Preservation: model si pamatuje svůj myšlenkový kontext i mezi konverzačními tahy. U vícekrokových agenických workflow, kde jeden agent volá dalšího a výsledky se předávají dál, je to velká výhoda oproti modelům, které myšlenku zahazují po každé odpovědi.

Kontext 262 tisíc tokenů — a přes milion s rozšířením

Qwen3.6-35B-A3B nativně pracuje s kontextem 262 144 tokenů — to odpovídá zhruba 200 tisícům slov nebo celé kodové základně středně velkého projektu v jednom promptu. Pomocí techniky YaRN scaling je možné kontext rozšířit až na více než milion tokenů.

Pro srovnání: GPT-4o zvládá 128 000 tokenů a i nejnovější Claude Opus 4.7 pracuje s oknem 200 000 tokenů v základní konfiguraci. Qwen3.6 tedy v tomto ohledu překonává i proprietární špičku.

Spuštění za pět minut: Ollama, vLLM nebo GGUF

Alibaba model uvolnila na Hugging Face pod licencí Apache 2.0 — to znamená volné komerční použití bez poplatků. Způsoby nasazení jsou tři:

• Ollama: nejjednodušší cesta — stačí příkaz ollama run qwen3.6 a model funguje lokálně
• vLLM: produkční nasazení se správou fronty, tool use a OpenAI-kompatibilním API
• Unsloth GGUF: kvantizované verze optimalizované pro Apple Silicon a single-GPU stroje

Cloudové API přes Alibaba Cloud Bailian je v přípravě. Pro české a slovenské firmy, které hledají výkonný model bez závislosti na amerických cloudech nebo bez nutnosti sdílet data se třetí stranou, jde o zajímavou alternativu — model lze provozovat kompletně on-premise.

Čeština: co Qwen3.6 umí a co ne

Qwen3 série (na jejíž základech Qwen3.6 staví) deklaruje podporu více než 100 jazyků včetně češtiny. V praxi je česká podpora u čínských modelů obvykle slabší než u modelů trénovaných na primárně anglických datech — Qwen3.6 není výjimkou. Pro technické úlohy v angličtině (kódování, analýza kódu, agenické pipeline) model exceluje. Pro psaní českých textů nebo porozumění česky psané dokumentaci je výkon dobrý, ale ne na úrovni Claude nebo GPT-4o.

Čeští vývojáři ocení model především jako levný lokální kódovací engine pro CI/CD pipeline, code review agenty nebo automatizaci — nasazení na vlastním hardware bez cloudových nákladů a GDPR rizik spojených s odesíláním kódu třetím stranám.

Alibaba kontra OpenAI, Anthropic a Google: bitva o open source

Vydání Qwen3.6 přichází v době, kdy se otevřené modely dostávají na výkonnostní úroveň, která ještě před rokem patřila výhradně proprietárním systémům. Alibabě se podařilo to, o co usiluje i Meta s Llamou: ukázat, že open source AI není kompromis.

Zatímco Google's Gemma 4 se soustředí na multimodalitu a integraci do Google ekosystému, Qwen3.6 vsadil na výkon v agenickém kódování a tool use — oblasti, kde vývojáři cítí největší bolest. Výsledek? Na SWE-bench Qwen3.6 překonává Gemmu o 21 procentních bodů. To není malý rozdíl.

Proprietárním modelům zatím vévodí Claude Sonnet 4.5 a GPT-4o, ale Qwen3.6 se přibližuje a na některých specifických benchmarcích je překonává — a to zadarmo, lokálně, bez poplatků za token.