> ## Documentation Index > Fetch the complete documentation index at: https://docs.aieev.com/llms.txt > Use this file to discover all available pages before exploring further. # Qwen3.6-35B-A3B > 멀티모달을 지원하는 고성능 Mixture-of-Experts 모델. **모델 ID:** `qwen/qwen3.6-35b-a3b` | **엔드포인트 ID:** `qwen3-6-35b-a3b` | **파라미터:** 35B (A3B MoE) | **출시일:** 2026-04-27 | 입력 가격 | 출력 가격 | 컨텍스트 | 모달리티 | 양자화 | | :----------: | :----------: | :-----: | :-------------: | :-: | | \$0.140 / 1M | \$1.000 / 1M | 262,144 | 텍스트 + 이미지 → 텍스트 | FP8 | ## 개요 Qwen 3.6 35B (A3B)는 강력한 성능과 효율적인 추론을 목표로 설계된 Mixture-of-Experts (MoE) 대규모 언어 모델입니다. 토큰마다 전체 파라미터 중 일부만 활성화하는 희소 활성화 방식을 사용해 성능과 서빙 비용 사이의 균형을 잡았습니다. 9B급 모델과 비교하면 추론, 코딩, 분석 성능이 한층 향상되어 더 복잡한 워크로드에도 대응할 수 있습니다. 최대 262,144 토큰의 긴 컨텍스트 추론과 텍스트·이미지 멀티모달 입력을 지원해 고급 어시스턴트, 백엔드 자동화, 멀티모달 이해, 대규모 추론 시스템 등에 활용할 수 있습니다. 플레이그라운드에서 모델을 체험하세요. AIR Container로 배포하세요. OpenAI SDK 그대로 연동하세요. ## 가격 | 구분 | 입력 (1M 토큰) | 출력 (1M 토큰) | | :-- | ---------: | ---------: | | USD | \$0.140 | \$1.000 | | KRW | 210원 | 1,500원 | ## 지원 기능 모든 기능은 [OpenAI 호환 API](/docs/ko/air-api/openai-compatible-api)로 사용할 수 있습니다. | 기능 | 지원 | 비고 | | :----------------------------------------------------------------------------------- | :-: | :----------------------------- | | [Streaming](/docs/ko/air-api/openai-compatible-api#streaming) | ✅ | SSE, `include_usage` 지원 | | [Tool Calling](/docs/ko/air-api/openai-compatible-api#tool-calling-function-calling) | ✅ | 복수 호출·스트리밍 tool call 지원 | | [Vision](/docs/ko/air-api/openai-compatible-api#vision-이미지-입력) | ✅ | 요청당 이미지 최대 4장 | | [Reasoning](/docs/ko/air-api/openai-compatible-api#reasoning-추론-출력) | ✅ | `reasoning` 필드로 분리 반환, 비활성화 가능 | | [JSON 모드](/docs/ko/air-api/openai-compatible-api#json-모드-structured-outputs) | ✅ | `response_format: json_object` | | logprobs | ✅ | `logprobs` / `top_logprobs` | ## 주요 기능 * Mixture-of-Experts (MoE, A3B) 아키텍처로 희소 활성화를 통한 효율적 스케일링 * 9B급 모델 대비 강화된 추론 및 코딩 성능 * 최대 262,144 토큰의 긴 컨텍스트 추론 지원 * 텍스트 및 이미지 입력을 지원하는 멀티모달 능력 (요청당 최대 4장, 초과 시 400 에러) * 강력한 다국어 이해 및 생성 * 희소 전문가 활성화를 통한 효율적 추론 * vLLM 등 고처리량 서빙 엔진과 호환 * 효율적인 배포를 위한 FP8 포맷 제공 ## 활용 사례 ### 복잡한 Q\&A 복잡한 다단계 추론과 분석이 필요한 질의를 처리합니다. ```text 입력 theme={null} Compare transformer-based models and mixture-of-experts models in terms of scalability and efficiency. ``` ```text 출력 theme={null} Transformer models scale by increasing parameter count and compute, while MoE models improve efficiency by activating only a subset of parameters per token... MoE advantages: 1. Higher parameter capacity with lower compute cost 2. Better scalability across distributed systems 3. Improved efficiency for large-scale inference workloads ``` ### 고급 코드 생성 프로덕션 수준의 코드와 시스템 설계 설명을 생성합니다. ```text 입력 theme={null} Design a scalable distributed task queue system using Python and explain key components. ``` ```text 출력 theme={null} A scalable distributed task queue system can be built using components such as a message broker (Redis/Kafka), worker nodes, and a task scheduler... Key components: - Producer: submits tasks - Broker: queues tasks - Worker: executes tasks - Result backend: stores results ``` ### 심층 분석 및 요약 문서를 깊이 있게 이해하고 인사이트를 추출합니다. ### 시각적 이해 멀티모달 추론으로 이미지를 분석하고 인사이트를 추출합니다. ## 파라미터 | 파라미터 | 타입 | 필수 | 기본값 | 설명 | | -------------------- | ---------------- | -- | ----- | --------------------------------------------- | | `messages` | array | 필수 | - | 채팅 기반 생성을 위한 입력 메시지 목록. 텍스트 및 이미지 콘텐츠를 지원합니다. | | `max_tokens` | integer | 선택 | - | 생성할 최대 출력 토큰 수 | | `temperature` | number | 선택 | 1 | 샘플링 온도 (0.0-2.0) | | `top_p` | number | 선택 | 1 | 핵 샘플링 임계값 | | `top_k` | integer | 선택 | - | 상위 k개의 가장 확률 높은 토큰으로 샘플링 제한 | | `min_p` | number | 선택 | - | 토큰 샘플링을 위한 최소 확률 임계값 | | `frequency_penalty` | number | 선택 | 0 | 토큰 빈도 페널티 | | `presence_penalty` | number | 선택 | 0 | 토큰 존재 페널티 | | `repetition_penalty` | number | 선택 | - | 반복 토큰 생성 페널티 | | `stop` | string \| array | 선택 | - | 생성을 종료할 중지 시퀀스 | | `seed` | integer | 선택 | - | 재현 가능한 샘플링을 위한 랜덤 시드 | | `stream` | boolean | 선택 | false | 스트리밍 응답 활성화 | | `tools` | array | 선택 | - | Tool calling 함수 정의 | | `tool_choice` | string \| object | 선택 | auto | Tool 호출 방식 (`auto`, `none`, 특정 함수) | | `response_format` | object | 선택 | - | JSON 모드 (`{"type": "json_object"}`) | | `logprobs` | boolean | 선택 | false | 토큰별 로그 확률 반환 | ## 모델 세부정보 | 속성 | 값 | | -------- | --------------------------------------------------------- | | 컨텍스트 길이 | 262,144 | | 최대 출력 길이 | 262,144 | | 양자화 | fp8 | | 입력 모달리티 | text, image (요청당 최대 4장) | | 출력 모달리티 | text | | 지원 기능 | tools, reasoning, streaming, vision, json\_mode, logprobs | ## 시작하기 [AirCloud 계정](https://aieev.com)에서 API 키를 발급받습니다. 아래 코드에서 `YOUR_API_KEY` 자리에 실제 발급받은 키를 넣어 실행하세요. 언어별(Python, cURL, Node.js) 코드 예시를 선택할 수 있습니다. ```python Python theme={null} from openai import OpenAI client = OpenAI( api_key="YOUR_API_KEY", base_url="https://ap-1.aieev.cloud/endpoints/qwen3-6-35b-a3b/v1" ) response = client.chat.completions.create( model="qwen/qwen3.6-35b-a3b", messages=[{"role": "user", "content": "안녕하세요!"}] ) print(response.choices[0].message.content) ``` ```bash cURL theme={null} curl https://ap-1.aieev.cloud/endpoints/qwen3-6-35b-a3b/v1/chat/completions \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen/qwen3.6-35b-a3b", "messages": [{"role": "user", "content": "안녕하세요!"}] }' ``` ```javascript Node.js theme={null} import OpenAI from "openai"; const client = new OpenAI({ apiKey: "YOUR_API_KEY", baseURL: "https://ap-1.aieev.cloud/endpoints/qwen3-6-35b-a3b/v1", }); const response = await client.chat.completions.create({ model: "qwen/qwen3.6-35b-a3b", messages: [{ role: "user", content: "안녕하세요!" }], }); console.log(response.choices[0].message.content); ``` ## 태그 `open-source` `conversational` `35B` `reasoning` `multilingual` `moe` `high-performance`