Qwen 3.6: El Modelo IA de Código Abierto 2026

Actualizado el 09/09/2026 — Este artículo fue actualizado con información reciente y secciones nuevas.

Para probarlo sin instalar nada, acá está la guía para usar Qwen 3.6 gratis.

Qwen 3.6-35B es un modelo de inteligencia artificial open source de Alibaba, lanzado bajo licencia Apache 2.0, que usa arquitectura Sparse Mixture of Experts (MoE) para activar selectivamente solo 3 mil millones de parámetros de un total de 35 mil millones. Alcanza 49.5% en SWE-bench Pro, es 1.7x más rápido que Claude Opus, cuesta 17 veces menos en API (USD 0.08 por 1M tokens versus USD 1.35 de Claude), soporta contexto de 1 millón de tokens y 201 idiomas incluyendo español nativo, y corre completamente localmente en hardware estándar con 24GB VRAM mínimo usando quantización Q4.

En pocas palabras: Qwen 3.6-35B es el modelo open source de Alibaba que activa solo 3B de 35B parámetros por consulta usando arquitectura Mixture of Experts. Corre localmente vía Ollama, llama.cpp o SGLang, supera a Claude Opus en benchmarks de código real (SWE-bench Pro), y cuesta una fracción del precio de las alternativas propietarias en API.

¿Qué significa “A3B” en el nombre Qwen 3.6-35B?

“A3B” indica que el modelo activa 3 mil millones de parámetros por token, aunque el total almacenado es de 35 mil millones. No es un error de nomenclatura ni un modelo distinto de menor tamaño: es la misma arquitectura MoE identificada por su consumo computacional real en vez de su peso en disco.

Alibaba lanzó Qwen 3.6-35B en abril de 2026 bajo licencia Apache 2.0, lo que significa que podés descargarlo, modificarlo, entrenarlo y usarlo comercialmente sin restricciones ni pagos de regalías. Es un modelo open source profesional que compite directamente con propuestas propietarias de Anthropic y OpenAI en tareas de programación, sin costos de API recurrentes y sin dependencia de infraestructura externa.

Según el repositorio oficial en Hugging Face (modelo Qwen/Qwen3.6-35B-A3B), Qwen 3.6 soporta 201 idiomas, incluyendo español nativo integrado desde el entrenamiento, no como traducción posterior. El contexto base es 262K tokens, pero con técnicas de attention patterns específicas se expande hasta 1 millón de tokens.

¿Cómo funciona la arquitectura Sparse Mixture of Experts de Qwen 3.6?

Qwen 3.6 no es un modelo más pequeño que Claude, es un modelo que decide dinámicamente cuáles parámetros activa para cada consulta. Un modelo denso tradicional (como Claude Opus o GPT-5.4) usa todos sus parámetros para cada token generado; Qwen usa una red “gate” que enciende solo los expertos relevantes.

El modelo tiene múltiples “expertos” especializados (capas neuronales entrenadas para tareas distintas), y una red neuronal llamada gate network decide cuál experto usar para cada token procesado. Si la consulta es sobre debugging en Python, se activa el experto de Python; si es sobre infraestructura, se activa otro. El resto queda dormido, sin consumir GPU ni memoria. Para un ejemplo de optimización de runtime en otro lenguaje, ver nuestra nota sobre el compilador JIT de Python 3.15.

En la práctica esto se traduce en velocidad de inferencia real: generar 100 tokens con Qwen 3.6 en una RTX 4090 toma 3-4 segundos, versus 5-6 segundos con Claude Opus por API (latencia de red incluida). En un sistema de agentes con miles de consultas diarias, esa diferencia se multiplica en menos timeouts y menor costo de infraestructura.

¿En qué benchmarks Qwen 3.6 supera a Claude Opus y GPT-5.4?

Qwen 3.6 supera a Claude Opus y GPT-5.4 en las tres métricas de código evaluadas: SWE-bench Pro, Terminal-Bench y HumanEval. Los datos son verificables en repositorios oficiales de Alibaba y en benchmarks públicos de abril de 2026; los costos de API son aproximados y pueden variar según región y plan.

Métrica	Qwen 3.6-35B	Claude Opus	GPT-5.4
SWE-bench Pro (problemas reales de código)	49.5%	42.8%	45.2%
Terminal-Bench 2.0 (scripts shell/bash reales)	51.5%	42.9%	44.1%
HumanEval (Python puro)	94.2%	92.1%	93.8%
Velocidad de tokens/segundo	28-35 t/s	16-20 t/s	14-18 t/s
Costo por 1M tokens (API)	USD 0.08	USD 1.35	USD 1.52
Contexto máximo	1M tokens	200K tokens	128K tokens
Ubicación de ejecución	Local + API en la nube	Solo API (Anthropic)	Solo API (OpenAI)
Licencia	Apache 2.0 (abierta)	Propietaria	Propietaria
Visión (imágenes)	No	Sí	Sí

El dato clave está en SWE-bench Pro, que mide problemas reales de repositorios open source: Qwen saca 49.5% versus 42.8% de Claude, un 16% mejor en problemas del mundo real. En HumanEval la diferencia es menor porque todos superan 92%, pero en problemas reales de repositorios el delta es sustancial. En velocidad, Qwen es 1.7x más rápido que Claude en promedio y 2x más rápido que GPT-5.4, algo relevante si trabajás con agentes que hacen múltiples llamadas por minuto.

La contrapartida es que Qwen 3.6 no procesa imágenes. Si tu flujo de trabajo necesita visión (analizar capturas de pantalla, diagramas o fotos), Claude o GPT siguen siendo la opción, al menos combinados con Qwen para las tareas de texto y código.

¿Qué hardware necesitás para correr Qwen 3.6 en tu PC?

Para correr Qwen 3.6 con velocidad utilizable necesitás una GPU dedicada con al menos 24GB de VRAM; sin GPU, el modelo tarda 30 minutos o más por respuesta y es impracticable. La configuración exacta depende de cuánta velocidad esperás y del presupuesto disponible.

¿Qué GPU recomendada para Qwen 3.6?

• NVIDIA RTX 4090 (24GB VRAM): la mejor opción de escritorio. Genera 28-35 tokens/segundo con Q4. Costo aproximado USD 1.600-2.000.
• NVIDIA RTX 4080 (16GB VRAM): 22-28 tokens/segundo. Alternativa más económica, ~USD 1.200, aunque más ajustada de VRAM para contextos largos.
• NVIDIA H100 (80GB VRAM): para datacenters, genera 60+ tokens/segundo. Sobredimensionado para uso de desarrollo local.
• NVIDIA A6000 (48GB VRAM): estación de trabajo profesional, ~30 tokens/segundo, ~USD 4.000.
• Compute capability 8.0 mínimo: significa RTX 30 series en adelante (RTX 3090, RTX 3080, RTX 4090). GPUs más viejas que compute capability 7.5 no funcionan bien.
• AMD RDNA2+ (RX 6700 XT en adelante): funciona vía soporte HIP, con documentación menos completa que NVIDIA pero viable.
• Intel Arc A770+ (8-16GB): soporte experimental, ~10-12 tokens/segundo. No recomendado para producción.

¿Qué diferencia hay entre quantización Q4, Q3 y FP16?

Q4 es el punto óptimo entre velocidad y precisión para la mayoría de los casos, y reduce el modelo de ~70GB a 14-16GB de VRAM. Las otras opciones sirven para casos específicos de VRAM limitada o máxima precisión.

• Q4 (recomendado): ~14-16GB de VRAM, sin pérdida notable en benchmarks. Es la opción por defecto en la mayoría de los casos.
• Q3 (si tenés poco VRAM): el modelo cae a ~10-11GB, con velocidad similar a Q4 y una pequeña pérdida de precisión (~2-3%). Útil en tarjetas con límite de 16GB.
• FP16 (máxima precisión): sin quantización, necesita 32-35GB de VRAM. Es ~5-10% más lento que Q4, pero con precisión máxima.
• CPU-only (sin GPU): no recomendado. Qwen 3.6 sin GPU tarda 30+ minutos por respuesta, impracticable para uso en tiempo real.

¿Cuánta RAM y almacenamiento necesita Qwen 3.6?

El mínimo funcional es 16GB de RAM del sistema y 50GB de espacio libre en disco; 32GB de RAM y una unidad SSD evitan cuellos de botella al cargar el modelo.

• RAM mínimo: 16GB. Si Ollama spilla a memoria del sistema cuando la VRAM se llena, el sistema se ralentiza pero funciona.
• RAM recomendado: 32GB. Evita que la memoria del sistema sea cuello de botella durante el cacheo de datos.
• Storage: 50GB libres. El modelo GGUF Q4 ocupa ~14-16GB, pero necesitás espacio para cache, checkpoints y logs de ejecución.
• SSD recomendado: cargar el modelo desde un HDD tarda 15-20 minutos en la primera carga; con SSD baja a 3-5 minutos.

¿Dónde descargar los archivos GGUF de Qwen 3.6?

Los archivos GGUF de Qwen 3.6 se descargan desde el repositorio oficial de Alibaba en Hugging Face (Qwen/Qwen3.6-35B-A3B), o automáticamente a través de Ollama sin pasos manuales. GGUF es el formato abierto que comprime los parámetros del modelo en precisión reducida (Q4, Q3) sin pérdida notable de capacidad de razonamiento.

¿Cómo descargar el GGUF desde Hugging Face?

• Buscá el archivo GGUF Q4: generalmente nombrado qwen3.6-35b-q4_k_m.gguf o similar según la comunidad que lo suba. Tamaño aproximado: 14-16GB.
• Descarga por navegador: entrá a huggingface.co/Qwen/Qwen3.6-35B-A3B, buscá el archivo GGUF y descargalo. Toma 30-60 minutos en una conexión de 10 Mbps.
• Descarga por CLI: huggingface-cli download Qwen/Qwen3.6-35B-A3B --local-dir ./qwen-models --local-dir-use-symlinks False.
• Verificá el hash SHA256: Hugging Face muestra el hash de cada archivo. Después de descargar, corré sha256sum archivo.gguf (Linux/macOS) o certUtil -hashfile archivo.gguf SHA256 (Windows) para confirmar que no se corrompió.

¿Ollama descarga el modelo automáticamente?

Sí: al correr ollama pull qwen:3.6-35b, Ollama descarga el GGUF oficial, lo cachea en ~/.ollama/models/ y lo reutiliza en cargas posteriores sin configuración manual.

• Ventaja: cero configuración manual, y Ollama elige la quantización correcta (Q4 por defecto).
• Desventaja: no ves exactamente qué versión descargaste; si querés cambiar a Q3 o FP16, hay que especificarlo al correr el comando.

¿Qué otras fuentes existen para el GGUF de Qwen 3.6?

• Repositorios comunitarios en Hugging Face: algunas comunidades suben versiones alternativas con distintos niveles de quantización (Q3, Q4, Q5).
• Recomendación de seguridad: usá solo el repositorio oficial de Alibaba o fuentes reputadas de la comunidad. Evitá descargar GGUF de fuentes desconocidas, porque pueden estar corruptas o modificadas.

¿Cómo instalar Qwen 3.6 con Ollama paso a paso?

Instalar Qwen 3.6 con Ollama toma cuatro pasos: instalar Ollama, descargar el modelo con ollama pull, ejecutarlo con ollama run, y opcionalmente acceder por API HTTP. Es la vía más simple porque Ollama maneja VRAM y quantización automáticamente.

• Paso 1 — Instalar Ollama: descargá el instalador para tu sistema operativo desde ollama.ai (Windows .exe, macOS .dmg, Linux .tar.gz), ejecutalo y reiniciá. Verificá con ollama --version en la terminal.
• Paso 2 — Descargar el modelo: corré ollama pull qwen:3.6-35b. Descarga el GGUF Q4 (~14-16GB); tarda entre 10 y 30 minutos según tu conexión, y queda cacheado para la próxima vez.
• Paso 3 — Ejecutar en terminal interactiva: corré ollama run qwen:3.6-35b. El modelo carga en VRAM (5-10 segundos la primera vez) y te da un prompt para chatear directamente.
• Paso 4 — Acceder por API HTTP: Ollama expone una API REST en localhost:11434. Para integrarlo en una aplicación: curl http://localhost:11434/api/generate -d '{"model": "qwen:3.6-35b", "prompt": "Tu pregunta aquí", "stream": false}'.

¿Cómo optimizar el rendimiento de Qwen 3.6 en Ollama?

• Reducir contexto si no lo necesitás: ollama run qwen:3.6-35b --num-ctx 32768 en vez de los 262K por defecto. Ahorra 30-40% de VRAM y aumenta velocidad.
• Batch size para consultas en paralelo: el valor por defecto es 1 (latencia mínima). Para procesar varias consultas simultáneas, subilo a 4-8 con --batch-size 8.
• GPU offloading manual: si Ollama no detecta la GPU automáticamente, forzalo con --gpu-layers 99 para cargar todas las capas en GPU.
• Cambiar quantización: si descargaste Q4 pero necesitás Q3 por VRAM limitada, corré ollama pull qwen:3.6-35b:q3 y luego ollama run qwen:3.6-35b:q3.

¿Cómo instalar Qwen 3.6 con llama.cpp?

llama.cpp es la opción para usuarios avanzados que quieren máximo control sobre inferencia y quantización: es más rápido que Ollama por tener menos overhead de runtime, pero requiere configuración manual.

• Descargar llama.cpp: desde github.com/ggerganov/llama.cpp, ya sea el binario precompilado desde Releases o compilando desde el código fuente (requiere CMake y CUDA toolkit para soporte GPU NVIDIA).
• Descargar el GGUF: desde huggingface.co/Qwen/Qwen3.6-35B-A3B, manual o con huggingface-cli download Qwen/Qwen3.6-35B-A3B --include "*.gguf" --local-dir ./qwen-models.
• Ejecutar el modelo: ./main -m qwen3.6.gguf -ngl 99 -n 512 -t 12 -c 32768 -p "Tu pregunta aquí".

Desglose de los flags: -m apunta al archivo del modelo; -ngl 99 carga todas las capas posibles en GPU (omitilo si no tenés GPU); -n define el máximo de tokens en la respuesta; -p es el prompt; -t define cuántos threads de CPU usar; -c define el tamaño de contexto (bajalo a 32768 si necesitás menos VRAM).

llama.cpp suele ser más rápido que Ollama por tener menos intermediarios, pero es menos ergonómico si necesitás interfaz web o API HTTP lista para usar. Para exponer una API HTTP con llama.cpp, usá el flag --server en versiones recientes.

¿Cómo instalar Qwen 3.6 con SGLang para aplicaciones?

SGLang es el framework recomendado cuando tu aplicación necesita respuestas estructuradas (JSON schema, function calling) con máxima throughput. Se instala con pip, levanta un servidor OpenAI-compatible, y soporta structured output nativo.

• Instalar SGLang: pip install sglang[all], que instala soporte GPU con CUDA automático si tenés NVIDIA. Toma 5-10 minutos.
• Lanzar el servidor: python -m sglang.launch_server --model-path Qwen/Qwen3.6-35B-A3B --port 30000, que descarga el modelo si hace falta y lanza un servidor OpenAI-compatible en el puerto 30000.
• Usar desde tu aplicación: SGLang es compatible con el SDK de OpenAI, así que solo cambiás el base_url a http://localhost:30000/v1 y el resto del código queda igual.

La ventaja clave de SGLang es el structured output garantizado: podés forzar que la respuesta sea JSON válido o una llamada a función con una regex de restricción, algo útil para agentes que necesitan integrarse con otros sistemas sin parsear texto libre. En casos con structured output intensivo, SGLang suele generar 2-3x más tokens por segundo que Ollama.

¿Qué significa el contexto de 1 millón de tokens de Qwen 3.6?

El contexto de 1 millón de tokens de Qwen 3.6 permite cargar un documento de 300-400 páginas o un repositorio de código completo en una sola consulta, manteniendo coherencia del principio al final. Es 5 veces más que Claude Opus (200K tokens) y casi 8 veces más que GPT-5.4 (128K tokens).

¿Para qué sirve tanto contexto en la práctica?

Sirve para analizar sistemas grandes sin partirlos en fragmentos, lo que reduce el riesgo de perder dependencias entre módulos. Un caso típico: refactorizar un componente que impacta 10 módulos distintos. Con Claude (200K tokens) hay que dividir el repositorio en varios chunks y analizarlos por separado, con riesgo de inconsistencia entre análisis. Con Qwen (1M tokens) se puede cargar el repositorio completo de una sola vez, y el modelo entiende las dependencias de forma holística.

¿Qwen 3.6 entiende bien el español rioplatense?

Sí, porque fue entrenado en 201 idiomas incluyendo español desde el inicio, no como traducción posterior de un modelo en inglés. Eso se nota en detalles concretos del uso diario.

• Voseo argentino: entiende “vos podés”, “che” y expresiones regionales que modelos entrenados solo en inglés no captan bien.
• Subjuntivo complejo: maneja construcciones como “aunque fuese” o “si no fuera porque” sin perder coherencia.
• Documentación técnica en español: entiende argot técnico en español que no es traducción literal del inglés.
• Consultas mixtas: podés preguntar en español sobre código en inglés (o viceversa) en la misma consulta sin que el modelo se confunda.

¿Qué es el modo thinking y el function calling nativo?

• Thinking mode: el modelo genera un razonamiento paso a paso antes de devolver la respuesta final, útil en problemas que requieren análisis profundo. Es opcional y se puede desactivar si necesitás respuesta rápida.
• Function calling nativo: el modelo genera llamadas a funciones y APIs automáticamente, compatible con los formatos de OpenAI y Anthropic, lo que facilita integrarlo con LangChain, LlamaIndex o llamadas JSON directas.

¿Qwen 3.6 sirve para programar mejor que Claude o GPT?

Para tareas de programación con repositorios reales, Qwen 3.6 rinde mejor que Claude y GPT según SWE-bench Pro, porque fue entrenado agresivamente en repositorios open source, patrones de debugging y revisión de código, no como un modelo de propósito general adaptado ligeramente a código.

¿Cómo rinde Qwen 3.6 en refactorización de codebases grandes?

En refactorización de código legado con miles de líneas, Qwen procesa el repositorio completo con contexto de 1M tokens y devuelve sugerencias ordenadas por riesgo y beneficio, con razonamiento inline. Además corre localmente: cero latencia de red, cero dependencia de API externa, y privacidad total del código fuente.

¿Cómo funciona Qwen 3.6 en agentes con function calling?

En agentes que llaman funciones, escriben queries SQL o revisan PRs automáticamente, el thinking mode nativo de Qwen encadena razonamientos antes de generar las llamadas, lo que reduce las alucinaciones respecto a modelos sin ese paso intermedio.

¿Qwen 3.6 sirve para debugging de logs e incidentes?

Sí: con logs densos y trazas de errores extensas, el contexto de 1M tokens permite pasar todo en una sola consulta sin perder detalles ni cortar el documento. Al correr localmente, además, no hay envío de datos sensibles a terceros ni timeouts por tamaño de documento.

¿Qué problemas comunes aparecen al instalar Qwen 3.6 y cómo se solucionan?

Los problemas más frecuentes al instalar Qwen 3.6 son VRAM insuficiente, GPU no detectada, descargas interrumpidas y respuestas en el idioma equivocado. Todos tienen solución conocida sin reinstalar desde cero.

¿Qué hacer si Qwen 3.6 no entra en tu VRAM ni con Q4?

• Reducir el contexto: ollama run qwen:3.6-35b --num-ctx 16384 en vez de los 262K por defecto. Ahorra 30-40% de VRAM, suficiente para documentos cortos, emails o snippets.
• Bajar a quantización Q3: reduce el modelo a ~10-11GB de VRAM con una pequeña pérdida de precisión (~2-3%), útil si tu tarjeta tiene un límite de 16GB.
• Cerrar aplicaciones que usan GPU: navegadores con aceleración por hardware o software de edición pueden consumir VRAM que Qwen necesita.

¿Qué hacer si Ollama no detecta tu GPU?

• Verificar drivers actualizados: los drivers NVIDIA desactualizados son la causa más común de que Ollama no reconozca la GPU.
• Forzar el offloading manual: corré con el flag --gpu-layers 99 para forzar que todas las capas se carguen en GPU.
• Revisar compute capability: GPUs con compute capability menor a 7.5 no son compatibles con la aceleración que usa Ollama para Qwen 3.6.

¿Qué hacer si la descarga del modelo se corta a la mitad?

Ollama reanuda la descarga automáticamente al volver a correr ollama pull qwen:3.6-35b, sin empezar de cero. Si descargaste manualmente desde Hugging Face, la CLI oficial también soporta reanudar descargas interrumpidas.

¿Qué hacer si Qwen 3.6 responde en inglés a preguntas en español?

Especificá el idioma explícitamente en el prompt del sistema (por ejemplo, “respondé siempre en español rioplatense”), ya que el modelo detecta el idioma por el contexto de la conversación y a veces necesita esa instrucción explícita en consultas muy cortas o técnicas.

¿Cuándo conviene elegir Qwen 3.6 en vez de Claude o GPT?

Qwen 3.6 conviene cuando el proyecto necesita privacidad total del código, presupuesto limitado de API, o análisis de repositorios grandes; Claude y GPT siguen siendo mejor opción cuando el flujo de trabajo necesita procesamiento de imágenes o no hay GPU disponible para correr modelos localmente.

• Elegí Qwen 3.6 si: desarrollás software localmente, construís agentes autónomos con muchas llamadas por minuto, analizás repositorios grandes, tenés equipo sin presupuesto de API, o necesitás compliance de privacidad de código.
• Elegí Claude Opus o GPT-5.4 si: tu flujo necesita procesar imágenes, no contás con GPU de 24GB+ VRAM, o preferís no gestionar infraestructura de inferencia propia.
• Combiná ambos si: podés usar Qwen local para tareas de código de alto volumen y reservar Claude o GPT para consultas puntuales que requieran visión.

Preguntas frecuentes sobre Qwen 3.6-35B

¿Qwen 3.6 es gratis?

Sí, es completamente gratis para descargar y correr localmente bajo licencia Apache 2.0, sin límites de uso comercial. Solo se paga si se usa a través de una API de terceros que cobre por token.

¿Cuánto contexto soporta Qwen 3.6?

Soporta 262K tokens de contexto base, expandible hasta 1 millón de tokens con técnicas de attention patterns específicas, según el repositorio oficial en Hugging Face.

¿Qwen 3.6 puede procesar imágenes?

No, Qwen 3.6-35B no tiene capacidad de visión. Para tareas que requieran analizar imágenes, hace falta combinarlo con un modelo con visión como Claude Opus o GPT-5.4.

¿Necesito GPU NVIDIA para correr Qwen 3.6?

No es obligatorio, pero sí muy recomendable. GPUs AMD RDNA2+ funcionan vía soporte HIP e Intel Arc A770+ tiene soporte experimental, aunque ambas opciones son más lentas que NVIDIA. Sin GPU, el modelo tarda 30 minutos o más por respuesta.

¿Cómo instalo Qwen 3.6 en Ollama con un solo comando?

Con ollama pull qwen:3.6-35b para descargarlo y ollama run qwen:3.6-35b para ejecutarlo; son los únicos dos comandos necesarios después de instalar Ollama.

¿Qwen 3.6 es mejor que Claude Opus para programar?

En SWE-bench Pro, que mide problemas reales de repositorios open source, Qwen 3.6 saca 49.5% contra 42.8% de Claude Opus. En tareas que requieren visión o análisis de imágenes, Claude sigue siendo la mejor opción porque Qwen no tiene esa capacidad.

¿Cuánto cuesta usar Qwen 3.6 por API en vez de local?

El costo aproximado es USD 0.08 por 1 millón de tokens, 17 veces menos que los USD 1.35 de Claude Opus. Estos valores son aproximados y pueden variar según el proveedor de API y la región.