Qwen3.5-35B-A3B: Ficha de modelo
Publicado por Nextbit256 S.L. | Última actualización: mayo de 2026 Referencia normativa: Reglamento (UE) 2024/1689 del AI Act, art. 53.1.c y 53.1.d
Identificación del modelo
| Campo | Detalle |
|---|---|
| Nombre completo del modelo | Qwen3.5-35B-A3B |
| Desarrollado por | Qwen Team, Alibaba Cloud |
| Fecha de publicación | Febrero de 2026 |
| Ficha del modelo | huggingface.co/Qwen/Qwen3.5-35B-A3B |
| Informe técnico | No publicado a fecha de mayo de 2026 (entrada de blog disponible: qwen.ai/blog?id=qwen3.5) |
| Blog del desarrollador | qwen.ai/blog?id=qwen3.5 |
Arquitectura y parámetros
| Campo | Detalle |
|---|---|
| Arquitectura | Mixture of Experts (MoE) con atención híbrida (GatedDeltaNet + Gated Attention) |
| Parámetros totales | 35 B |
| Parámetros activos por token | 3 B (8 expertos enrutados más 1 experto compartido activados, de un total de 256 expertos) |
| Parámetros sin incluir embeddings | No publicado por el Qwen Team |
| Capas | 40 (distribución: 10 × [3 × (GatedDeltaNet → MoE) + 1 × (Gated Attention → MoE)]) |
| Atención | Híbrida: GatedDeltaNet (atención lineal) más Gated Attention (cuadrática), GQA con 16 cabezas Q y 2 cabezas KV |
| Longitud de contexto nativa | 262.144 tokens |
| Contexto extendido (YaRN) | Hasta 1.010.000 tokens |
| Precisión | BF16 |
| Modalidades | Texto, imágenes y vídeo (multimodal) |
Licencia y uso comercial
Licencia: Apache License 2.0
Apache 2.0 es una licencia de código abierto permisiva que permite el uso comercial, la distribución y la modificación de forma gratuita, siempre que se conserve el aviso de copyright original y el texto de la licencia, y que cualquier modificación quede documentada.
Verificación de Nextbit: Nextbit ha revisado los términos de licencia aplicables a Qwen3.5-35B-A3B y ha confirmado que prestar este modelo por API bajo un servicio de inferencia comercial está permitido conforme a Apache 2.0. No se requiere ningún acuerdo comercial adicional con Alibaba Cloud / Qwen Team para este caso de uso.
Restricciones relevantes para los usuarios: ninguna específica de este modelo más allá de los términos estándar de Apache 2.0. Los usuarios de la API de Nextbit que integren las salidas del modelo en sus propios productos siguen siendo responsables de su propio cumplimiento de la normativa aplicable y de cualquier requisito de licencia derivado.
Resumen de datos de entrenamiento
Lo siguiente se basa en información públicamente disponible publicada por el Qwen Team sobre los datos de entrenamiento de la familia de modelos Qwen3.5.
Datos de preentrenamiento
La familia de modelos Qwen3.5 se preentrenó con un amplio corpus multilingüe que cubre 201 idiomas y dialectos. El Qwen Team ha descrito las siguientes categorías de datos:
- Contenido web: texto extraído de páginas web disponibles públicamente, procesado y filtrado por calidad.
- Datos de documentos: contenido de documentos estructurados (PDF y otros formatos) procesado con herramientas de extracción multimodal.
- Datos sintéticos: datos de matemáticas y programación generados sintéticamente para reforzar las capacidades de razonamiento y programación.
- Datos multimodales: contenido de imagen y vídeo para capacidades multimodales.
El modelo se entrenó con Multi-Token Prediction (MTP), y el aprendizaje por refuerzo se escaló en entornos de agentes a gran escala.
Volumen de tokens: no publicado por el Qwen Team para la familia Qwen3.5. La generación Qwen3 (febrero de 2025) usó aproximadamente 36 billones de tokens. Es probable que Qwen3.5 haya usado un corpus comparable o mayor, pero no se ha publicado ninguna cifra oficial.
Fecha de corte del conocimiento
No publicada por el Qwen Team. A partir de la fecha de publicación de febrero de 2026, la fecha de corte de los datos de entrenamiento se estima no posterior a finales de 2025. Los usuarios deben tratarlo como una aproximación.
Qué no está disponible públicamente
El Qwen Team no ha publicado:
- El recuento exacto de tokens del preentrenamiento de Qwen3.5
- Los porcentajes de composición de las fuentes de datos
- Conjuntos de datos o corpus específicos utilizados
- La metodología de filtrado o deduplicación de datos en detalle
- El cómputo de entrenamiento (FLOPs u horas de GPU)
La referencia pública principal es la entrada de blog de Qwen3.5. No se había publicado un informe técnico formal a fecha de mayo de 2026.
Idiomas admitidos
Qwen3.5-35B-A3B admite 201 idiomas y dialectos, según indica la ficha del modelo. Esto incluye los principales idiomas del mundo en todas las regiones. Lista completa de idiomas: consulta la ficha del modelo Qwen3.5.
Usos previstos
Este modelo está diseñado para:
- Tareas de razonamiento complejo (matemáticas, lógica, razonamiento científico)
- Generación y análisis de código
- Seguimiento de instrucciones y diálogo de propósito general
- Tareas multilingües y traducción
- Flujos de trabajo agénticos con tool calling y function calling
- Tareas multimodales: comprensión de imagen y vídeo combinada con texto
- Escritura creativa
El modelo admite dos modos de funcionamiento:
- Modo de pensamiento: razonamiento interno extendido antes de generar una respuesta (usa los tokens
<think>...</think>), activado por defecto, adecuado para tareas complejas - Modo sin pensamiento (instruct): generación de respuesta directa, adecuado para aplicaciones conversacionales y sensibles a la latencia
La ficha del modelo no indica usos explícitamente excluidos, más allá de los principios generales de IA responsable.
Evaluación de riesgo sistémico
| Campo | Detalle |
|---|---|
| FLOPs de entrenamiento | No publicados por el Qwen Team |
| FLOPs estimados (método de parámetros activos) | ~5 × 10²³ (estimación basada en 3 B de parámetros activos por ~36 billones de tokens como referencia base, fórmula 6 × N_activos × D) |
| ¿Supera el umbral de 10²⁵ FLOPs? | No. Se estima aproximadamente 200 veces por debajo del umbral de riesgo sistémico |
| Nota sobre la arquitectura MoE | los FLOPs de los modelos MoE se calculan a partir de los parámetros activos por token, no de los parámetros totales. La cifra de ~3 B de parámetros activos (no los 35 B totales) es la relevante para la estimación de FLOPs |
| Designación por la Oficina de IA | No está designado como modelo de riesgo sistémico a fecha de mayo de 2026 |
| ¿Aplican las obligaciones del art. 55? | No |
Esta estimación se basa en información públicamente disponible y usa los parámetros activos como base de FLOPs, en línea con la metodología estándar de evaluación de modelos MoE. El recuento de tokens de entrenamiento de Qwen3.5 no se ha publicado oficialmente. La estimación toma como referencia conservadora los 36 billones de tokens de Qwen3. Si el Qwen Team publica cifras oficiales de cómputo de entrenamiento, esta sección se actualizará.
Esta documentación está publicada por Nextbit256 S.L. de conformidad con el artículo 53(1)(c) y 53(1)(d) del Reglamento (UE) 2024/1689 (AI Act). Nextbit256 S.L. presta este modelo a través de su API de inferencia, pero no lo ha desarrollado ni entrenado. Toda la información sobre datos de entrenamiento y arquitectura procede de la documentación pública publicada por el Qwen Team / Alibaba Cloud.
Para consultas: [email protected]