Qwen3.5-35B-A3B

Qwen3.5-35B-A3B est un LLM open-weights de Qwen, publié le 24 février 2026 sous licence Apache 2.0 avec usage commercial autorisé. Son format associe 35 milliards de paramètres à 3 milliards de paramètres actifs, un choix qui le place dans la catégorie des modèles compacts à activation partielle plutôt que dans celle des modèles denses haut de gamme.

Sa fenêtre de contexte de 262 144 tokens et son tarif très bas sont ses marqueurs les plus visibles: le coût annoncé est 93% inférieur à la moyenne des LLM similaires et environ 34,5 fois inférieur à celui des modèles frontière. À sa sortie, il se situait dans le top 18% sur GPQA parmi les LLM de sa génération, avec cinq sources de données concordantes.

Caractéristiques

Indices de synthèse

Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.

Performances (benchmarks)

« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.

Comment se situe-t-il ?

Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.

Classements Arena (Elo)

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 93 % en dessous de la moyenne des LLM similaires, et 34,5 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).

Coût & vitesse agentiques

Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.

Notre analyse

Forces. Qwen3.5-35B-A3B se distingue surtout par son rapport capacité-prix: sa grande fenêtre de contexte et son faible nombre de paramètres actifs cadrent avec un usage économique sur de longs volumes de texte. Ses meilleurs résultats Benchable concernent Email Classification (Baseline) et Hallucinations (Baseline), deux tests où il apparaît dans une zone solide du classement. Instruction Following (Baseline) reste utilisable mais moins dominant. À sa sortie, son classement GPQA le plaçait dans le haut de sa génération, ce qui nuance son Intelligence Index global, plutôt médian. L'Arena code est plus favorable que l'Arena text, signe d'une réception comparative moins faible en code qu'en conversation générale.

Limites et points d'attention. Les faiblesses sont nettes sur General Knowledge (Baseline), Coding (Baseline) et Reasoning (Baseline), où les scores fournis sont nuls et les rangs proches du bas de tableau. Le modèle ne doit donc pas être présenté comme un généraliste robuste, ni comme un choix prioritaire pour le raisonnement complexe ou le développement logiciel exigeant. Son prix très inférieur aux modèles haut de gamme explique une partie de son intérêt, mais ne compense pas ces limites pour les tâches à forte exigence factuelle ou logique. Profil pertinent: classification d'e-mails, traitements textuels longs à coût contraint et scénarios où la licence Apache 2.0 et l'usage commercial autorisé priment sur la performance maximale.

Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · Benchable.ai (benchable.ai).