Strata本地AI推理工具更新，新增实验性支持Apple Silicon Mac，并引入更轻量的Qwen3.6-35B-A3B模型以降低硬件门槛。该模型约35B参数、激活3B，支持MTP加速，生成速度提升约94%。运行需至少12GB显存、32GB内存，模型文件22GB起。Mac版需macOS 15以上，暂不支持该新模型。

开源项目 openjev-sglang 使用 Qwen3.6-35B-A3B 模型和 SGLang 引擎复刻 TypeSafe 的 Jev 分类 API。其核心是 prefill-only 推理：仅做预填充，直接读取候选标签的概率分布，不生成文本，一次分类只需一个 token。借助 Radix Cache 复用共享前缀，N 个问题仅需 N+1 次预填充、零次解码，速度提升一个数量级。项目部署于 Modal 的 B200，支持 noul、choice、score 三类问题，并返回信心值。

JetBrains团队优化Qwen3.6-27B模型以支持Junie本地运行，通过扩展滚动上下文复用KV缓存、调整提示词顺序、禁用推理模式提升速度，并采用4位量化及优化推理引擎的预填充和投机解码。相比Qwen3.8，3.6无需推理模式，性能更佳，适合Mac硬件。

本文在AWS中国区实测llama.cpp部署Qwen3.6模型，对比Graviton4、Intel CPU和A10G GPU的MTP加速效果。GPU上MTP提升83%性能，CPU上反而降低18-40%。最佳实践：GPU用27B Dense+MTP，CPU用35B MoE关闭MTP，后者成本仅为GPU的26%，性能达82%。

本文探讨了在本地运行生成模型进行编码的可行性，分析了影响模型性能的因素，如内存、处理器核心、模型参数和推理能力。尽管小型模型在工具调用上存在困难，但Qwen3.6 35B MoE模型在能力、速度和内存占用方面表现最佳。总体而言，当前模型仍需改进，尚未实现简单的“即插即用”体验。

科大讯飞的MaaS平台正在限免Qwen 3.6模型，支持高并发使用至6月30日。用户需注册并登录，创建应用后可获得API KEY，推荐使用陪读蛙进行网页翻译，并提供详细配置步骤。

文章讨论了在本地运行小型开源模型的可行性，特别是使用llama.cpp项目。作者分享了在Windows上使用3060显卡运行Qwen3.6 9B模型的设置，包括CUDA版本和参数配置。尽管显存有限，这些模型在简单任务中仍能有效使用。

Qwen团队推出了新版本Qwen3.6-27B，这是一个拥有270亿参数的多模态模型，支持视觉和文本理解。该模型在多个编程基准测试中表现优异，超越了前代版本，并在推理任务上取得了高分。HyperAI官网提供了快速部署该模型的教程。

Qwen3.6-35B-A3B 模型近日开源，性能优于 Qwen3.5 和 Gemma4 系列，编程基准测试显著提升，新增“思考过程留存”功能，简化开发流程。HyperAI 提供在线部署和教程，支持全球开发者快速体验。

阿里巴巴推出新一代大语言模型Qwen3.6-Plus，悟空应用率先接入。该模型在编程、智能体和任务规划等方面表现优异，超越多款竞争对手，能够自主完成复杂任务，降低企业使用门槛，提高效率。

阿里发布了Qwen3.6-Plus编程模型，性能接近Claude，具备强大的编程和智能体能力。该模型支持Vibe Coding和多模态理解，能够快速生成复杂网页和交互场景，显著降低编程门槛。在真实评测中表现优异，超越许多主流模型，未来将推出更多版本。

Qwen3.6 Plus 预览版已在 OpenRouter 上线，用户可免费试用。该模型由阿里云国际提供，具备强大的推理能力，适合编码和复杂问题解决。注册 OpenRouter 账号即可使用。