SprachmodellAktiv

Qwen 3.5 35B A3B

Alibaba

Veröffentlicht: 24. Februar 2026
Datenstand: 8. September 2026

Benchmark-Meta-Score: Nicht berechenbar
Weniger als acht Testreihen
Geschwindigkeit: 147,6 Token/s
Ausgabe-Tempo
Preis: 0,15 $ · 1 $
Eingabe · Ausgabe / 1 Mio. Token
Eingabe: Text, Bild, Video
Ausgabe: Text

Qwen 3.5 35B A3B bringt die multimodale Qwen3.5-Architektur in eine deutlich kleinere MoE-Konfiguration. Drei Milliarden der 35 Milliarden Parameter werden pro Token aktiviert. Du kannst den Checkpoint im Thinking-Modus oder als direkte Instruct-Variante ohne sichtbare Denkspur einsetzen.

Die Modellkarte nennt 262.144 Token nativen Kontext, mit einer möglichen Erweiterung bis 1.010.000. Die Gewichte stehen unter Apache-2.0.

Technische Daten und Zugang

Angabe	Wert und Quelle
Gewichte	Open WeightsQuelle
Zugang	API, LokalQuelle
Parameter	35 Mrd.Quelle
Aktive Parameter	3 Mrd.Quelle
Kontextfenster	262.144 TokenQuelle
Modell-Repository	Qwen/Qwen3.5-35B-A3BQuelle
Lizenz	Apache-2.0Quelle
Architektur	hybrid Gated DeltaNet + Gated Attention; dense or sparse MoE with vision encoderQuelle
Eingabe	Text, Bild, VideoQuelle
Ausgabe	TextQuelle
Reasoning-Modus	thinking by default; switchable non-thinking/instruct modeQuelle
Werkzeugaufrufe	JaQuelle
Strukturierte Ausgabe	JaQuelle
Natives Kontextfenster	262.144 TokenQuelle
Maximales Kontextfenster	1.010.000 TokenQuelle
Sprachen	201 languages and dialectsQuelle
Repository erstellt	2026-02-24 (Repository creation date is a precise publication proxy, but may differ from the public announcement date or an individual checkpoint's first availability.)Quelle

Benchmark-Metaanalyse

Gesamt- und Bereichsscores

Diese Gradually-Indizes ordnen ausgewählte veröffentlichte Messwerte auf einer Skala von 0 bis 100 ein. Sie sind keine Prozentgenauigkeit und keine Garantie für ein Ergebnis in deiner Anwendung.

Abrufstände der verwendeten Quellen 2026-10-19 - 2026-10-19

Gesamtindex

Noch nicht genug unabhängige Werte für einen Score

Ein Gesamtwert braucht mindestens acht Testreihen.

vorläufig

Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.

Testreihen: 1
Testfamilien: 1 / 65
Quellen: 1
Anteil am festen Testpanel (informativ): 1 %

Agenten

Index unter 1 / 100

vorläufig

Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.

Standardfehler: ± 0,0
95-%-Intervall: 0,0 bis 0,2
Testreihen: 1
Testfamilien: 1 / 12
Quellen: 1
Anteil am festen Testpanel (informativ): 8 %

Dokumentierte Methode · Einbezogene Testfamilien und Messwerte

Methodenfassung: benchmark-meta-score-v3

Es zählen aktive Messwerte aus geprüften Primärquellen, wenn mindestens fünf Modelle im selben dokumentierten Vergleichsschnitt aus Datensatz, Harness, Agent, Werkzeugen und Versuchsanzahl verglichen werden. Pro Benchmark-Reihe und Auswerter zählt ein gemeinsamer Setup-Schnitt aus dem neuesten Abruf. Bei mehreren ausdrücklich erfassten Reasoning-Stufen derselben Quelle und Testreihe zählt die höchste dokumentierte Stufe (none bis max), nicht der höchste Ergebniswert. Die ausdrückliche Quellenangabe „Non-reasoning“ entspricht none. Unbekannte oder mehrdeutige Stufen führen zum Ausschluss des Modells aus der betreffenden Reihe. Innerhalb jeder Reihe werden Prozentwerte und Quoten logit-transformiert, andere Einheiten bleiben unverändert, und anschließend werden alle Werte standardisiert. Ein Ein-Faktor-Modell schätzt daraus eine gemeinsame Leistungsstärke je Modell und je Reihe, wie deutlich sie zwischen den Modellen trennt. Bereichswerte weichen davon nur so weit ab, wie die eigenen Ergebnisse im Bereich es belegen. Der Gesamtwert gewichtet die Kernbereiche mit 75 % und Finanzen, Recht und Gesundheit mit 25 %. Er erfordert mindestens acht Testreihen aus zwei Quellen und drei Bereichen. Die Skala von 0 bis 100 bezieht sich auf eine feste Referenzgruppe aus 29 Sprachmodellen, deren Durchschnitt bei 50 liegt.

Veröffentlichte modellabhängige Parameter können abweichen. Das ist kein kontrolliertes Experiment; solche Vergleiche werden als vorläufig gekennzeichnet.

Nicht gemessene Reihen werden nicht als Nullwert eingesetzt. Fehlen einem Modell eigene Werte in einem Kernbereich, steht dort seine Gesamtstärke, und der Hinweis „geschätzt, ohne eigene Werte in …“ nennt den Bereich. Weniger Testreihen führen zu einem größeren Standardfehler.

Das 95-%-Intervall folgt aus dem Standardfehler von 200 Neuberechnungen mit zufällig neu gezogenen Testfamilien. Es beschreibt, wie genau die erfassten Testreihen den Wert festlegen. Es ist keine Prognose für künftige Aufgaben oder spätere Neuberechnungen mit anderen Teilnehmern.

Die Quellenzahl ist keine Anzahl unabhängiger Experimente.

OECD-Handbuch zu zusammengesetzten Indikatoren

Alle 1 Testfamilien und 1 von 1 Rohmesswerten sind hier aufgeführt. Die vollständige Rechnung für alle Modelle enthält der JSON-Export.

Testfamilie: ITBench-AA (SRE)
Agenten · Mittleres Rangperzentil der Familie: 2,9 / 100
Gewicht der Familie im festen Testpanel (informativ): 0,89 % · Abdeckung dieser Testfamilie: 100 %
- Artificial Analysis
  Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
  Einzelmessung:
  artificial-analysis-itbench-aa
  Gewicht der Messreihe innerhalb der Testfamilie:
  100 %
  Nominaler Beitrag zum Gesamtpanel:
  0,89 %
  Rohwert:
  21,5160075329567 %
  Messgröße:
  Average precision at full recall
  Version:
  AA cohort: 59 tasks
  Teilnehmende Modelle:
  36
  Rangperzentil innerhalb der Kohorte:
  2,9 %
  Abgerufen:
  2026-10-19
  Vergleichskohorte:
  artificial-analysis-itbench-aa:AA cohort: 59 tasks:standalone:reasoning:tokens=2000:suffix=Reasoning
  Reasoning-Stufe:
  Reasoning
  Dokumentierter Vergleichsaufbau
  Publikationskohorte:
  ["artificial-analysis-itbench-aa","AA cohort: 59 tasks","aa-model-page-2026-10-19-8a022369738c"]
  Datensatztyp:
  artificial-analysis-evaluation
  Harness:
  Artificial Analysis Stirrup
  Agent:
  Stirrup agent
  Werkzeugregeln:
  Shell access to an offline Kubernetes incident snapshot
  Versuche:
  Average precision at full recall, 3 repeats per task
  Setup- und Modellparameter
  Exakte AA-Konfiguration: Qwen3.5 35B A3B (Reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b, UUID 46d8315e-1630-463f-ab62-84185fa0faab, reasoning=true, source reasoning-token configuration budget=2000, suffix=Reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 59 Kubernetes-Incidentaufgaben, davon 40 öffentliche und 19 private, mit drei Wiederholungen je Aufgabe. Ein Lauf erhält null, wenn eine tatsächliche Ursache fehlt, sonst die Präzision bei vollständigem Recall. Dies ist nur die SRE-Teilmenge von ITBench.. Harness: Artificial Analysis Stirrup. Agent: Stirrup agent. Werkzeugrichtlinie: Shell access to an offline Kubernetes incident snapshot. Versuche: Average precision at full recall, 3 repeats per task. Reasoning: reasoning enabled. Reasoning-Stufe: Reasoning
  Exakte AA-Konfiguration: Qwen3.5 35B A3B (Reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b, UUID 46d8315e-1630-463f-ab62-84185fa0faab, reasoning=true, source reasoning-token configuration budget=2000, suffix=Reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 59 Kubernetes-Incidentaufgaben, davon 40 öffentliche und 19 private, mit drei Wiederholungen je Aufgabe. Ein Lauf erhält null, wenn eine tatsächliche Ursache fehlt, sonst die Präzision bei vollständigem Recall. Dies ist nur die SRE-Teilmenge von ITBench.. Kennung des Quellmodells: artificial-analysis/46d8315e-1630-463f-ab62-84185fa0faab/qwen3-5-35b-a3b/qwen3-5-35b-a3b. Name des Quellmodells: Qwen 3.5 35B A3B. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3.5 35B A3B (Reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Harness: Artificial Analysis Stirrup. Agent: Stirrup agent. Werkzeugrichtlinie: Shell access to an offline Kubernetes incident snapshot. Versuche: Average precision at full recall, 3 repeats per task. Reasoning: reasoning enabled. Reasoning-Stufe: Reasoning. Angezeigter Wert: 21,5 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19

Benchmarkquellen im Überblick

Jeder Auswerter misst andere Fähigkeiten unter eigenen Bedingungen. Testreihen, Gesamtindizes und ihre Komponenten bleiben getrennt. Die Ergebnisse darunter behalten ihre Skalen, Konfigurationen und Quelldaten.

Auswerter	Testreihen	Gesamtindizes	Erfasste aktive Messwerte
Artificial Analysis	4	1	17

Die Abdeckung ist keine Qualitätsrangliste. Überschneidende Tests und mehrere Einstellungen zählen nicht als unabhängige Versuche. Herstellerangaben, historische und strittige Ergebnisse bleiben außerhalb dieser Übersicht und sind in den Detailbelegen gekennzeichnet.

Bei 6 Messwerten dieser Quellen ist die Zuordnung zu einer Testreihe noch offen. Sie erhöhen die Zahl der Testreihen nicht.

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 72.5170068027211
Bewertung: 72.5170068027211
Messgröße: IFBench prompt-level loose accuracy (pass@1)
Einheit: %
Benchmark-Version: AA test set: 294 questions
Kategorie: general
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:reasoning:tokens=2000:suffix=Reasoning
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-10-19
Methodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b, UUID 46d8315e-1630-463f-ab62-84185fa0faab, reasoning=true, source reasoning-token configuration budget=2000, suffix=Reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/46d8315e-1630-463f-ab62-84185fa0faab/qwen3-5-35b-a3b/qwen3-5-35b-a3b. Name des Quellmodells: Qwen 3.5 35B A3B. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3.5 35B A3B (Reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled. Reasoning-Stufe: Reasoning. Angezeigter Wert: 72,5 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Vergleichsmethodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b, UUID 46d8315e-1630-463f-ab62-84185fa0faab, reasoning=true, source reasoning-token configuration budget=2000, suffix=Reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled. Reasoning-Stufe: Reasoning
Einordnung: Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.

Quelle Artificial Analysis

IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 44.4897959183673
Bewertung: 44.4897959183673
Messgröße: IFBench prompt-level loose accuracy (pass@1)
Einheit: %
Benchmark-Version: AA test set: 294 questions
Kategorie: general
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:non-reasoning:tokens=0:suffix=Non-reasoning
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-10-19
Methodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Non-reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b-non-reasoning, UUID eebfef01-709e-4ffe-b72f-0db75ef2434b, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/eebfef01-709e-4ffe-b72f-0db75ef2434b/qwen3-5-35b-a3b/qwen3-5-35b-a3b-non-reasoning. Name des Quellmodells: Qwen 3.5 35B A3B. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3.5 35B A3B (Non-reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: Non-reasoning. Angezeigter Wert: 44,5 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Vergleichsmethodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Non-reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b-non-reasoning, UUID eebfef01-709e-4ffe-b72f-0db75ef2434b, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: Non-reasoning
Einordnung: Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.

Quelle Artificial Analysis

ITBench-AA (SRE): Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 21.5160075329567
Bewertung: 21.5160075329567
Messgröße: Average precision at full recall
Einheit: %
Benchmark-Version: AA cohort: 59 tasks
Kategorie: agentic
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: artificial-analysis-itbench-aa:AA cohort: 59 tasks:standalone:reasoning:tokens=2000:suffix=Reasoning
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-10-19
Methodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b, UUID 46d8315e-1630-463f-ab62-84185fa0faab, reasoning=true, source reasoning-token configuration budget=2000, suffix=Reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 59 Kubernetes-Incidentaufgaben, davon 40 öffentliche und 19 private, mit drei Wiederholungen je Aufgabe. Ein Lauf erhält null, wenn eine tatsächliche Ursache fehlt, sonst die Präzision bei vollständigem Recall. Dies ist nur die SRE-Teilmenge von ITBench.. Kennung des Quellmodells: artificial-analysis/46d8315e-1630-463f-ab62-84185fa0faab/qwen3-5-35b-a3b/qwen3-5-35b-a3b. Name des Quellmodells: Qwen 3.5 35B A3B. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3.5 35B A3B (Reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Harness: Artificial Analysis Stirrup. Agent: Stirrup agent. Werkzeugrichtlinie: Shell access to an offline Kubernetes incident snapshot. Versuche: Average precision at full recall, 3 repeats per task. Reasoning: reasoning enabled. Reasoning-Stufe: Reasoning. Angezeigter Wert: 21,5 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Vergleichsmethodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b, UUID 46d8315e-1630-463f-ab62-84185fa0faab, reasoning=true, source reasoning-token configuration budget=2000, suffix=Reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 59 Kubernetes-Incidentaufgaben, davon 40 öffentliche und 19 private, mit drei Wiederholungen je Aufgabe. Ein Lauf erhält null, wenn eine tatsächliche Ursache fehlt, sonst die Präzision bei vollständigem Recall. Dies ist nur die SRE-Teilmenge von ITBench.. Harness: Artificial Analysis Stirrup. Agent: Stirrup agent. Werkzeugrichtlinie: Shell access to an offline Kubernetes incident snapshot. Versuche: Average precision at full recall, 3 repeats per task. Reasoning: reasoning enabled. Reasoning-Stufe: Reasoning
Einordnung: Die AA-Implementierung deckt hier nur Site Reliability Engineering ab, nicht die weiteren ITBench-Domänen CISO und FinOps.

Quelle Artificial Analysis

MMMU-Pro: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 72.6589595375723
Bewertung: 72.6589595375723
Messgröße: pass@1 accuracy
Einheit: %
Benchmark-Version: AA cohort: 1,730 questions
Kategorie: multimodal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: artificial-analysis-mmmu-pro:AA cohort: 1,730 questions:standalone:reasoning:tokens=2000:suffix=Reasoning
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-10-19
Methodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b, UUID 46d8315e-1630-463f-ab62-84185fa0faab, reasoning=true, source reasoning-token configuration budget=2000, suffix=Reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Kennung des Quellmodells: artificial-analysis/46d8315e-1630-463f-ab62-84185fa0faab/qwen3-5-35b-a3b/qwen3-5-35b-a3b. Name des Quellmodells: Qwen 3.5 35B A3B. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3.5 35B A3B (Reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: reasoning enabled. Reasoning-Stufe: Reasoning. Angezeigter Wert: 72,7 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Vergleichsmethodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b, UUID 46d8315e-1630-463f-ab62-84185fa0faab, reasoning=true, source reasoning-token configuration budget=2000, suffix=Reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: reasoning enabled. Reasoning-Stufe: Reasoning
Einordnung: Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.

Quelle Artificial Analysis

MMMU-Pro: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 69.19075144508669
Bewertung: 69.19075144508669
Messgröße: pass@1 accuracy
Einheit: %
Benchmark-Version: AA cohort: 1,730 questions
Kategorie: multimodal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: artificial-analysis-mmmu-pro:AA cohort: 1,730 questions:standalone:non-reasoning:tokens=0:suffix=Non-reasoning
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-10-19
Methodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Non-reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b-non-reasoning, UUID eebfef01-709e-4ffe-b72f-0db75ef2434b, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Kennung des Quellmodells: artificial-analysis/eebfef01-709e-4ffe-b72f-0db75ef2434b/qwen3-5-35b-a3b/qwen3-5-35b-a3b-non-reasoning. Name des Quellmodells: Qwen 3.5 35B A3B. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3.5 35B A3B (Non-reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: non-reasoning. Reasoning-Stufe: Non-reasoning. Angezeigter Wert: 69,2 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Vergleichsmethodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Non-reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b-non-reasoning, UUID eebfef01-709e-4ffe-b72f-0db75ef2434b, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: non-reasoning. Reasoning-Stufe: Non-reasoning
Einordnung: Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.

Quelle Artificial Analysis

AA-Omniscience Accuracy: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 20.133333333333333
Bewertung: 20.133333333333333
Messgröße: AA-Omniscience Accuracy
Einheit: %
Benchmark-Version: AA Omniscience diagnostic
Kategorie: knowledge
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: artificial-analysis-omniscience-accuracy:AA Omniscience diagnostic:standalone:reasoning:tokens=2000:suffix=Reasoning
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-10-19
Methodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b, UUID 46d8315e-1630-463f-ab62-84185fa0faab, reasoning=true, source reasoning-token configuration budget=2000, suffix=Reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.. Kennung des Quellmodells: artificial-analysis/46d8315e-1630-463f-ab62-84185fa0faab/qwen3-5-35b-a3b/qwen3-5-35b-a3b. Name des Quellmodells: Qwen 3.5 35B A3B. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3.5 35B A3B (Reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard. Reasoning: reasoning enabled. Reasoning-Stufe: Reasoning. Angezeigter Wert: 20,1 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Vergleichsmethodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b, UUID 46d8315e-1630-463f-ab62-84185fa0faab, reasoning=true, source reasoning-token configuration budget=2000, suffix=Reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.. Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard. Reasoning: reasoning enabled. Reasoning-Stufe: Reasoning
Einordnung: Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.

Quelle Artificial Analysis

AA-Omniscience Accuracy: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 15.716666666666669
Bewertung: 15.716666666666669
Messgröße: AA-Omniscience Accuracy
Einheit: %
Benchmark-Version: AA Omniscience diagnostic
Kategorie: knowledge
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: artificial-analysis-omniscience-accuracy:AA Omniscience diagnostic:standalone:non-reasoning:tokens=0:suffix=Non-reasoning
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-10-19
Methodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Non-reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b-non-reasoning, UUID eebfef01-709e-4ffe-b72f-0db75ef2434b, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.. Kennung des Quellmodells: artificial-analysis/eebfef01-709e-4ffe-b72f-0db75ef2434b/qwen3-5-35b-a3b/qwen3-5-35b-a3b-non-reasoning. Name des Quellmodells: Qwen 3.5 35B A3B. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3.5 35B A3B (Non-reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard. Reasoning: non-reasoning. Reasoning-Stufe: Non-reasoning. Angezeigter Wert: 15,7 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Vergleichsmethodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Non-reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b-non-reasoning, UUID eebfef01-709e-4ffe-b72f-0db75ef2434b, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.. Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard. Reasoning: non-reasoning. Reasoning-Stufe: Non-reasoning
Einordnung: Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.

Quelle Artificial Analysis

AA-Omniscience Hallucination Rate: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 85.43405676126878
Bewertung: 85.43405676126878
Messgröße: AA-Omniscience Hallucination Rate
Einheit: %
Benchmark-Version: AA Omniscience diagnostic
Kategorie: knowledge
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Weniger ist besser
Vergleichskohorte: artificial-analysis-omniscience-hallucination-rate:AA Omniscience diagnostic:standalone:reasoning:tokens=2000:suffix=Reasoning
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-10-19
Methodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b, UUID 46d8315e-1630-463f-ab62-84185fa0faab, reasoning=true, source reasoning-token configuration budget=2000, suffix=Reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).. Kennung des Quellmodells: artificial-analysis/46d8315e-1630-463f-ab62-84185fa0faab/qwen3-5-35b-a3b/qwen3-5-35b-a3b. Name des Quellmodells: Qwen 3.5 35B A3B. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3.5 35B A3B (Reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard. Reasoning: reasoning enabled. Reasoning-Stufe: Reasoning. Angezeigter Wert: 85,4 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Vergleichsmethodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b, UUID 46d8315e-1630-463f-ab62-84185fa0faab, reasoning=true, source reasoning-token configuration budget=2000, suffix=Reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).. Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard. Reasoning: reasoning enabled. Reasoning-Stufe: Reasoning
Einordnung: Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.

Quelle Artificial Analysis

AA-Omniscience Hallucination Rate: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 93.41506822226616
Bewertung: 93.41506822226616
Messgröße: AA-Omniscience Hallucination Rate
Einheit: %
Benchmark-Version: AA Omniscience diagnostic
Kategorie: knowledge
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Weniger ist besser
Vergleichskohorte: artificial-analysis-omniscience-hallucination-rate:AA Omniscience diagnostic:standalone:non-reasoning:tokens=0:suffix=Non-reasoning
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-10-19
Methodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Non-reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b-non-reasoning, UUID eebfef01-709e-4ffe-b72f-0db75ef2434b, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).. Kennung des Quellmodells: artificial-analysis/eebfef01-709e-4ffe-b72f-0db75ef2434b/qwen3-5-35b-a3b/qwen3-5-35b-a3b-non-reasoning. Name des Quellmodells: Qwen 3.5 35B A3B. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3.5 35B A3B (Non-reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard. Reasoning: non-reasoning. Reasoning-Stufe: Non-reasoning. Angezeigter Wert: 93,4 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Vergleichsmethodik: Exakte AA-Konfiguration: Qwen3.5 35B A3B (Non-reasoning) (Release qwen3-5-35b-a3b, Zeile qwen3-5-35b-a3b-non-reasoning, UUID eebfef01-709e-4ffe-b72f-0db75ef2434b, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).. Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard. Reasoning: non-reasoning. Reasoning-Stufe: Non-reasoning
Einordnung: Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.

Quelle Artificial Analysis

MMLU-Pro (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 85.3
Bewertung: 85.3
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Qwen official Hugging Face model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Official model-card comparison table; exact target column, setup as published

Quelle Qwen official Hugging Face model card

MMLU-Redux (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 93.3
Bewertung: 93.3
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Qwen official Hugging Face model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Official model-card comparison table; exact target column, setup as published

Quelle Qwen official Hugging Face model card

C-Eval (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 90.2
Bewertung: 90.2
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Qwen official Hugging Face model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Official model-card comparison table; exact target column, setup as published

Quelle Qwen official Hugging Face model card

Seite 1 von 8

Quellen und Datenstand

Art	Nachweis und Datenstand
Geschwindigkeit	Alibaba. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Bei Artificial Analysis als veraltet eingeordnet. Artificial Analysis pflegt dort nur noch den Standard-Workload mit 10.000 Eingabe-Token. Abgerufen am 8. September 2026. Quelle: Artificial Analysis · Artificial Analysis (abgerufen 8. September 2026)Messmethode der Geschwindigkeit
Preis	API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten. Quelle: Preise · API-Preise
Eingabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · Qwen3.5-35B-A3B model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · Qwen3.5-35B-A3B model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Recherchestand	Recherchestand 8. September 2026. 3 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
In den geprüften Quellen nicht gefunden	knowledge-cutoff Originalwortlaut No exact training-data cutoff was stated in the checked official card/report.
Weitere Quelle	Artificial Analysis (abgerufen 19. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 19. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 19. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 19. Oktober 2026)
Weitere Quelle	Modellmetadaten (abgerufen 8. September 2026)
Weitere Quelle	Alibaba Cloud Model Studio visual understanding · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Ollama: kumulierte Downloads für den Beliebtheitsindex
Weitere Quelle	Replicate: kumulierte Ausführungen für den Beliebtheitsindex
Weitere Quelle	Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA
Weitere Quelle	Creative Commons Attribution 4.0

Qwen 3.5 35B A3B

Technische Daten und Zugang

Gesamt- und Bereichsscores

Gesamtindex

Agenten

Testfamilie: ITBench-AA (SRE)

Benchmarkquellen im Überblick

Messungen ohne passende Vergleichswerte

Unsere Tests

SVG-Kurztest

Qwen 3.5 35B A3B

Pelikan auf dem Fahrrad

Beliebtheit

Veröffentlichte Preise

Quellen und Datenstand