Alibaba otwiera drzwi do zaawansowanego modelu Qwen 3.6-35B-A3B, który łączy obraz i tekst w jednym systemie, a do tego potrafi myśleć, korzystać z narzędzi i uczyć się z kontekstu. To oznacza, że programiści mogą teraz budować aplikacje, które rozumieją zarówno co piszemy, jak i co im pokazujemy - wszystko w jednym modelu o rozsądnej wielkości 35 miliardów parametrów.
Implementacja jest zarazem technicznie ambitna i praktycznie przydatna. Model obsługuje extended thinking - formę głębokich rozumowań przed udzieleniem odpowiedzi - co jest przydatne przy skomplikowanych problemach. Dochodzi do tego routing oparty na zmiennikach mieszanki (MoE), czyli inteligentne decydowanie, które części sieci aktywować dla konkretnego zadania, co oszczędza moc obliczeniową. System potrafi wywoływać zewnętrzne narzędzia, integrować się z bazami wiedzy przez retrieval-augmented generation (RAG), a także pamiętać kontekst rozmowy w ramach jednej sesji.
To rozwiązanie trafia w punkt ciężkości współczesnej AI - nie chodzi już o model, który zna tylko tekst. Użytkownicy biznesowi potrzebują systemów, które czytają dokumenty ze zrzutami ekranu, analizują wykresy i tabele, a jednocześnie mogą zapytać system "a może sprawdzisz mi to w bazie danych". Qwen 3.6-35B-A3B jest projektem pokazującym, że takie możliwości przestają być zarezerwowane dla największych, najdroższych modeli. Dla startup-ów i firm średnich, które chcą tworzyć aplikacje AI bez zawierania się w chmurze Microsoftu czy OpenAI-a, to może zmienić równowagę sił na rynku.