Qwen3.6 35B A3B をローカルに導入するには？
Qwen3.6 35B A3B は総パラメータ 36B、1 トークンあたり 3B が有効になる MoE モデルです。Q4 で全量を VRAM に置くには 22GB 必要ですが、エキスパートをシステム RAM に置けば VRAM 4GB + RAM 19GB で動きます。現在最も安く動かせるのは Tesla V100 32GB（で約 ¥175,227）で、推定 138.7 tokens/s です。オフロード構成で最も安く動かせるのは Tesla V100 16GB で、推定 54 tokens/s です。
Qwen3.6 35B A3B のバージョン情報
Qwen3.6 35B A3B のローカル実行に必要なVRAMは？
MoE：総パラメータ 36B すべてをメモリに常駐させる必要があり、速度は 1 トークンあたり有効な 3B で決まります。
| 量子化 | 重みサイズGB | 8K 時の合計GB | 32K 時の合計GB | 128K 時の合計GB |
|---|---|---|---|---|
| 1-bit | 10GGUF | 10.1 | 11.9 | 19.4 |
| 2-bit | 12.3GGUF | 15 | 16.9 | 24.4 |
| 3-bit | 16.8GGUF | 18.9 | 20.7 | 28.2 |
| 4-bit | 22.1GGUF | 21.7 | 23.5 | 31 |
| 5-bit | 26.5GGUF | 25.9 | 27.8 | 35.3 |
| 8-bit | 36.9GGUF | 38.9 | 40.8 | 48.3 |
| FP16 | 69.4GGUF | 71.9 | 73.8 | 81.3 |
合計 = 重み + KV キャッシュ（FP16）+ 実行時オーバーヘッド 1GB。GGUF と付いた重みはリポジトリの実測ファイルサイズ、「推定」はパラメータあたりのバイト数からの概算です。このモデルの上限 256K を超えるコンテキストは「—」と表示します。各段はリポジトリにあるそのビット幅のファイルを使い、unsloth 動的量子化を優先するため、ファイル名はモデルごとに異なります。
Qwen3.6 35B A3B を動かせるGPUは？
AmazonJP
| デバイス | VRAMGB | 価格 | 推定 t/s | 推奨コンテキスト |
|---|---|---|---|---|
 Tesla V100 32GB | 32 | ¥175,2273 件の出品 | 138.7 | 128K |
 Arc Pro B60 | 24 | ¥178,8003 件の出品 | 72.2 | 32K |
 Radeon RX 7900 XTX | 24 | ¥266,8809 件の出品 | 121.8 | 32K |
| Arc Pro B70 | 32 | ¥318,5103 件の出品 | 87.8 | 128K |
| Radeon AI PRO R9700 | 32 | ¥344,5926 件の出品 | 96.9 | 128K |
| GeForce RTX 3090 | 24 | ¥387,0879 件の出品 | 141.1 | 32K |
| Ryzen AI Max+ 395 128GB | 128 | ¥600,9716 件の出品 | 50.5 | 128K |
| RTX PRO 4000 Blackwell | 24 | ¥607,5425 件の出品 | 120.5 | 32K |
| GeForce RTX 4090 | 24 | ¥753,3249 件の出品 | 145.6 | 32K |
| GeForce RTX 5090 | 32 | ¥1,150,2089 件の出品 | 178.2 | 128K |
| DGX Spark 128GB | 128 | ¥1,262,9983 件の出品 | 68.6 | 128K |
| GeForce RTX 2080 Ti 22GB | 22 | —出品なし | 115.1 | 8K |
| GeForce RTX 5090 D V2 | 24 | —出品なし | 162.6 | 32K |
| Arc Pro B65 | 32 | —出品なし | 87.8 | 128K |
| GeForce RTX 4080 SUPER 32GB | 32 | —出品なし | 126.2 | 128K |
| GeForce RTX 5090 D | 32 | —出品なし | 178.2 | 128K |
| Instinct MI100 | 32 | —出品なし | 137.1 | 128K |
| Instinct MI50 32GB | 32 | —出品なし | 125.8 | 128K |
| Radeon PRO W7800 | 32 | —出品なし | 90.7 | 128K |
| RTX PRO 4500 Blackwell | 32 | —出品なし | 138.4 | 128K |
| A100 40GB PCIe | 40 | —出品なし | 170.7 | 128K |
| CMP 170HX 40GB | 40 | —出品なし | 170.9 | 128K |
| GeForce RTX 4090 48GB | 48 | —出品なし | 145.6 | 128K |
| Radeon PRO W7900 | 48 | —出品なし | 115.2 | 128K |
| RTX PRO 5000 Blackwell 48GB | 48 | —出品なし | 162.6 | 128K |
| CMP 170HX 64GB | 64 | —出品なし | 168.5 | 128K |
| Instinct MI210 | 64 | —出品なし | 154.6 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | —出品なし | 162.6 | 128K |
| RTX PRO 6000D | 84 | —出品なし | 171.2 | 128K |
| RTX PRO 6000 Blackwell | 96 | —出品なし | 178.2 | 128K |
| Mac Studio M4 Max 128GB | 128 | —出品なし | 93.2 | 128K |
| Mac Studio M5 Max 128GB | 128 | —出品なし | 100.1 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —出品なし | 93.2 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —出品なし | 100.1 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —出品なし | 117.8 | 128K |
判定基準：重み + KV キャッシュ + 実行時オーバーヘッド ≤ 利用可能メモリ、1 枚構成。MoE モデルの「オフロード」はエキスパート重みをシステム RAM に置けば動作することを示し（VRAM にはアテンション層と KV キャッシュのみ）、その速度は RAM 帯域幅 70 GB/s を前提に推定。コンテキスト列は収まる最大段階です。
Qwen3.6 35B A3B のCPU・GPU併用推論におすすめのGPU
AmazonJP
エキスパート重みはシステム RAM に置き（19 GB 以上が必要）、VRAM にはアテンション層・共有エキスパート・KV キャッシュのみで Q4 なら最低 4 GB。速度は RAM 帯域幅（70 GB/s で推定）に縛られ、全量 VRAM 構成よりかなり遅くなります。
| デバイス | VRAMGB | 価格 | 必要 RAMGB | 推定 t/s |
|---|---|---|---|---|
| Tesla V100 16GB | 16 | ¥101,219 | 19 | 53.7 |
| Radeon RX 9070 XT | 16 | ¥135,853 | 19 | 48.1 |
| GeForce RTX 5060 Ti 16GB | 16 | ¥141,980 | 19 | 47.9 |
| GeForce RTX 5070 | 12 | ¥146,804 | 19 | 51.6 |
| Radeon RX 7800 XT | 16 | ¥148,396 | 19 | 47.8 |
| Radeon RX 7900 XT | 20 | ¥191,000 | 19 | 50.2 |
| Radeon RX 6950 XT | 16 | ¥215,642 | 19 | 47 |
| GeForce RTX 5070 Ti | 16 | ¥242,081 | 19 | 53.7 |
| GeForce RTX 5080 | 16 | ¥286,844 | 19 | 54.1 |
| GeForce RTX 4080 | 16 | ¥335,932 | 19 | 52.1 |
Ollama / llama.cpp / vLLM で Qwen3.6 35B A3B をローカルに導入する
Ollama ライブラリに公式タグはまだありません。
llama.cpp は Hugging Face から GGUF を直接取得します。-c はコンテキスト長です。
llama-server -hf unsloth/Qwen3.6-35B-A3B-GGUF:Q4_K_M -c 8192
vLLM は元の精度の重みを読み込むため、GGUF よりはるかに多くのメモリ（通常は複数枚）が必要です。
vllm serve Qwen/Qwen3.6-35B-A3B
ファイル名はその週のモデルライブラリ取得時点のものです。定義はデータ方法を参照してください。 データ方法
よくある質問
Qwen3.6 35B A3B にはどれくらいのVRAMが必要ですか？
Q4_K_M・8K コンテキストでは Qwen3.6 35B A3B に約 22GB のVRAMが必要で、28GB あれば余裕があります。
Qwen3.6 35B A3B を動かせる最も安いGPUは？
Tesla V100 32GB です。VRAM 32GB、現在の中央値は約 ¥175,227、推定 138.7 tokens/s。
Qwen3.6 35B A3B は Ollama で動かせますか？
まだできません。Ollama ライブラリに公式タグがないため、llama.cpp で GGUF を読み込んでください。