Qwen3.6 35B A3B 如何本地部署？
Qwen3.6 35B A3B 是 MoE 模型，总参数 36B，每 token 激活 3B。Q4 量化整机放显存需要 22GB；把专家放进系统内存后只需 4GB 显存 + 19GB 内存。当前最便宜能跑的显卡是 Tesla V100 32GB，约 ¥7,673，预估 138.7 tokens/s。卸载模式下最便宜能跑的显卡是 Tesla V100 16GB，预估 54 tokens/s。
Qwen3.6 35B A3B 版本信息
Qwen3.6 35B A3B 本地部署需要多少显存？
MoE：总参数 36B 全部要驻留显存，速度按每 token 激活的 3B 算。
| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存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 |
总显存 = 权重 + KV cache（FP16）+ 1GB 运行开销。标 GGUF 的权重是仓库里的实测文件体积，标「估」的按每参数字节估算。超过这个模型 256K 上下文上限的档位写「—」。各档取仓库里该比特数的任一文件，优先 unsloth 动态量化，所以同一档不同模型对应的文件名可能不同。
什么显卡能跑 Qwen3.6 35B A3B？
AmazonJP
判定口径：权重 + KV cache + 运行开销 ≤ 可用显存，单卡。MoE 模型标「卸载」表示把专家权重放进系统内存后能跑（显存只放注意力层与 KV cache），速度按内存带宽 70 GB/s 估算。上下文列给的是能装下的最大档位。
Qwen3.6 35B A3B 混合推理推荐显卡
AmazonJP
专家权重放系统内存，需要 ≥ 19 GB 内存；显存只放注意力层、共享专家和 KV cache，Q4 下最低 4 GB。速度受内存带宽限制（按 70 GB/s 估算），比整机放显存慢得多。
| 设备 | 显存GB | 价 | 需内存GB | 预估 t/s |
|---|---|---|---|---|
 Tesla V100 16GB | 16 | ¥4,432 | 19 | 53.7 |
 Radeon RX 9070 XT | 16 | ¥5,949 | 19 | 48.1 |
| GeForce RTX 5060 Ti 16GB | 16 | ¥6,217 | 19 | 47.9 |
| GeForce RTX 5070 | 12 | ¥6,428 | 19 | 51.6 |
| Radeon RX 7800 XT | 16 | ¥6,498 | 19 | 47.8 |
| Radeon RX 7900 XT | 20 | ¥8,363 | 19 | 50.2 |
| Radeon RX 6950 XT | 16 | ¥9,442 | 19 | 47 |
| GeForce RTX 5070 Ti | 16 | ¥10,600 | 19 | 53.7 |
| GeForce RTX 5080 | 16 | ¥12,560 | 19 | 54.1 |
| GeForce RTX 4080 | 16 | ¥14,710 | 19 | 52.1 |
用 Ollama / llama.cpp / vLLM 本地部署 Qwen3.6 35B A3B
Ollama 库暂无官方标签。
llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。
llama-server -hf unsloth/Qwen3.6-35B-A3B-GGUF:Q4_K_M -c 8192
vLLM 跑的是原始精度权重，显存要求比 GGUF 高得多，通常要多卡。
vllm serve Qwen/Qwen3.6-35B-A3B
量化文件名以模型库当周抓取为准，口径见数据方法。 数据方法
常见问题
Qwen3.6 35B A3B 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 Qwen3.6 35B A3B 约需 22GB 显存，留到 28GB 更稳。
哪张显卡最便宜能跑 Qwen3.6 35B A3B？
Tesla V100 32GB，32GB 显存，当前中位价约 ¥7,673，预估 138.7 tokens/s。
Qwen3.6 35B A3B 能用 Ollama 跑吗？
暂时不能，Ollama 库还没有它的官方标签；可以用 llama.cpp 加载 GGUF。