Qwen 3.6 35B-A3B (Unsloth) (Thinking)

Mit einem Gesamtscore von 74.07% liefert Qwen 3.6 35B-A3B ein eigenwilliges, aber ernst zu nehmendes Paket: ein generalistisches Workstation-Modell mit MoE-Architektur, 35 Milliarden Gesamtparametern und nur rund 3 Milliarden aktiven Parametern pro Token. Getestet wurde hier ausdrücklich der Thinking-Modus, nicht der Standardlauf. Das merkt man. Das Modell argumentiert sichtbar, plant oft sauber, stolpert aber ausgerechnet dort, wo Instruct-Disziplin banal wirken sollte: bei Sprache, Tool-Nähe und verlässlicher Ausführung. Der Speed Profile Badge „Batch Tool Expert“ passt gut: nicht hektisch, eher auf gründliche Bearbeitung als auf unmittelbare Dialogspritzigkeit getrimmt.

Kopfnoten: Stabilität und Zuverlässigkeit

Architektur und Erwartungsrahmen

Die Kategorisierung trifft den Kern erstaunlich gut. Qwen 3.6 35B-A3B ist kein reiner Chat-Allrounder, sondern eine ambitionierte Mischform: reasoning-fähig, multimodal angelegt, offen lizenzierbar, mit Coding- und Agentic-Ambitionen. Gleichzeitig ist es laut Klassifikation primär ein Generalist. Das ist wichtig, weil man seine Ausreißer nicht als Spezialdisziplin verklären sollte. Gute Code- und Reasoning-Werte sind hier ein Plus. Sie sind nicht die Ausrede dafür, dass andere Disziplinen schwanken.

Ebenso wichtig ist die MoE-Bauweise. Wer nur auf 35 Milliarden Parameter starrt, liest die falsche Zahl. Relevant sind die ungefähr 3 Milliarden aktiven Parameter pro Token. Genau dort liegt der Charakter dieses Modells: weniger rohe Kapazität als der große Zahlenaufdruck suggeriert, dafür Effizienz durch Spezialisierung. Im guten Fall wirkt das wie ein geschicktes Schaltwerk. Im schlechten Fall wie ein Teammeeting, in dem zwar viele Experten eingeladen sind, aber nicht immer der richtige spricht.

Der konkrete Testlauf erfolgte im Thinking-Modus. Das ist keine Nebensache, sondern die korrekte Lesebrille für die Resultate. Ausführlichere Argumentation, mehr interne Planung und gelegentlich höhere Streuung sind hier erwartbar. Man sollte dieses Profil daher nicht gegen schnörkellose Instruct-Modelle lesen, die auf kurze Format-Exaktheit getrimmt sind.

Geschwindigkeit und Arbeitsgefühl

Als lokales Modell auf ASUS GX10 / NVIDIA DGX Spark (GB10 Grace Blackwell Superchip, ~115 GB Unified Memory — kein praktisches Speicherlimit für getestete Modellgrößen) zeigt Qwen 3.6 35B-A3B genau die Art von Profil, die sein Badge verspricht: „Batch Tool Expert“ steht für solide Stapelverarbeitung und weniger für interaktive Schlagfertigkeit. Im Alltag heißt das: Das Modell ist nicht quälend langsam, aber es fühlt sich auch nicht wie ein nervöses Autocomplete-Messer an. Es denkt, es schreibt, und manchmal braucht es dafür einen Moment zu viel.

Dazu passt die Token-Ökonomie. Über alle nicht-exempten Module bleibt Qwen 3.6 35B-A3B im grünen Bereich. Kein Bereich kippt in unnötige Verbosität. Für ein lokales Thinking-Modell ist das ein echter Pluspunkt, denn mehr Text bedeutet hier nicht nur mehr Kosten, sondern auch mehr Wartezeit. Qwen verhält sich token-ökonomisch. Es redet selten aus purer Selbstverliebtheit.

Reasoning: sichtbar stark, aber nicht unangreifbar

Im Reasoning-Modul zeigt das Modell seine beste Seite. Der qualitative Eindruck ist klar: Die Logik stimmt, die Struktur steht, und die Antworten haben Substanz. Beim klassischen Wächter-Rätsel arbeitet Qwen 3.6 35B-A3B sauber mit Fallunterscheidungen, bleibt vollständig auf Deutsch, nutzt die geforderten <thought>-Tags korrekt und landet sicher bei der bekannten Doppelumkehr-Lösung. Das ist nicht brillant im didaktischen Sinn, aber es ist fachlich sauber. Kein blendendes Feuerwerk, eher verlässliche Ingenieursarbeit.

Gerade im Thinking-Modus ist diese Nüchternheit ein Kompliment. Manche Modelle nutzen sichtbares Denken wie Nebelmaschinen auf einer schlechten Bühne. Hier trägt der zusätzliche Denkaufwand tatsächlich zur Antwortstruktur bei. Dass der Judge mehr pädagogische Eleganz, Diagramme oder begriffliche Schärfung vermisst, ist berechtigt. Aber das ist Luxusproblem, kein Substanzdefekt.

Dennoch zeigt sich im CLI-Umfeld die Schattenseite des Reasoning-Profils. In einer Aufgabe hat das Modell seine internen Denk-Tokens derart ausgereizt, dass für die sichtbare Antwort nichts mehr übrig blieb. Das System meldete Erfolg, aber der Nutzer bekam keinen sichtbaren Antworttext. Das bedeutet entweder internen Reasoning-Only-Output ohne Resultat, eine stille Verweigerung oder einen Silent-Failure. In allen Fällen ist das praktisch wertlos. Besonders im Agentenbetrieb ist ein korrektes Denken ohne ausformuliertes Ergebnis ungefähr so hilfreich wie ein exzellenter Chirurg, der den OP-Bericht nie schreibt.

In derselben CLI-Aufgabe wurde das Ausgabe-Kontingent durch interne Denkprozesse vollständig verdrängt. Der automatische Abzug ist hier methodisch folgerichtig: Nicht weil die Logik zwingend falsch war, sondern weil das Modell die Aufgabe nicht bis zum sichtbaren Ergebnis bringen konnte. Für Reasoning-Modelle ist das ein bekannter Charakterzug, aber kein Freifahrtschein. Wer Werkzeuge ansteuern oder Shell-Antworten erzeugen soll, muss am Ende auch etwas liefern.

Code Quality: ordentliches Auge, keine eiserne Hand

Die Kategorie-Zuordnung als Coder ist nicht aus der Luft gegriffen. Im Code-Quality-Bereich arbeitet Qwen 3.6 35B-A3B strukturiert, erkennt viele echte Schwachstellen und formatiert sauber. In einem Sicherheits-Audit findet es 16 relevante Probleme in Markdown-Tabelle, sauber klassifiziert nach Typ und Schweregrad, inklusive brauchbarer Fix-Ideen wie hash_equals() oder random_bytes(). Das ist keine Blenderleistung. Das Modell sieht Angriffsflächen, benennt sie verständlich und hält die Form.

Aber gerade weil es hier als coder-nahes Modell antritt, fallen die Lücken umso stärker auf. Drei kritische oder zumindest relevante Schwachstellen fehlen komplett, darunter harte Geheimnisse im Code und ein Reset-Token ohne Ablaufdatum. Noch schwerer wiegt etwas anderes: Qwen 3.6 35B-A3B katalogisiert, aber synthetisiert zu wenig. Die verlangte Vertiefung impliziter Schwachstellen, also die Frage, wie einzelne Lücken sich zu echten Angriffsketten verbinden, bleibt zu flach. Das Modell sieht Bäume. Der Wald bleibt blass.

Das ist ein typisches MoE-Muster im Grenzbereich zwischen Erkennen und Urteilen. Die Liste stimmt oft weitgehend. Die sicherheitsrelevante Priorisierung, also was davon in der Praxis zuerst brennt, fällt schwächer aus. Für Entwickler, die einen ersten Audit-Entwurf brauchen, ist das nützlich. Für Security-Reviews mit echter Freigaberelevanz reicht es allein nicht.

Content Transformation und Sprachdisziplin: stark im Glanzstück, schwach in der Kontrolle

Im besten Fall kann Qwen 3.6 35B-A3B erstaunlich gut schreiben. Eine aufwendig strukturierte Umformungsaufgabe mit Analyse, komplettem deutschsprachigem Videoskript, Timing, Screen-Anweisungen und Easter Egg löst das Modell fast vorbildlich. Die Antwort ist produktionsnah, rhythmisch brauchbar, sprachlich sauber und deutlich näher am Alltag eines Content-Teams als viele angeblich kreative Modelle. Hier zeigt sich, dass das Modell nicht nur Code und Logik kann, sondern auch Taktgefühl für Formate besitzt.

Und trotzdem bleibt ein Makel, der im Produktionsalltag schwerer wiegt als ein paar fehlende Stilblüten: Sprachinstruktions-Compliance. In einer anderen Aufgabe desselben Moduls ignorierte das Modell die explizite Vorgabe Deutsch und antwortete auf Englisch. Das ist kein kosmetischer Patzer, sondern ein harter Fehlschlag. In Umgebungen mit fester Zielsprache ist so etwas nicht „mal passiert“, sondern schlicht Ausschuss.

Hinzu kommt der regelbasierte Abzug: In dieser Aufgabe verletzte das Modell die explizite Sprachvorgabe, und die Strafe greift unabhängig von der inhaltlichen Qualität. Genau das ist richtig so. Eine formal falsche Antwort bleibt im Workflow falsch, selbst wenn sie inhaltlich anständig wäre.

Das Sprachversagen ist kein isolierter Ausreißer. Über mehrere Aufgaben in unterschiedlichen Modulen zeigt das Modell ein konsistentes Muster: Bei simultanen Vorgaben aus Sprache, Länge und Format verliert es die Sprachvorgabe als erste Bedingung. Das ist die Sorte Schwäche, die in Demos harmlos wirkt und in echten Pipelines still Schäden anrichtet.

Documentation Quality: brauchbar strukturiert, aber mit demselben Sprachleck

Die Dokumentationsleistung des Modells ist im Grundton solide. Die vorhandenen Judge-Eindrücke beschreiben Antworten, die Kernanforderungen treffen, gut strukturieren und eher knapp als ausufernd arbeiten. Das passt zum generellen Profil von Qwen 3.6 35B-A3B: nicht geschwätzig, oft klar, manchmal mit etwas zu wenig formaler Tiefe wie Metriken oder Belegen.

Aber auch hier schlägt das Sprachproblem wieder zu. In einer Dokumentationsaufgabe ignorierte das Modell die explizite deutsche Zielvorgabe und antwortete auf Englisch. Damit landet nicht nur der qualitative Eindruck im Keller, sondern auch der Status selbst: kein normaler Success-Fall, sondern ein dokumentierter Sprachfehler. Für technische Dokumentation ist das besonders unerquicklich, weil Sprache dort kein Dekor ist, sondern Bestandteil der Spezifikation.

Auch hier gilt: Der automatische Abzug entsteht nicht aus Geschmack, sondern aus Regelverletzung. Wenn ein deutsches Handbuch gefordert ist und ein englischer Text kommt, ist die Antwort im Unternehmenskontext nicht halb richtig. Sie ist falsch.

Cultural Intelligence und UX Writing: funktional statt charmant

Im Bereich Cultural Intelligence liefert Qwen 3.6 35B-A3B brauchbare bis gute Arbeit. Eine toxische Stellenanzeige schreibt das Modell sauber in professionelles, inklusives Deutsch um, entfernt problematische Begriffe zuverlässig und bleibt formatstreng. Was fehlt, ist Wärme. Die Antwort ist korrekt, aber etwas blutarm. Nicht unhöflich, nur nüchtern. Der Judge vermisst zu Recht idiomatische Finesse, motivationalen Ton und kulturelle Einbettung in deutsche HR-Konventionen. Das Modell weiß, was nicht gesagt werden darf. Es weiß weniger gut, was man stattdessen mit Charme sagen sollte.

Im UX-Writing zeigt sich ein ähnliches Bild. Strukturell kann Qwen 3.6 35B-A3B liefern, inklusive tabellarischer Aufbereitung, klaren Schritten und disziplinierter Form. Der qualitative Eindruck: gut benutzbar, leicht unterkühlt, nicht spektakulär. Wer knackige Microcopy mit Wirkung sucht, bekommt keine sprachliche Sternstunde, aber meist brauchbare Werkzeuge. Das ist im Instruct-Kontext legitim. Man muss nur wissen, dass dieses Modell eher Werkbank als Werbeagentur ist.

Tool-Use und Agentic-Verhalten: Planung ja, Vollstreckung nur bedingt

Die Kategorie „Agentic“ ist bei diesem Modell nachvollziehbar, aber mit Einschränkung. Qwen 3.6 35B-A3B kann komplexere Aufgaben offenbar in sinnvolle Bestandteile zerlegen und argumentativ ordnen. Das sieht man in Reasoning, in der Content-Transformation und in strukturierten Analyseaufgaben. Genau dort lebt agentisches Potenzial.

Wo das Bild bröckelt, ist die operative Verlässlichkeit unter harten Formatanforderungen. Der CLI-Bereich fällt deutlich ab. Ein agentisches Modell muss nicht jeden exakten One-Liner brillant aus dem Ärmel schütteln. Aber es muss Ergebnisse stabil bis zur sichtbaren Ausgabe tragen. Wenn ein Task intern „fertig gedacht“ ist und extern leer bleibt, nützt die beste Planungsfähigkeit wenig. Delegation ersetzt keine Zustellung.

Datenschutz und Datenhoheit

Da Qwen 3.6 35B-A3B hier als lokales Open-Weights-Modell betrieben wird, greift die Deployment-Seite des chinesischen Providers im konkreten Test nicht unmittelbar auf Nutzerdaten durch. Relevant bleibt dennoch die Weights-Provenienz: Das Risiko ist als MEDIUM eingestuft, weil das Modell vom in China ansässigen Qwen-Team von Alibaba stammt, aber unter Apache-2.0 mit offenen Gewichten veröffentlicht wurde und vollständig lokal betrieben werden kann. Für europäische Unternehmen ist das ein deutlich besseres Souveränitätsprofil als ein direkter Cloud-Aufruf nach China, aber die Herkunft der Gewichte bleibt ein Herkunftsfaktor, den sicherheitsbewusste Organisationen dokumentieren sollten.

Fazit

Qwen 3.6 35B-A3B ist ein interessantes, in Teilen beeindruckendes Workstation-Modell mit offener Lizenz, MoE-Effizienz und echtem Thinking-Charakter. Seine besten Momente liegen dort, wo Struktur, Reasoning und fachliche Verdichtung gefragt sind. Content-Transformation kann es überraschend stark. Security-Analysen kann es nützlich anstoßen. Und im Reasoning zeigt es mehr Ernsthaftigkeit als viele flotte Schnellsprecher. Über alle Tests hinweg keine nennenswerten Halluzinationen — das Modell erfindet lieber wenig, als sich mit wilden Behauptungen zu blamieren.

Die Schwächen sind allerdings nicht dekorativ, sondern operativ. CLI-Leistung nur mittelmäßig, ein leerer Success-Fall ohne sichtbare Antwort, sporadische Instabilität und vor allem wiederholte Sprachfehler bei expliziter Deutschvorgabe. Genau solche Defekte machen aus einem guten Laborprofil noch kein blind vertrauenswürdiges Produktionsmodell. Wer lokal ein offenes Modell für Analyse, Umformung, längeres Nachdenken und gemischte Wissensarbeit sucht, bekommt hier ein ernsthaftes Werkzeug. Wer harte Workflow-Treue, exakte Tool-Ausführung und sprachlich narrensichere Compliance braucht, sollte Retrys, Validierung und Sprachchecks fest einplanen.

Der Vergleich mit dem Standardlauf desselben Modells fällt dabei deutlich aus: Thinking hebt Qwen 3.6 35B-A3B insgesamt spürbar an und gibt ihm mehr analytische Gravitas. Der Preis ist ein raueres Betriebsprofil. Im Standardmodus wirkt es direkter und flotter, aber klar schwächer in der Gesamtleistung. Im Thinking-Modus zeigt Qwen seinen eigentlichen Charakter. Eben auch seine eigentlichen Macken.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT-5.4 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.