Qwable 3.6 35B (MoE) (thinking on)

Qwable 3.6 35B (MoE) erreicht einen Gesamtscore von 72.71% und trägt das Speed-Profile Batch All-Rounder. Das passt erstaunlich gut zum Charakter dieses Modells: kein nervöses Sprintmodell, kein Spezialist mit Scheuklappen, sondern ein ausführlicher, technisch geprägter Arbeiter für längere Sessions. Die kuratierte Einstufung als agentisches Workstation-Modell mit MoE-Architektur ist dabei wichtig, denn die 35 Milliarden Gesamtparameter klingen nach mehr Wucht, als tatsächlich pro Token aktiv ist: relevant sind hier 3 Milliarden aktive Parameter. Das Ergebnis wirkt deshalb nicht wie rohe Gewalt, sondern wie kluge Spezialisierung mit gelegentlicher Redseligkeit. Sovereign Risk: LOW — lokaler Betrieb ohne Cloud-Transfer; bei rein lokalem Einsatz greifen weder CLOUD Act noch chinesisches NSL, die Herkunft der Fine-Tuning-Daten bleibt aber unklar.

Kopfnoten: Stabilität und Zuverlässigkeit

Architektur und Einordnung

Qwable 3.6 35B (MoE) ist kein Generalist, der zufällig auch programmieren kann. Die Metadaten weisen es als Reasoning-, Thinking-, Coder- und Instruct-Modell aus, dazu als agentisches System der Workstation-Klasse mit Mixture-of-Experts-Architektur. Das ist kein akademischer Etikettenwald, sondern erklärt sehr konkret, was man hier bekommt: ein lokal laufendes Open-Weights-Modell, das auf strukturierte technische Arbeit, Code-nahe Aufgaben und Schritt-für-Schritt-Antworten gedrillt wurde.

Wichtig ist dabei auch der tatsächliche Testmodus. Dieser Bericht bezieht sich auf Thinking Mode: n/a. Das heißt: Es gab in diesem Lauf keinen gesonderten Schalter zwischen Standard- und Thinking-Betrieb. Man bewertet also das Modell so, wie es in diesem Benchmark tatsächlich angetreten ist, nicht so, wie seine Basisarchitektur theoretisch noch konfigurierbar wäre. Die qualitative Signatur bleibt dennoch klar reasoning-lastig. Qwable erklärt gern, strukturiert viel und produziert in mehreren Modulen deutlich mehr Text als der Benchmarkschnitt. Das kann Substanz sein. Es kann aber auch Rechnungen und Wartezeiten aufblasen.

Dass es sich um ein MoE-Modell handelt, ist für die Bewertung zentral. Bei dieser Bauart wird pro Token nur ein Teil der Gewichte aktiv. Man sollte Qwable also nicht an einem dichten 35B-Modell messen, sondern eher an dem, was 3B aktive Parameter in einer guten Expertenverteilung leisten können. Genau da liefert es ein respektables Bild. Es denkt oft über seiner aktiven Gewichtsklasse. Aber es stolpert auch dort, wo ein agentisches Instruct-Modell eigentlich nüchtern liefern müsste: bei Stabilität, bei knappen Formvorgaben und bei der Disziplin, eine Antwort nicht unnötig aufzublähen.

Geschwindigkeit und Praxisprofil

Das Speed-Profile Batch All-Rounder sagt mehr als jede heroische Marketingfolie. Qwable ist für stapelweise Aufgaben, längere Dokumente und analytische Arbeitslasten plausibler als für hektische Dialoge oder eng getaktete Tool-Ketten. Qualitativ gesprochen ist die Generierung moderat bis eher träge. Nicht lähmend in jedem Fall, aber klar kein Modell, das man als direkten Ersatz für eine flüssige Echtzeit-Konversation missverstehen sollte.

Für ein lokales Modell auf dem NVIDIA DGX Spark (GB10 Grace Blackwell Superchip, ~115 GB Unified Memory — kein praktisches Speicherlimit für getestete Modellgrößen) ist das ein relevanter Befund. Die Ausreißer liegen nicht in einer Kategorie, die man im Alltag einfach ignorieren könnte. Gerade in Agenten-Frameworks, wo mehrere Schritte hintereinander sauber und pünktlich beantwortet werden müssen, ist hohe Streuung ein echter Produktmangel. Qwable wirkt nicht langsam im Sinne von unbeweglich. Es wirkt langsam im Sinne von nachdenklich und dabei nicht immer berechenbar. Das ist ein Unterschied, aber keiner, der Integratoren glücklich macht.

Die Token-Effizienz verschärft dieses Bild. In Reasoning und Metacognition ist hohe Ausführlichkeit noch erwartbar. In anderen Modulen fällt Qwable jedoch ebenfalls durch Mehrverbrauch auf. Besonders deutlich wird das bei UX Writing mit 5213 Tokens gegenüber einem Fleet-Median von 1527, also 3.41-fachem Umfang. Auch Code Quality und Documentation Quality liegen jeweils etwa beim Doppelten des Benchmarkschnitts, Cultural Intelligence sogar bei 8.62-fachem Umfang. Da es sich um ein lokales Open-Weights-Modell handelt, ist das weniger ein direkter Kostenalarm als ein Praxisindikator: mehr Text heißt hier vor allem mehr Laufzeit und mehr Gelegenheiten, sich in Nebenwegen zu verlieren.

Code Quality und Security: viel Blick, nicht immer genug Schärfe

Die gute Nachricht zuerst: Qwable 3.6 35B (MoE) hat in Code Quality ein brauchbares Fundament. Der Modulscore von 72.3 ist kein Kunststück, aber ein ernstzunehmendes Ergebnis. Das Modell sieht viele Schwachstellen, bleibt sprachlich präzise und formatiert technische Tabellen sauber. Im vorliegenden Security-Audit erkennt es eine breite Palette von Lücken, von SQL Injection über Type Juggling bis hin zu Mail Header Injection. Das ist keine triviale Leistung. Viele Modelle sehen in solchem PHP-Altholz nur Rauch. Qwable erkennt immerhin das Feuer.

Der Haken liegt im zweiten Schritt. Aus einer Liste erkannter Schwachstellen wird noch kein gutes Security-Review. Genau dort verliert Qwable Punkte. Im Audit bemängelte der Judge zu Recht, dass narrative Einordnung, Angriffsketten und didaktischer Kontext weitgehend fehlen. Das Modell liefert eine technisch saubere Tabelle, aber kaum Erklärung dafür, wie sich einzelne Schwächen zu realen Kompromittierungspfaden verbinden. Gerade bei Security-Aufgaben ist das nicht bloß Stil. Es ist der Unterschied zwischen Inventarliste und Risikoanalyse.

Besonders unerquicklich ist, dass Qwable eine IDOR-Lücke nicht sauber als eigene Kategorie herausarbeitet und bei anderen Punkten die Schwere teilweise zu niedrig einstuft, etwa bei Path Traversal. Das ist keine Katastrophe, aber auch nichts, was man mit dem Schulterzucken “war doch fast alles drin” entschuldigen sollte. Wer Security-Befunde priorisieren will, braucht nicht nur Trefferquote, sondern Urteilskraft. Qwable bringt Ersteres häufiger als Letzteres.

Trotzdem: Für ein Modell mit 3B aktiven Parametern ist die Sicherheitswahrnehmung ordentlich. Als Coder- und Reasoning-Fine-Tune erkennt es technische Muster zuverlässig, besonders wenn die Aufgabe klar umrissen ist und eine strukturierte Ausgabe verlangt. Für reine Find-and-Flag-Audits taugt das. Für belastbare Priorisierung und remediation-taugliche Berichte braucht es Nacharbeit durch Menschen oder ein stärkeres Zweitmodell.

Reasoning und Logik: korrekt, gründlich, aber nicht elegant genug

Im Logical Reasoning kommt Qwable auf 70.61. Das ist solide und passt zur Architekturklassifikation. Das Modell denkt sichtbar in Alternativen, prüft Gegenwege und landet bei klassischen Logikaufgaben auf korrekten Lösungen. Der metakognitive Beispieltest mit den Wächtern ist dafür bezeichnend: Die Antwort ist inhaltlich richtig, logisch sauber und didaktisch immerhin brauchbar. Qwable erklärt nicht nur die richtige Frage, sondern verwirft auch falsche Ansätze systematisch. Das ist ein Zeichen echter interner Struktur, nicht bloß geratenen Endergebnisses.

Doch auch hier zeigt sich ein Muster, das sich durch den gesamten Benchmark zieht. Qwable ist oft gründlich, aber nicht immer gut komponiert. Die Richterprotokolle bescheinigen dem Modell inhaltliche Korrektheit, bemängeln jedoch fehlende visuelle und pädagogische Struktur im Vergleich zur Musterlösung. Tabellen, klar nummerierte Begründungsebenen, saubere begriffliche Rückbindung an das Kernprinzip: Das alles hätte die Antwort nicht richtiger gemacht, aber deutlich besser. Qwable denkt wie ein brauchbarer technischer Kollege. Es schreibt nicht immer wie ein guter Redakteur.

Das ist für die Kategorie interessant. Von einem Modell mit den Tags Reasoning und Thinking darf man längere, besser ausgearbeitete Antworten erwarten. Genau das liefert Qwable oft. Nur verwandelt es zusätzliche Tokens nicht immer proportional in zusätzliche Klarheit. Der Qualitätsgewinn ist vorhanden, aber nicht so groß, wie der Textumfang manchmal suggeriert. Denken ist hier keine Mogelpackung. Effizienz ist trotzdem nicht seine Tugend.

Content Transformation und UX: kompetent, aber bei engen Vorgaben nicht ganz stubenrein

Im Content-Transformation-Modul erreicht Qwable 74.23 und zeigt damit eine überraschend breite Stärke für ein technisch geprägtes Modell. Das Beispiel eines deutschen Video-Skripts zur Zwei-Faktor-Authentifizierung ist bezeichnend. Qwable liefert ein vollständiges, produktionsnahes Skript, inklusive Screen-Anweisungen, Musik-Cues, Troubleshooting und brauchbaren Produktionsnotizen. Der Judge nennt das zurecht “production-ready”. Das ist mehr als nur Fülltext in hübscher Reihenfolge.

Gleichzeitig offenbart die Aufgabe Qwables Grenzen bei strategischen Kommunikationsdetails. Der explizit geforderte Pattern Interrupt bei 1:30 fehlt. Das Easter Egg ist funktional, aber nicht auf Community-Bindung getrimmt. Der Text erklärt gut, aber inszeniert nicht perfekt. Man merkt: Dieses Modell kann Content umbauen, doch es hat nicht den natürlichen Instinkt eines spezialisierten Kreativ- oder UX-Writers. Es wirkt an solchen Stellen wie ein versierter Techniker, der sich Mühe gibt, charmant zu sein. Das kann sympathisch sein. Es ist nicht dasselbe wie editorische Präzision.

In einer Aufgabe im Content-Transformation-Bereich überschritt das Modell die explizite Wortvorgabe von 250 Wörtern um 25%. Das System verhängte einen automatischen Abzug von 20% beziehungsweise 16.80 Punkten auf den erzielten Task-Score. Die inhaltliche Qualität der Antwort ist damit irrelevant. Die Strafe greift unabhängig davon. Genau solche Verstöße sind im produktiven Einsatz tückisch, weil sie nicht nach “falscher Antwort” aussehen, aber trotzdem den Auftrag verfehlen.

Beim UX Writing steht unterm Strich 70.05. Das ist ordentlich, aber in Verbindung mit dem Token-Verbrauch auch ein Warnsignal. Qwable produziert hier deutlich mehr Text als nötig. Für Mikrocopy, Interface-Texte und eng geführte Kommunikation ist das keine Nebensache, sondern ein Stilproblem. In Bereichen, die Kürze und Präzision belohnen, arbeitet das Modell gegen seinen eigenen Auftrag. Es kann die Aufgabe lösen. Es hat nur nicht immer den Instinkt, wann Schluss sein sollte.

Documentation Quality: stark, solange man Länge nicht mit Brillanz verwechselt

Mit 74.75 in Documentation Quality bestätigt Qwable seine eigentliche Komfortzone. Strukturierte, technische, längere Ausgaben liegen diesem Modell sichtbar. Der dokumentarische Ton, die Bereitschaft, Schritte sauber zu entfalten, und die robuste Deutsch-Compliance helfen ihm hier. Es schreibt lieber zu viel als zu wenig. Bei Dokumentation ist das oft die harmloseste seiner Schwächen.

Man sollte das Ergebnis dennoch nicht romantisieren. Auch hier liegt der Token-Verbrauch mit 5796 gegenüber einem Fleet-Median von 2899 bei ziemlich genau dem Doppelten. Das heißt nicht automatisch, dass die Texte schlecht wären. Es heißt aber, dass Qwable oft nicht den kürzesten Weg zur brauchbaren Dokumentation nimmt. Für interne Wissensbasen, Migrationsnotizen oder Entwicklerdokumentation kann das hilfreich sein. Für knappe, wartbare Standarddokumente ist die Schwatzhaftigkeit ein echter Reibungsverlust.

CLI und agentische Tauglichkeit: der schwächste Punkt sitzt ausgerechnet im Anspruch

Der vielleicht unangenehmste Befund steht im CLI Benchmark. Qwable erreicht hier nur 66.12. Für ein Modell, das editorial als agentisch eingeordnet ist, ist das zu wenig. Nicht desaströs, aber klar unter dem, was man von einem Modell erwarten sollte, das in Tool-Use-nahen Workflows bestehen will.

Das Problem ist nicht, dass Qwable zu wenig weiß. Das Problem ist, dass es bei exekutionsnahen Aufgaben nicht mit derselben Verlässlichkeit liefert wie bei Analyse und Dokumentation. Agentische Modelle müssen planen, strukturieren und in konkrete Handlungen übersetzen können. Qwable kann planen und strukturieren. Bei der Übersetzung in präzise, sofort brauchbare CLI-Ausgaben fehlt ihm jedoch jene Härte, die Automatisierung verlangt. Ein Shell-Befehl darf nicht “fast richtig” sein. Ein Agenten-Loop verzeiht keine interpretative Gemütlichkeit.

Das macht die Gesamtfigur des Modells klarer. Qwable ist eher ein technischer Analyst mit Tool-Affinität als ein kompromissloser Tool-Operator. Wer ein Modell sucht, das terminalnahe Aufgaben mit hoher Direktheit und wenig Nacharbeit ausführt, wird hier nicht ideal bedient. Wer hingegen erst Analyse, Kontext und Entscheidungsstruktur braucht, bekommt deutlich mehr Gegenwert.

Cultural Intelligence: überraschend stabil, nur unnötig gesprächig

Im Modul Cultural Intelligence steht 77.6. Das ist einer der stärkeren Werte des Modells und verdient Erwähnung, gerade weil die Architekturmetadaten eher auf Code und Reasoning als auf kulturelle Nuance hindeuten. Qwable versteht Kontext, bleibt in deutscher Sprache sauber und produziert Antworten, die nicht in bloße Floskelhaftigkeit abstürzen.

Allerdings ist auch hier die Verbosity schwer zu übersehen. 1973 Tokens gegenüber einem Median von 229 sind kein kosmetischer Unterschied, sondern eine andere Philosophie des Antwortens. Qwable löst solche Aufgaben häufig korrekt, produziert dafür aber ein Vielfaches an Text. Für Leser kann das angenehm sein. Für Systeme ist es Reibung. Präzision durch Ausführlichkeit ist eine legitime Strategie. Sie wird erst dann unerquicklich, wenn drei knappe Absätze den Job genauso gut erledigt hätten.

Datenschutz und Datenhoheit

Ein eigener Datenschutz-Abschnitt ist hier nicht nötig, weil Qwable 3.6 35B (MoE) als lokales Open-Weights-Modell betrieben wird. Relevant ist stattdessen die Provenienz der Gewichte: Das Risiko wird als LOW eingestuft, weil die Inferenz lokal erfolgt und kein Cloud-Datentransfer stattfindet. Die Gewichte stehen unter MIT-Lizenz, das Basismodell unter Apache 2.0. Offen bleibt die Herkunft der Fine-Tuning-Daten sowie die Jurisdiktion der Fine-Tune-Autorin Mia-AiLab. Das ist kein akutes Betriebsrisiko, wohl aber ein Transparenzmangel für Unternehmen mit strengen Governance-Anforderungen.

Fazit

Qwable 3.6 35B (MoE) ist ein eigenwillig überzeugendes Modell. Es ist ein agentisches Workstation-Modell mit MoE-Architektur, das sich in der Praxis eher wie ein ausführlicher technischer Analyst als wie ein kompromissloser Operator verhält. Die 3B aktiven Parameter leisten beachtlich viel in Code-Analyse, strukturierter Dokumentation und Reasoning. Der Gesamtscore von 72.71% ist kein Zufallsprodukt, sondern Ausdruck echter Substanz. Über alle Tests hinweg keine nennenswerten Halluzinationen — das Modell erfindet lieber nichts, als sich zu blamieren.

Seine Schwächen sind allerdings nicht dekorativ, sondern praktisch. Die Stabilität ist nur mittelprächtig, die Tail-Latenz klar zu hoch, die CLI-Leistung für ein agentisch eingeordnetes Modell zu zahm. Dazu kommt ein Hang zur Ausführlichkeit, der in Dokumentation noch nützlich, in UX, Tooling und streng begrenzten Formaten aber schnell zum Ballast wird. Wer Qwable produktiv einsetzt, sollte es dort einsetzen, wo Denken, Struktur und technische Erklärung wichtiger sind als Tempo, Kürze und exakte Direkt-Exekution.

Die beste Rolle für Qwable 3.6 35B (MoE) ist deshalb nicht “alles können”, sondern Code-Review, Security-Vorsichtung, technische Dokumentation, Analyse langer Kontexte und reasoning-lastige Assistenz. Für schnelle Terminalarbeit, enge Mikrocopy oder zeitkritische Agenten-Loops gibt es geeignetere Kandidaten. Qwable ist kein Blender. Es ist ein ernsthafter Arbeiter mit leichtem Hang zum Monolog. Solange man ihm den richtigen Schreibtisch gibt, ist das eher Qualität als Makel.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT 4.5 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.