Qwen 3.6 im Werkstatt-Test: 35B, die sich anfühlen wie 200B

Es gibt Modelle, die auf dem Papier gut aussehen. Und es gibt Modelle, mit denen man einen Nachmittag arbeitet und dann merkt: An dieser Rechnung stimmt etwas nicht — im positiven Sinne. Qwen 3.6 gehört für mich in die zweite Kategorie.

Agentisches Coden ist die eigentliche Disziplin

Code schreiben können inzwischen viele Modelle. Der härtere Test ist, was passiert, wenn ein Modell eine Aufgabe nicht nur beantworten, sondern führen soll: Kontext sammeln, Werkzeuge wählen, Zwischenergebnisse bewerten, den eigenen Plan korrigieren, wenn er nicht trägt.

Genau hier zeigt Qwen 3.6 eine Reife, die ich bei dieser Größe nicht erwartet hätte. Das Modell verliert den Faden seltener. Es fragt nicht bei jedem Schritt nach, rennt aber auch nicht blind gegen die Wand. Es orchestriert — und das ist der Unterschied zwischen einem Autocomplete auf Steroiden und einem Agenten, dem man eine Aufgabe tatsächlich übergibt.

Was ich in der Werkstatt gesehen habe

Ich habe das Modell auf dem eigenen Server laufen lassen — zwei RTX 3090 — und gegen Kandidaten gestellt, die das Doppelte bis Vierfache an Parametern mitbringen. Das ist kein Benchmark, sondern ein Arbeitseindruck aus echten Aufgaben. Zwei Beobachtungen, die ich so nicht erwartet hatte:

Es ist schneller — und zwar nicht nur in Tokens pro Sekunde, sondern in Schritten bis zum Ziel. Weniger Umwege, weniger Selbstkorrekturschleifen, weniger „eigentlich meinte ich".

Und es versteht besser. Bei mehrdeutigen Aufgaben, bei denen die eigentliche Absicht zwischen den Zeilen steht, trifft Qwen 3.6 häufiger die richtige Interpretation als deutlich größere Modelle. Das ist der Punkt, an dem man aufhört, nachsichtig zu sein, weil es ja „nur" ein kleines Modell ist.

Hinweis: Das sind meine eigenen Eindrücke aus dem Projektalltag, keine standardisierte Messung. Wer belastbare Zahlen braucht, muss selbst testen — auf den eigenen Aufgaben.

Warum das die Rechnung für lokale Hardware verschiebt

Hier liegt der eigentliche Kern. Ein Modell, das bei dieser Größe die Arbeit deutlich größerer Modelle erledigt, verschiebt die Grenze dessen, was man selbst betreiben kann.

Konkret: Eine vernünftig ausgestattete Workstation oder ein kleiner Server — zwei RTX 3090, oder ein Mac mit ausreichend Unified Memory — genügt, um agentisches Coden vollständig im Haus laufen zu lassen. Kein Kostenzähler, der bei jedem Tool-Call mitläuft. Keine Codebasis, die das Haus verlässt. Keine Rate Limits, die mitten in einem längeren Lauf greifen.

Für Unternehmen, die aus Compliance-Gründen ohnehin nicht jedes Repository in eine fremde Cloud schieben wollen, ist das kein Komfortgewinn, sondern der Unterschied zwischen „geht" und „geht nicht". Die Modelle, die man wirklich lokal betreiben konnte, waren lange die, mit denen man sich arrangieren musste. Qwen 3.6 gehört zu den ersten, bei denen sich dieses Verhältnis umdreht.

Eine Randnotiz zur Herkunft

Man kann diesem Modell beim Denken zusehen und findet Strukturen, die einem verdächtig vertraut vorkommen. Die naheliegende, leicht bösartige Frage lautet also: Wie viel Claude steckt in Qwen?

Bevor daraus ein Vorwurf wird, lohnt der Blick auf die Faktenlage — sie ist unterhaltsamer als die Unterstellung.

Was es belegbar gibt, sind Community-Fine-Tunes auf Qwen-3.6-Basis, die Claudes Reasoning ausdrücklich nachtrainieren. Eine dieser Varianten wurde laut Modellkarte auf rund 8.000 Reasoning-Traces von Claude Opus feinjustiert, um dessen Denkstruktur in ein Modell mit offenen Gewichten zu übertragen. Das kommt allerdings von Einzelnen aus der Community und nicht aus Hangzhou — es ist kein Beleg dafür, dass das Qwen-Team so trainiert hätte.

Die Schlagzeilen, die es Anfang Juni 2026 gab, liefen sogar in die entgegengesetzte Richtung: Claude Opus 4.8 stellte sich Berichten zufolge in mehreren Fällen selbst als „Qwen" vor, was prompt die Frage aufwarf, ob Anthropic bei Alibaba abgeschrieben habe. Die plausible Erklärung ist banal — Kontamination der Trainingsdaten. Qwen-Texte, Modellkarten und API-Beispiele liegen inzwischen überall im chinesischsprachigen Netz. Und die Inkonsistenz ist das eigentliche Indiz: Mal kam „Qwen" heraus, mal „DeepSeek", mal „Claude". Ein echter Distillations-Fingerabdruck würde immer gleich versagen. Bestätigt ist keine der beiden Richtungen.

Die Pointe liegt im Timing. Anthropic hatte kurz zuvor selbst argumentiert, Distillation erlaube es Wettbewerbern, Fähigkeiten abzugreifen, ohne für das teure Frontier-Training zu zahlen. Dann sagte Claude „Ich bin Qwen".

In einem Ökosystem, in dem jedes Modell auf dem Output aller anderen sitzt, wird „Wer hat von wem gelernt?" zu einer Frage, die niemand mehr sauber beantworten kann.

Für die Praxis ändert das wenig. Was zählt, ist, was auf der eigenen Hardware herauskommt. Und da liefert Qwen 3.6.

Weiterlesen

Alibaba liefert die Gewichte von Qwen3.8-Max — mit eigener Lizenz und ohne Bildeingabe — die nächste Generation derselben Reihe, diesmal mit Lizenzauflagen statt Apache 2.0
Qwen baut ein Modell, das nicht antwortet, sondern simuliert — ein Qwen-Modell derselben Größenklasse für einen ganz anderen Zweck
Mac Studio mit M5 Max und M5 Ultra — die Hardwareseite dieser Rechnung, wenn es kein GPU-Server sein soll