DataWorld-35B-A3B

DataWorld-35B-A3B

用多轮智能体强化学习在 DataWorld 任务上调优的 Qwen3.6-35B-A3B 模型，面向会调用工具的智能体。适合部署大型混合专家模型的团队。

由 Zhanli-Li 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：DataWorld-35B-A3B 是对 Qwen3.6-35B-A3B 做的强化学习微调。Qwen3.6-35B-A3B 是一个混合专家模型，总共 35B 参数，每个词元激活 3B。它是用 DataWorld 任务集里调用工具的智能体运行记录训练的。这个仓库放着得到的检查点，格式是标准的 Hugging Face safetensors。

适合谁：它适合部署大型开放模型、让智能体调用工具去处理软件或数据任务的团队。

行业 | 谁在用 | 怎么用 | 例子
软件开发 | 智能体开发者 | 把它部署成调用工具的智能体背后的模型 | 一个能编辑文件、运行命令的智能体
数据工作 | 数据团队 | 使用在数据环境任务上调优过的智能体 | 一个处理一个数据文件夹的智能体
AI 基础设施 | 服务部署工程师 | 用与基础模型相同的方案部署 | 用基础模型的服务器选项启动它
研究 | 强化学习研究人员 | 把智能体强化学习的微调版与基础模型对照研究 | 与原版 Qwen3.6 模型对比

如果你只有一块小 GPU，可以跳过它，因为权重约 70 GB，而且模型卡里的服务器命令用了八块 GPU。

用在哪里：

• 用 SGLang 或 vLLM 部署，模型卡写明了最低版本
• transformers 库，版本要认识 qwen3_5_moe 这个架构
• 多 GPU 服务器，因为模型卡的服务器示例把模型分到八个设备上
• Windows、macOS 或 Linux，下载需要 Python

用途 | 适合谁 | 得到什么
调用工具的智能体 | 开发者 | 模型给出的工具调用和回复
图像和文字输入 | 应用团队 | 多模态回答，因为包含视觉塔
长上下文工作 | 研究人员 | 最长 262,144 个词元的窗口，用长上下文覆盖设置还能更长

如何设置：

• sglang 0.5.10 或更高版本、vllm 0.19.0 或更高版本，或者认识这个架构的 transformers 版本
• 一台 GPU 服务器，因为 BF16 权重约 70.2 GB
• 下载用的 Python 和 pip

1. 用 pip 安装 Hugging Face hub 软件包。
2. 下载仓库文件，或者让你的服务器直接指向模型路径。
3. 用模型卡写明的推理和工具调用解析器启动服务器，或者用 transformers 加载。

pip install -U huggingface_hub
hf download Zhanli-Li/DataWorld-35B-A3B

如何使用：你用与部署基础 Qwen3.6 模型相同的方式来部署它，只改模型路径。模型卡说要保持推理和工具调用解析器开启，因为模型是在调用工具的运行记录上训练的。

python -m sglang.launch_server \
  --model-path Zhanli-Li/DataWorld-35B-A3B \
  --port 8000 --tp-size 8 \
  --mem-fraction-static 0.8 --context-length 262144 \
  --reasoning-parser qwen3 --tool-call-parser qwen3_coder

如果想在 Python 里直接用 transformers 加载，模型卡给出了下面这段。

from transformers import AutoModelForCausalLM, AutoTokenizer
repo = "Zhanli-Li/DataWorld-35B-A3B"   # or a local path
model = AutoModelForCausalLM.from_pretrained(repo, dtype="bfloat16", device_map="auto")
tokenizer = AutoTokenizer.from_pretrained(repo)

示例：一个团队用上面的命令启动服务器，并连上一个带文件和终端工具的智能体。智能体发出一个任务，模型回复一个工具调用，智能体执行它并把结果返回。模型卡说模型正是在这种循环上训练的。

新手与专家：如果你是新手，把它当作服务器级的模型。先读基础模型的部署指南，并保持模型卡里的解析器选项开启。

如果你熟悉这个领域：架构与基础模型相同，有 40 层、256 个专家、top-8 路由、线性与完整注意力的混合结构，以及 262,144 个词元的上下文。视觉塔包含在内。多词元预测块没有，所以基础模型的推测解码方案不适用。

下载检查点
开启解析器并启动服务器
连接带工具的智能体
模型回复工具调用
智能体执行并返回结果

注意事项：

项目 | 详情
总参数和激活参数 | 总共 35B，每个词元激活 3B
磁盘大小 | 约 70.2 GB，分成 14 个分片
视觉 | 包含视觉塔
推测解码 | 不可用，因为没有预测块

• Limits: 模型卡没有给出基准数字，它的示例设置需要多 GPU 服务器。
• Parsers: 按模型卡的要求，保持推理和工具调用解析器开启。
• License: Apache 2.0，与基础模型相同。
• Cost to run: 未提及。
• Data it reaches: 它把大型模型文件复制到你的电脑，任何工具访问权限取决于你连接的智能体。

Hugging Face 上的数据（2026年11月14日）

• 任务：reinforcement learning
• 框架：transformers
• 参数量：35.1B
• Weights: about 70.2 GB in BF16; about 17.6 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：140
• 点赞：20
• 许可证：apache-2.0
• 基于：Qwen/Qwen3.6-35B-A3B
• 标签：transformers, safetensors, qwen3_5_moe, image-text-to-text, agent, reinforcement-learning, tool-use

链接

• 模型：https://huggingface.co/Zhanli-Li/DataWorld-35B-A3B
• 文件：https://huggingface.co/Zhanli-Li/DataWorld-35B-A3B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Zhanli-Li/DataWorld-35B-A3B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。