Автор с ником SeraphimSerapis выкатил масштабный бенчмарк tool calling для Qwen3.6-35B-A3B и его файн-тюнов. 65 прогонов (13 файлов × 5 запусков), 300+ часов на GPU — каждая модель прошла через Q4 квантизации (15-22GB) на кластере из 32GB V100s. Есть нюанс: это Reddit-пост, а не рецензируемое исследование. Методология ранее признана автором же шумной, а конкретных баллов в тексте нет — только относительный порядок.