阿里千問沒完了！Qwen3.6-27B又來，開源且擊敗大15倍的前代模型

專注AIGC技術的專業社區，關注大語言模型（LLM）的發展和應用落地，聚焦LLM及AI技術的市場研究和開發者生態，歡迎關注！

阿里千問又發模型了。

Qwen3.6-35B-A3B，Qwen3.6-Plus，Qwen3.6-Max-Preview，現在是 Qwen3.6-27B，源神這模型沒完沒了地發。

僅僅擁有270億參數的開源新星，在復雜的代碼基準測試中擊敗了總參數量高達其15倍的前代旗艦模型。

27B 稠密模型，是社區呼聲最高的模型，它摒棄了復雜的路由架構，以全參數計算的形態，在多模態理解與智能體編程領域交出了一份優秀的答卷。

開發者們，本地模型又該換了。

純粹架構

開發者在實際應用中經常面臨算力分配與部署環境的限制。

體量巨大的模型固然強大，運轉起來卻需要極高的顯存帶寬與復雜的工程調度。

Qwen3.6-27B 采用 Dense（稠密模型）架構。270億個參數在每一次計算中都會全員參與運算。

不需要像 MoE（混合專家模型）那樣進行路由分配計算，開發者可以直接將其部署在常規的硬件集群上，大幅降低了工程落地的門檻。

模型原生具備處理圖像、視頻與文本的能力。

系統內部支持視覺語言的思考模式與非思考模式平滑切換。

面對現實應用中的各類復雜場景，無論是細致的視覺推理任務，還是繁雜的文檔理解工作，抑或是常規的視覺問答，系統都能輕松應對。

開發者獲得的是一個能力全面且容易部署的實用工具。

編寫代碼并解決實際軟件工程問題，是檢驗大語言模型邏輯思考能力的試金石。

Qwen3.6-27B 在 Agent（智能體）編程能力上實現了跨級別的超越。

對比對象是前代開源旗艦 Qwen3.5-397B-A17B，一個總參數3970億、激活參數170億的大型模型。270億參數的小巧體型在所有主流編程基準測試中全面反超。

與比它大15倍的前代 397B 的混合專家模型相比，在代表真實世界軟件工程問題解決能力的 SWE-bench Verified 測試中，Qwen3.6-27B 拿到了77.2分，超越前代的76.2分。

在難度更高的 SWE-bench Pro 測試里，它以53.5分勝出前代的50.9分。Terminal-Bench 2.0 測試中拿下了59.3分。SkillsBench 更是以48.2分對30.0分取得了顯著領先。

在檢驗研究生級別科學推理能力的 GPQA Diamond 測試中，它斬獲了87.8分，表現完全看齊數倍于自身體量的基準模型。

與谷歌剛剛開源的Gemma4-31B相比，全方位領先。

多模態數據透視

千問團隊為研發體系注入了扎實的多模態基因。從基礎的自然語言處理到復雜的長序列視頻理解，模型在評測基準中展現出了非常均衡的綜合素質。

在科學技術工程數學與解謎、通用視覺問答、文檔理解以及空間智能等核心板塊，270億參數版本的數據均保持在高位水平。

與同等規模的其他開源稠密模型橫向對比，它在多數細分指標上確立了明顯的領先地位，為需要多任務處理能力的開發者提供了可靠的底座支持。

從開源的 Qwen3.6-35B-A3B，Qwen3.6-27B，到閉源的 Qwen3.6-Plus，Qwen3.6-Max-Preview，Qwen3.6 家族在智能體編程能力上完成了集體躍升。

27B 版本，精準填補了實用級規模下本地頂尖編程能力的空白。

趕緊本地跑起這個聰明的代碼新搭檔。

參考資料：

https://qwen.ai/blog?id=qwen3.6-27b