Alibaba представила Qwen3.6-27B — открытая плотная модель с 27B параметров конкурирует с Claude Opus 4.7

Введение

Alibaba 22 апреля 2026 года официально открыла исходный код модели Qwen3.6-27B — первой плотной версии в семействе Qwen3.6, пришедшей на смену февральской серии Qwen3.5. Разработчики учли отзывы сообщества и сделали ставку на стабильность и практическую применимость. Новинка содержит 27 миллиардов параметров и демонстрирует производительность, превосходящую более крупную MoE-модель Qwen3.5-397B-A17B почти по всем ключевым метрикам, а в бенчмарках по кодингу достигает паритета с Claude Opus 4.7.

Подробнее о Qwen3.6-27B

Архитектурно модель представляет собой мультимодальную каузальную языковую систему с кодировщиком изображений и 64 слоями, сгруппированными в 16 блоков по схеме “три слоя Gated DeltaNet с прямой связью, затем один слой Gated Attention с прямой связью”. Гибридное внимание, в котором линейное Gated DeltaNet занимает 75% слоев, а полное внимание — 25%, позволяет эффективно обрабатывать длинные последовательности без чрезмерного роста вычислительных затрат. Словарь насчитывает 248 320 токенов, скрытая размерность составляет 5120, а нативное контекстное окно достигает 262 144 токенов с возможностью расширения до 1 010 000 токенов через механизм YaRN.

Главный акцент сделан на практическом применении в разработке. Qwen3.6-27B одинаково хорошо проявляет себя как в режиме обычной генерации, так и в режиме рассуждения, автоматически переключаясь между ними в зависимости от сложности запроса. По данным официальных бенчмарков, модель набирает 77,2% на SWE-bench Verified, 53,5% на SWE-bench Pro и 59,3% на Terminal-Bench 2.0. Это не только превосходит результаты предшественницы Qwen3.5-397B-A17B, но и выводит новинку на уровень Claude Opus 4.7 по ключевым тестам кодирования — HumanEval, BigCodeBench и SWE-bench Verified. Особенно заметен скачок в SkillsBench, где прирост составил более полутора раз: 48,2 против 30,0 у предыдущей модели, что говорит о значительно возросшей способности решать комплексные практические задачи.

Функция “сохранения мышления” позволяет модели удерживать цепочку рассуждений из предыдущих сообщений, что снижает повторный расход токенов и ускоряет итеративную разработку. В сценариях агентного кодирования улучшена обработка клиентских рабочих процессов и операций на уровне репозитория, а сама модель способна гибко адаптироваться к запросам на разных языках программирования, включая Rust, Go и Python.

Мультимодальные возможности также получили серьезное усиление. Визуальная версия модели, Qwen3.6-35B-A3B, построенная по MoE-архитектуре, набирает 81,7 балла на MMMU против 79,6 у Claude Sonnet 4.5 и 86,4 балла на MathVista против 79,8, что подчеркивает ее силу в задачах, требующих совмещения текстового и визуального анализа. Для локального развертывания доступна квантованная версия размером 16,8 ГБ в формате Q4_K_M, которая без проблем помещается в оперативную память потребительских систем с 32 ГБ оперативной памяти. Модель распространяется под лицензией Apache 2.0 без ограничений на коммерческое использование, а веса выложены на Hugging Face и ModelScope. Интеграция поддерживается с vLLM, SGLang и KTransformers.

Выводы

Qwen3.6-27B демонстрирует, что грамотно построенные плотные ИИ-модели переживают новое возрождение, обходя значительно более крупные MoE-модели по эффективности и практической отдаче — активация всех параметров, а не только их части, работает гораздо эффективнее, что ранее продемонстрировала нашумевшая модель Gemma 4 от Google. Паритет с Claude Opus 4.7 в кодировании, усиленные мультимодальные способности и возможность локального запуска на потребительском оборудовании делают ее одним из самых привлекательных открытых решений для разработчиков.