Alibaba выпустила Qwen3.6-27B — открытую плотную модель на 27 млрд параметров, которая по агентному программированию обходит прошлый открытый флагман компании Qwen3.5-397B-A17B. Разрыв в размере при этом почти пятнадцатикратный. Веса лежат на Hugging Face и ModelScope, пообщаться с моделью можно в Qwen Studio, доступ по API заявлен через Alibaba Cloud Model Studio.
Для российской практики это важнее, чем кажется на первый взгляд. Облачные консоли и оплата зарубежных API зависят от внешних ограничений, которые меняются без предупреждения, а скачанный чекпоинт от них не зависит вовсе. Модель уровня флагмана теперь можно поставить на собственный сервер и не пересматривать схему при очередном изменении правил доступа.
Второй сюжет — мультимодальность. Qwen3.6-27B читает текст, изображения и видео в одном чекпоинте и поддерживает как режим с рассуждением, так и быстрый ответ без него. Раньше такие возможности приходилось собирать из двух-трёх разных моделей.
Плотная архитектура: почему 27B проще ставить на своё железо
Разреженные модели вроде Qwen3.5-397B-A17B активируют на каждый токен лишь часть весов — 17 млрд из 397. Считать такое дешевле, но хранить в памяти приходится весь набор, а маршрутизатор добавляет слой, который даёт о себе знать на нестандартных запросах. У плотной модели поведение ровнее: все параметры участвуют в каждом проходе, и нагрузка на разных задачах не прыгает. Для команды, которая впервые ставит модель на своё железо, это экономит дни на согласовании конфигов и на объяснении инфраструктурным коллегам, почему на одних запросах видеокарта загружена под ноль, а на других упирается в потолок.
Память требуется честная. 27 млрд параметров в bf16 — это десятки гигабайт, на карте с 24 ГБ модель не запустится.
Обратная сторона плотности — стоимость инференса. Если железо тянет 397B с 17 млрд активных параметров, разреженная модель выдаст больше токенов в секунду на тех же мощностях. При потоке в сотни запросов экономика склоняется к MoE, при десятках — к плотной модели, где бюджет считается без сюрпризов. Для небольшой команды, которая крутит агента для правки кода, ближе второй сценарий.
Alibaba выпустила Qwen3.6-27B: результаты против прежнего флагмана
Все числа ниже взяты из публикации Alibaba, независимых прогонов на момент выхода нет. Агентные тесты считались внутренним скаффолдом с доступом к терминалу и правке файлов, окно контекста — 200 тыс. токенов, часть результатов усреднена по нескольким запускам. При другом наборе инструментов порядок чисел может сместиться, поэтому к бенчмаркам стоит относиться как к ориентиру, а не как к измеренному превосходству.
| Бенчмарк | Qwen3.6-27B | Qwen3.5-397B-A17B | Qwen3.6-35B-A3B |
|---|---|---|---|
| SWE-bench Verified | 77,2 | 76,2 | 73,4 |
| SWE-bench Pro | 53,5 | 50,9 | 49,5 |
| SWE-bench Multilingual | 71,3 | 69,3 | 67,2 |
| Terminal-Bench 2.0 | 59,3 | 52,5 | 51,5 |
| SkillsBench (avg5) | 48,2 | 30,0 | 28,7 |
| GPQA Diamond | 87,8 | 88,4 | 86,0 |
| MMLU-Pro | 86,2 | 87,8 | 85,2 |
| HLE | 24,0 | 28,7 | 21,4 |
Разрыв заметнее всего там, где модель работает с инструментами: SkillsBench — 48,2 против 30,0. На Terminal-Bench 2.0 прирост почти семь пунктов, на SWE-bench Pro — 2,6. Выигрыш идёт не от «знания синтаксиса», а от способности довести многошаговую задачу до конца, и для агентных сценариев это и есть главное.
С Claude 4.5 Opus сравнение неоднозначное. По Terminal-Bench 2.0 обе модели показывают 59,3, а по SWE-bench Verified Qwen3.6-27B отстаёт ощутимо — 77,2 против 80,9. Формулировка про превосходство в анонсе относится к плотным моделям того же масштаба, а не к закрытым флагманам, и это стоит держать в голове при выборе.
Картинки, документы и видео в одном чекпоинте
Мультимодальность здесь не надстройка поверх текстовой модели, а часть той же матрицы весов. Один файл закрывает распознавание документов, вопросы по изображению и разбор видео; переключаться между отдельными сервисами не нужно. Для агента это удобно: скриншот интерфейса и текстовое задание попадают в один контекст.
По видению цифры ровные: MMMU — 82,9, MMMU-Pro — 75,8, OCRBench — 89,4, CharXiv RQ — 78,4. Видео держится на уровне VideoMME 87,7 с субтитрами и VideoMMMU 84,4, а в агентных задачах на Android модель набирает 70,3 в AndroidWorld.
Слабое место тоже видно: SimpleVQA — 56,1 при 67,1 у 397B. Простые вопросы по изображению гигантская MoE-модель закрывает лучше, и на потоковых задачах вроде «что на фото» разница будет чувствоваться. Плотные 27B не заменяют крупную модель целиком, а снимают с неё нагрузку там, где нужен агентный цикл.
Где взять веса и как подключиться по API
Alibaba выпустила Qwen3.6-27B с открытыми весами на Hugging Face и ModelScope, скачать их можно без регистрации в облаке. Qwen Studio даёт чат в браузере, чтобы быстро сравнить поведение с текущей моделью на своих промптах. API идёт через Alibaba Cloud Model Studio, где запуск ещё доезжает до полной готовности.
Программный интерфейс совместим со спецификацией OpenAI chat completions и с интерфейсом Anthropic, поэтому существующий код переносится заменой base_url и имени модели на qwen3.6-27b. В документации указаны три региона: Пекин, Сингапур и Вирджиния. Из России прямое обращение к ним упирается в сетевые и платёжные ограничения, так что локальный запуск остаётся более предсказуемым вариантом.
Отдельная деталь для агентных сценариев — флаг preserve_thinking. Он переносит рассуждения из предыдущих ходов диалога в следующий запрос и включается через extra_body. Без него модель на каждом шаге агентного цикла начинает размышление заново, и логику предыдущих решений приходится восстанавливать по внешним логам.
Из коробки заявлена совместимость с популярными ассистентами: OpenClaw, Claude Code, Qwen Code. Практический вывод скромнее — интеграцию всё равно проверяют на своём пайплайне, потому что формат вызова инструментов у каждого ассистента свой.
Где модель проигрывает и кому не подойдёт
Знания — не её сильная сторона. MMLU-Pro 86,2 против 87,8 у 397B, C-Eval 91,4 против 93,0, HLE 24,0 против 28,7. Если задача сводится к вопросам по фактам, разбору длинных нормативных текстов или олимпиадным рассуждениям, крупная MoE-модель останется точнее.
Вторая оговорка касается железа. Плотная модель ест память предсказуемо, зато каждый токен считается по всем 27 млрд параметров. На двух картах начального уровня скорость будет терпимой для агента, но не для генерации больших объёмов текста в реальном времени.
Третья — дообучение. Полный файнтюнинг 27B требует набора карт, которого у большинства команд нет; LoRA на одной-двух картах реальнее, но даёт меньший сдвиг. Для узкой предметной области иногда дешевле взять готовую крупную модель по API, чем собирать свою.
Понять, подходит ли вариант, помогает простой тест: взять двадцать реальных задач из своего пайплайна и прогнать их на локальной сборке. Alibaba выпустила Qwen3.6-27B с открытыми весами, поэтому проба обходится без платежей и договоров. Смотреть стоит на число лишних шагов агента — если их больше, чем у текущей модели, экономия на API не окупит отладки.
С чего начать, если нужна своя кодовая модель
Первым делом стоит скачать квантованную сборку с Hugging Face и запустить её на одном узле: этого хватит, чтобы оценить скорость и качество на своих задачах. Дальше в агентном цикле из нескольких шагов включить preserve_thinking — разница между моделями проявляется там раньше, чем на одиночных промптах. Последним шагом сравнить стоимость токена на своём железе с ценами доступных из России API и посмотреть, сколько лишних итераций делает каждая модель. Если локальная сборка не уступает по числу итераций, переход на свои серверы окупается в пределах нескольких месяцев; если уступает — дешевле оставить облачный вариант.
