Qwen 3.6 27B
27 mil millones de parámetros, arquitectura densa: supera a su predecesor MoE de 397B
Qwen 3.6 27B es un modelo denso construido sobre la arquitectura Hybrid Gated DeltaNet con 64 capas y contexto nativo de 262K. Obtiene un 77,2% en SWE-bench Verified, superando al MoE Qwen 3 de 397B con un 76,2%, y cabe en ~55,6 GB de VRAM en FP16 o ~18 GB con cuantización.
Variantes del modelo
Arquitectura densa, máxima calidad por parámetro
Qwen 3.6 27B ofrece rendimiento de frontera en un formato denso de 27B. Elige la variante ajustada para instrucciones para chat y tareas agénticas, o el modelo base para fine-tuning.
Arquitectura Hybrid Gated DeltaNet
27B parámetros densos, 64 capas, dimensión oculta 5120
Qwen 3.6 27B usa un diseño Hybrid Gated DeltaNet que combina la eficiencia de atención lineal con recurrencia con compuertas. La ventana de contexto nativa de 262K es extensible a 1M de tokens, ideal para análisis de documentos largos y flujos de trabajo agénticos complejos.
Con requisitos de VRAM de ~55,6 GB en FP16 o ~18 GB cuantizado, este modelo funciona en una sola GPU de gama alta o dos GPUs de consumo con el formato qwen 3.6 27b gguf.
Ajustado para instrucciones
27B Instruct
Optimizado para IA conversacional, programación y tareas agénticas complejas
Ajustado para seguimiento de instrucciones, diálogo multi-turno y uso de herramientas a través de la qwen 3.6 27b api
Pre-entrenado
27B Base
Modelo denso base para fine-tuning y aplicaciones especializadas
Pre-entrenado con datos diversos y arquitectura Hybrid Gated DeltaNet para máxima calidad
Capacidades
Una potencia densa que rinde muy por encima de su categoría
Qwen 3.6 27B combina la arquitectura Hybrid Gated DeltaNet con contexto de 262K para ofrecer un rendimiento que supera a modelos 14 veces más grandes en benchmarks de programación del mundo real.
Ingeniería de software de élite
77,2% en SWE-bench Verified, superando al MoE Qwen 3 de 397B (76,2%). Los resultados de benchmark de qwen 3.6 27b demuestran que las arquitecturas densas pueden igualar a modelos de escala frontera en programación real.
Dominio del terminal
59,3 en Terminal-Bench 2.0, igualando a Claude 4.5 Opus. Maneja flujos de trabajo complejos de terminal con múltiples pasos, sesiones de depuración y tareas de administración de sistemas con competencia de nivel experto.
Razonamiento avanzado
94,1% en AIME 2026 en matemáticas y 86,2 en MMLU-Pro en razonamiento de conocimiento. El modo de pensamiento paso a paso permite la resolución transparente de problemas en matemáticas, lógica y ciencia.
Contexto de 262K a 1M
Ventana de contexto nativa de 262K extensible a 1M de tokens. Procesa bases de código completas, artículos de investigación largos y conversaciones multi-turno sin perder coherencia.
Programación competitiva
83,9 en LiveCodeBench v6 para programación competitiva. Destaca en resolución de problemas algorítmicos, generación de código y tareas complejas de depuración.
Ejecución práctica de habilidades
48,2 en SkillsBench, superando a Claude 4.5 Opus (45,3). Demuestra una capacidad superior para seguir instrucciones complejas y ejecutar tareas del mundo real con múltiples pasos.
Aspectos destacados
Resultados excepcionales en benchmarks de qwen 3.6 27b
Qwen 3.6 27B logra resultados de clase frontera en programación, razonamiento y benchmarks agénticos manteniendo una inferencia densa eficiente.
Logros principales
- SWE-bench Verified: 77,2% - supera al predecesor MoE de 397B (76,2%)
- Terminal-Bench 2.0: 59,3 - iguala a Claude 4.5 Opus
- SkillsBench: 48,2 - supera a Claude 4.5 Opus (45,3)
- AIME 2026: 94,1% en matemáticas
- LiveCodeBench v6: 83,9 en programación competitiva
Especificaciones técnicas
- 27B parámetros densos, 64 capas, dimensión oculta 5120
- Arquitectura Hybrid Gated DeltaNet
- Contexto nativo de 262K, extensible a 1M de tokens
- qwen 3.6 27b vram: ~55,6 GB FP16, ~18 GB cuantizado
- Disponible en formato qwen 3.6 27b gguf para despliegue local
Rendimiento
Un modelo denso de 27B que supera al MoE de 397B en programación real
Qwen 3.6 27B obtiene un 77,2% en SWE-bench Verified y un 94,1% en AIME 2026, demostrando que un modelo denso bien diseñado puede igualar o superar a modelos muchas veces más grandes.
La suite de benchmarks de qwen 3.6 27b demuestra una excelencia consistente en ingeniería de software, operaciones de terminal, matemáticas y programación competitiva, rivalizando o superando a modelos con más de 10 veces más parámetros.
SWE-bench Verified: 77,2% - supera al MoE Qwen 3 de 397B (76,2%)
Terminal-Bench 2.0: 59,3 - iguala a Claude 4.5 Opus
SkillsBench: 48,2 - supera a Claude 4.5 Opus con 45,3
AIME 2026: 94,1% en matemáticas avanzadas
MMLU-Pro: 86,2 en diversos dominios de conocimiento
Comparación de benchmarks
Qwen 3.6 27B vs modelos de frontera
Qwen 3.6 27B ofrece rendimiento de clase frontera en ingeniería de software, operaciones de terminal, razonamiento y benchmarks de programación. Accede a los resultados a través de la qwen 3.6 27b api.
| Benchmark | Qwen 3.6 27B Denso Destacado | Qwen 3 235B A22B MoE | Claude 4.5 Opus Propietario | Qwen 3.6 35B A3B MoE |
|---|---|---|---|---|
SWE-bench Verified Ingeniería de software real | 77.2% | 76.2% | - | 73.4% |
Terminal-Bench 2.0 Operaciones de terminal | 59.3 | - | 59.3 | 51.5 |
SkillsBench Ejecución de tareas reales | 48.2 | - | 45.3 | - |
AIME 2026 Matemáticas No tools | 94.1% | - | - | 92.7% |
LiveCodeBench v6 Programación competitiva | 83.9 | - | - | 80.4 |
MMLU-Pro Conocimiento y razonamiento | 86.2 | - | - | - |
Resultados de benchmarks de la ficha oficial del modelo Qwen 3.6 y evaluaciones de HuggingFace.
Hybrid Gated DeltaNet
Una nueva arquitectura que redefine la eficiencia de los modelos densos
La arquitectura Hybrid Gated DeltaNet combina atención lineal con recurrencia con compuertas a lo largo de 64 capas y una dimensión oculta de 5120. Este diseño permite un contexto nativo de 262K extensible a 1M de tokens manteniendo la simplicidad de inferencia de un modelo denso.
- 64 capas con dimensión oculta 5120 para aprendizaje profundo de representaciones
- Ventana de contexto nativa de 262K, extensible a 1M de tokens
- qwen 3.6 27b vram: ~55,6 GB FP16, ~18 GB con cuantización (qwen 3.6 27b gguf)
Ingeniería de software
77,2% en SWE-bench Verified: el modelo denso que superó a un MoE de 397B
Qwen 3.6 27B logra un 77,2% en SWE-bench Verified, superando a su predecesor MoE de 397B con un 76,2%. Combinado con 59,3 en Terminal-Bench 2.0 (igualando a Claude 4.5 Opus) y 83,9 en LiveCodeBench v6, es un asistente completo de ingeniería de software accesible a través de la qwen 3.6 27b api.
- 77,2% en SWE-bench Verified - resolución de issues reales de GitHub
- 59,3 en Terminal-Bench 2.0 - operaciones de terminal de nivel experto
- 83,9 en LiveCodeBench v6 - excelencia en programación competitiva
Empezar
Prueba Qwen 3.6 27B ahora
Empieza a chatear al instante a través de la qwen 3.6 27b api, o descarga los pesos para despliegue autoalojado.
Prueba qwen3.6-27b al instante, sin configuración
Integra a través de la qwen 3.6 27b api con endpoints compatibles con OpenAI
Especificaciones técnicas completas y resultados de benchmarks de qwen 3.6 27b
Repositorio oficial del modelo con pesos y documentación
Despliegue local
Ejecuta Qwen 3.6 27B en tu hardware
Despliega localmente con pesos cuantizados qwen 3.6 27b gguf. Funciona en hardware de consumo con ~18 GB de VRAM.
Ecosistema Qwen
Parte de la familia de modelos Qwen 3.6
Qwen 3.6 27B forma parte de la última familia de modelos de Alibaba, con variantes densas y MoE, amplio soporte de la comunidad y compatibilidad con múltiples frameworks.
Empezar
¿Listo para construir con Qwen 3.6 27B?
Empieza a chatear gratis al instante, o descarga los pesos de qwen3.6-27b para despliegue autoalojado en tu infraestructura.