Qwen 3.6 27B
27 bilhões de parâmetros, arquitetura densa - supera seu predecessor MoE de 397B
O Qwen 3.6 27B é um modelo denso construído sobre a arquitetura Hybrid Gated DeltaNet com 64 camadas e contexto nativo de 262K. Alcança 77.2% no SWE-bench Verified, superando o Qwen 3 MoE de 397B com 76.2%, enquanto cabe em ~55.6GB de VRAM em FP16 ou ~18GB com quantização.
Variantes do modelo
Arquitetura densa, qualidade máxima por parâmetro
O Qwen 3.6 27B entrega desempenho de classe frontier em um formato denso de 27B. Escolha a variante instruction-tuned para chat e tarefas agênticas, ou o modelo base para ajuste fino.
Arquitetura Hybrid Gated DeltaNet
27B parâmetros densos, 64 camadas, dimensão oculta 5120
O Qwen 3.6 27B usa um design Hybrid Gated DeltaNet que combina eficiência de atenção linear com recorrência gated. A janela de contexto nativa de 262K é extensível a 1M de tokens, tornando-o ideal para análise de documentos longos e fluxos agênticos complexos.
Com requisitos de VRAM do qwen 3.6 27b de ~55.6GB em FP16 ou ~18GB quantizado, este modelo roda em uma única GPU de alto desempenho ou duas GPUs de consumo com o formato qwen 3.6 27b gguf.
Instruction-tuned
27B Instruct
Otimizado para IA conversacional, codificação e tarefas agênticas complexas
Ajustado para seguir instruções, diálogo multi-turno e uso de ferramentas via qwen 3.6 27b api
Pré-treinado
27B Base
Modelo denso base para ajuste fino e aplicações especializadas
Pré-treinado em dados diversos com arquitetura Hybrid Gated DeltaNet para qualidade máxima
Capacidades
Potência densa que supera modelos muito maiores
O Qwen 3.6 27B combina a arquitetura Hybrid Gated DeltaNet com contexto de 262K para entregar desempenho que supera modelos 14x maiores em benchmarks de codificação do mundo real.
Engenharia de software de elite
77.2% no SWE-bench Verified - superando o Qwen 3 MoE de 397B (76.2%). Os resultados do qwen 3.6 27b benchmark provam que arquiteturas densas podem igualar modelos de escala frontier em codificação do mundo real.
Domínio de terminal
59.3 no Terminal-Bench 2.0, igualando o Claude 4.5 Opus. Lida com fluxos complexos de terminal multi-etapas, sessões de depuração e tarefas de administração de sistemas com proficiência de nível especialista.
Raciocínio avançado
94.1% no AIME 2026 em matemática e 86.2 no MMLU-Pro em raciocínio de conhecimento. O modo de pensamento passo a passo permite resolução transparente de problemas em matemática, lógica e ciência.
Contexto de 262K a 1M
Janela de contexto nativa de 262K extensível a 1M de tokens. Processe bases de código inteiras, artigos de pesquisa longos e conversas multi-turno sem perder coerência.
Codificação competitiva
83.9 no LiveCodeBench v6 para programação competitiva. Destaca-se em resolução de problemas algorítmicos, geração de código e tarefas complexas de depuração.
Execução prática de habilidades
48.2 no SkillsBench, superando o Claude 4.5 Opus (45.3). Demonstra capacidade superior de seguir instruções complexas e executar tarefas multi-etapas do mundo real.
Destaques principais
Resultados excepcionais do qwen 3.6 27b benchmark
O Qwen 3.6 27B alcança resultados de classe frontier em benchmarks de codificação, raciocínio e agênticos, mantendo inferência densa eficiente.
Principais conquistas
- SWE-bench Verified: 77.2% - supera predecessor MoE de 397B (76.2%)
- Terminal-Bench 2.0: 59.3 - iguala Claude 4.5 Opus
- SkillsBench: 48.2 - supera Claude 4.5 Opus (45.3)
- AIME 2026: 94.1% em matemática
- LiveCodeBench v6: 83.9 em codificação competitiva
Especificações técnicas
- 27B parâmetros densos, 64 camadas, dimensão oculta 5120
- Arquitetura Hybrid Gated DeltaNet
- Contexto nativo de 262K, extensível a 1M de tokens
- qwen 3.6 27b vram: ~55.6GB FP16, ~18GB quantizado
- Disponível no formato qwen 3.6 27b gguf para implantação local
Desempenho
Modelo denso de 27B que supera MoE de 397B em codificação do mundo real
O Qwen 3.6 27B alcança 77.2% no SWE-bench Verified e 94.1% no AIME 2026, provando que um modelo denso bem arquitetado pode igualar ou superar modelos muitas vezes maiores.
A suíte de benchmarks do qwen 3.6 27b demonstra excelência consistente em engenharia de software, operações de terminal, matemática e codificação competitiva - rivalizando ou superando modelos com 10x+ mais parâmetros.
SWE-bench Verified: 77.2% - supera Qwen 3 MoE de 397B (76.2%)
Terminal-Bench 2.0: 59.3 - iguala Claude 4.5 Opus
SkillsBench: 48.2 - supera Claude 4.5 Opus com 45.3
AIME 2026: 94.1% em matemática avançada
MMLU-Pro: 86.2 em diversos domínios de conhecimento
Comparação de benchmarks
Qwen 3.6 27B vs modelos frontier
O Qwen 3.6 27B entrega desempenho de classe frontier em engenharia de software, operações de terminal, raciocínio e benchmarks de codificação. Acesse resultados via qwen 3.6 27b api.
| Benchmark | Qwen 3.6 27B Dense Destaque | Qwen 3 235B A22B MoE | Claude 4.5 Opus Proprietário | Qwen 3.6 35B A3B MoE |
|---|---|---|---|---|
SWE-bench Verified Engenharia de software do mundo real | 77.2% | 76.2% | - | 73.4% |
Terminal-Bench 2.0 Operações de terminal | 59.3 | - | 59.3 | 51.5 |
SkillsBench Execução de tarefas do mundo real | 48.2 | - | 45.3 | - |
AIME 2026 Matemática No tools | 94.1% | - | - | 92.7% |
LiveCodeBench v6 Codificação competitiva | 83.9 | - | - | 80.4 |
MMLU-Pro Conhecimento e raciocínio | 86.2 | - | - | - |
Resultados de benchmarks do model card oficial do Qwen 3.6 e avaliações do HuggingFace.
Hybrid Gated DeltaNet
Uma nova arquitetura que redefine a eficiência de modelos densos
A arquitetura Hybrid Gated DeltaNet combina atenção linear com recorrência gated em 64 camadas e dimensão oculta de 5120. Este design permite contexto nativo de 262K extensível a 1M de tokens, mantendo a simplicidade de inferência de um modelo denso.
- 64 camadas com dimensão oculta 5120 para aprendizado profundo de representações
- Janela de contexto nativa de 262K, extensível a 1M de tokens
- qwen 3.6 27b vram: ~55.6GB FP16, ~18GB com quantização (qwen 3.6 27b gguf)
Engenharia de Software
77.2% SWE-bench Verified - o modelo denso que superou um MoE de 397B
O Qwen 3.6 27B alcança 77.2% no SWE-bench Verified, superando seu predecessor MoE de 397B com 76.2%. Combinado com 59.3 no Terminal-Bench 2.0 (igualando Claude 4.5 Opus) e 83.9 no LiveCodeBench v6, é um assistente completo de engenharia de software acessível pela qwen 3.6 27b api.
- 77.2% SWE-bench Verified - resolução de issues reais do GitHub
- 59.3 Terminal-Bench 2.0 - operações de terminal em nível especialista
- 83.9 LiveCodeBench v6 - excelência em programação competitiva
Primeiros passos
Experimente o Qwen 3.6 27B agora
Comece a conversar instantaneamente via qwen 3.6 27b api, ou baixe pesos para implantação auto-hospedada.
Experimente o qwen3.6-27b instantaneamente - sem configuração necessária
Integre via qwen 3.6 27b api com endpoints compatíveis com OpenAI
Especificações técnicas completas e resultados do qwen 3.6 27b benchmark
Repositório oficial do modelo com pesos e documentação
Implantação local
Rode o Qwen 3.6 27B no seu hardware
Implante localmente com pesos quantizados qwen 3.6 27b gguf. Roda em hardware de consumo com ~18GB de VRAM.
Ecossistema Qwen
Parte da família de modelos Qwen 3.6
O Qwen 3.6 27B faz parte da mais recente família de modelos da Alibaba, com variantes densas e MoE, amplo suporte da comunidade e ampla compatibilidade com frameworks.
Primeiros passos
Pronto para construir com o Qwen 3.6 27B?
Comece a conversar instantaneamente e gratuitamente, ou baixe os pesos do qwen3.6-27b para implantação auto-hospedada na sua infraestrutura.