Qwen 3.6 27B vs 35B A3B
Potência densa vs eficiência MoE - escolhe o modelo open-weight que se adequa ao teu hardware e fluxo de trabalho
O Qwen 3.6 27B é um modelo denso com todos os 27B de parâmetros ativos, entregando o melhor desempenho open-weight em programação: 77,2% SWE-bench, 48,2 SkillsBench (supera o Claude 4.5 Opus com 45,3), 83,9 LiveCodeBench. Pode funcionar com 16GB de VRAM usando IQ4_XS GGUF com compressão de cache KV. O 35B A3B usa Mixture-of-Experts com apenas 3B de parâmetros ativos, alcançando 73,4% no SWE-bench enquanto funciona no Mac M4 16GB com quantização Q3 a 20-40 tok/s em hardware de consumo. Mesma família, mesma licença Apache 2.0, compromissos diferentes.
Benchmarks
Qwen 3.6 27B vs 35B A3B - comparação detalhada de benchmarks e hardware
Resultados abrangentes de benchmarks mostrando a diferença de desempenho entre as variantes densa e MoE em engenharia de software, programação, operações de terminal, raciocínio matemático, geração frontend e competências práticas de programação.
O modelo denso 27B supera consistentemente a variante MoE 35B A3B em todos os benchmarks, mas a diferença é moderada e previsível. O 35B A3B alcança aproximadamente 95% da qualidade do 27B enquanto requer apenas ~40% da computação e funciona 2-3x mais rápido. A pontuação do 27B no SkillsBench de 48,2 (superando o Claude 4.5 Opus com 45,3) destaca a sua força em julgamento de engenharia prático. Para utilizadores de Mac M4 16GB, o 35B A3B com Q3 é a escolha clara. Para utilizadores de estações de trabalho que priorizam qualidade, o 27B com IQ4_XS cabe em 16GB de VRAM.
SWE-bench Verified: 77,2% (27B) vs 73,4% (35B A3B)
SkillsBench: 48,2 (27B) supera o Claude 4.5 Opus (45,3)
Terminal-Bench 2.0: 59,3 (27B) vs 51,5 (35B A3B)
35B A3B: 20-40 tok/s em hardware de consumo, Mac M4 16GB confirmado
27B IQ4_XS: cabe em 16GB de VRAM com compressão de cache KV (contexto 100K)
Tabela de benchmarks
27B Denso vs 35B A3B MoE - resultados completos com especificações de hardware
Comparação lado a lado de benchmarks com requisitos de hardware, velocidade de inferência e métricas de eficiência para ambos os modelos open-weight.
| Benchmark | Qwen 3.6 27B Denso (todos os parâmetros ativos) Melhor qualidade | Qwen 3.6 35B A3B MoE (3B ativos) Melhor eficiência |
|---|---|---|
SWE-bench Verified Engenharia de software real | 77.2% | 73.4% |
Terminal-Bench 2.0 Operações de terminal | 59.3 | 51.5 |
SkillsBench Competências práticas de programação (Claude 4.5 Opus: 45,3) | 48.2 | - |
AIME 2025 Matemática de competição | 94.1% | 92.7% |
LiveCodeBench Geração de código competitiva | 83.9 | 80.4 |
QwenWebBench Geração de código frontend | 1487 | 1397 |
Claw-Eval Avg Programação agêntica de ponta a ponta | 72.4 | 68.7 |
NL2Repo Linguagem natural para repositório | 36.2 | - |
Tamanho do modelo (FP16) Tamanho dos pesos em precisão total | 55,6 GB | ~70 GB total |
VRAM mínima (quantizado) Configuração mínima funcional | 16 GB (IQ4_XS + cache KV) | ~17 GB (Q3_K_M) |
VRAM recomendada Operação confortável com contexto | 24 GB (Q4_K_M) | 24 GB (Q4_K_M) |
Parâmetros ativos Parâmetros calculados por token | 27B (todos) | 3B (de 35B) |
Velocidade de inferência (4 bits) tok/s em hardware de consumo | ~10-15 tok/s | 20-40 tok/s |
Mac M4 16GB Portátil Apple Silicon | IQ4_XS (apertado) | Q3_K_M (confirmado) |
Dados de benchmarks dos cartões de modelo HuggingFace e lançamento oficial do Qwen 3.6. Benchmarks de hardware dos testes da comunidade Unsloth. Referência SkillsBench: Claude 4.5 Opus obtém 45,3.
Ecossistema Qwen
Dois modelos open-weight para cada cenário de implementação - licença Apache 2.0
Quer priorizes qualidade máxima (27B, 77,2% SWE-bench) ou eficiência de hardware (35B A3B, 20-40 tok/s em GPU de consumo), a família open-weight Qwen 3.6 tem o modelo certo. Ambos sob Apache 2.0 com suporte de visão, multimodal e chamada de ferramentas.
Começar
Pronto para escolher o teu modelo open-weight Qwen 3.6? Experimenta ambos gratuitamente
Experimenta ambos os modelos no navegador e depois transfere o que se adequa ao teu hardware. 27B para qualidade máxima (77,2% SWE-bench, supera o Claude no SkillsBench), 35B A3B para implementação em GPU de consumo (20-40 tok/s, Mac M4 16GB confirmado). Ambos com licença Apache 2.0.