4月23日消息，阿里通义千问团队开源 Qwen3.6 系列最新模型 Qwen3.6-27B——一个 270 亿总参的稠密多模态模型，在 SWE-bench、Terminal-Bench 2.0、SkillsBench 等智能体编程权威基准上反超前代开源旗舰 Qwen3.5-397B-A17B（总参 397B、激活 17B 的 MoE 模型）。模型以 Apache 2.0 协议开源权重，原生支持文本、图像、视频三模态，单个 checkpoint 同时提供思考与非思考两种模式。 SkillsBench 拉开 18.2 分，SWE-bench Verified 反超 1 分
核心基准对比（Qwen3.6-27B 稠密 vs Qwen3.5-397B-A17B MoE）：SWE-bench Verified 77.2 vs 76.2，SWE-bench Pro 53.5 vs 50.9，Terminal-Bench 2.0 59.3 vs 52.5，SkillsBench 48.2 vs 30.0。差距最大的 SkillsBench 拉开 18.2 分，Terminal-Bench 2.0 拉开 6.8 分。
稠密架构在推理时每个参数都参与计算，要让整体能力提升必须压榨每个参数的性能密度。27B 稠密版本能反超 397B 总参的 MoE 模型（激活 17B），说明 Qwen 团队在后训练阶段的智能密度优化起到了关键作用。对本地部署场景来说，这意味着不需要承担 397B 总参的显存、KV cache 和专家路由开销，就能获得接近甚至超过的编程能力。
262K 上下文原生支持，三模态 + 双模式集成于单 checkpoint
技术栈层面，Qwen3.6-27B 原生上下文窗口 262,144 tokens，通过 YaRN 可扩展至约 101 万 tokens；通过集成视觉编码器原生支持文本、图像、视频三模态输入；单个 checkpoint 同时覆盖 thinking 和 non-thinking 两种模式，切换开销低；为智能体工作流新增 preserve_thinking 选项，在多轮对话中保留历史推理上下文，减少迭代式开发的重复思考开销。
硬件门槛方面，Unsloth 社区的 Dynamic 2.0 GGUF 量化版本在总内存约 18GB 的设备上即可运行，覆盖 Apple Silicon Mac（如 M 系列 32GB 机型）和消费级 GPU（如 RTX 4090 24GB）两类典型个人开发者环境。
OpenClaw / Qwen Code / Claude Code 三方工具即时对接
开源权重已在 Hugging Face 和 ModelScope 上线（同步提供 FP8 版本），企业和开发者通过阿里云百炼 API 调用（模型 ID qwen3.6-27b ），或在 Qwen Studio 直接体验。
工具生态方面，该模型即时适配三款主流智能体编程工具。OpenClaw（自托管开源编码智能体）通过编辑 ~/.openclaw/openclaw.json 将 provider 指向百炼即可接入；Qwen Code（针对 Qwen 系列深度优化的终端智能体）通过 npm install -g @qwen-code/qwen-code@latest 一键安装；Claude Code 则依赖阿里云 Dashscope 提供的 Anthropic API 兼容协议，设置 ANTHROPIC_BASE_URL=https://dashscope.aliyuncs.com/apps/anthropic 即可切换底层模型。对同时使用多种 Agent 工具的开发者来说，"一处调用、多处兼容"降低了框架切换成本。 局限：闭源前沿对比缺失、评估环境未对齐
几项信息需要读者自行补全，避免仅凭官方跑分做结论。
第一，官方基准对比集中在 Qwen 同系列（Qwen3.6-27B vs Qwen3.5-397B-A17B vs Qwen3.5-27B 等），未给出对 gpt-5.4、Claude Sonnet 4.6、Gemini 3.1 Pro 等闭源前沿模型的直接跑分对比；以闭源的 Qwen3.6-Plus 在 Terminal-Bench 2.0 上的 61.6 分作参照、27B 版本拿到 59.3 分来看，27B 稠密版在绝对排名上仍落后于 Claude Opus 系列在同场景下的配置，开发者需要按自己的实际业务跑测验证。 第二，所有基准跑分均为 5 次运行的平均值，官方未披露标准差或 best-of-N 曲线，生产环境下的单次可靠性可能低于平均跑分。
第三，SWE-bench 系列使用的是 Qwen 团队自建 agent scaffold（bash + file-edit 工具、200K 上下文、temp=1.0/top_p=0.95），且官方对 SWE-bench Pro 公开集做了"问题任务修正"后重跑所有基线，这套评估环境与公开排行榜的原版 scaffold 存在差异，跨模型横向比较时需注意对齐评估条件。
第四，QwenClawBench 是 Qwen 团队自建的"真实用户分布 Claw 智能体基准"，暂未公开，第三方无法独立复现该项数字。
如何看这次开源
对国内开源 LLM 生态来说，Qwen3.6-27B 的意义不只是"多一个开源模型"。"稠密 27B 超越 MoE 397B"这条数据指向一条工程路径——在后训练数据和智能密度压榨到位的前提下，27B 量级已足以承载 Agent 编程场景的主力工作负载，而 27B 恰好是消费级硬件和小型企业私有化部署的"舒适区"。对"本地部署优先"的开发者、以及 OpenClaw、Hermes Agent 等自托管智能体框架来说，这是从"能用"到"可替代闭源 API"的关键节点。 下一个看点是 Qwen3.6 系列的更大尺寸开源版本何时出现，以及 GLM、DeepSeek、MiniMax 等厂商在稠密路线上的跟进速度。 
AI 速览
