阿里通义千问团队今天放出了 Qwen3.6 开源家族的第三张牌——Qwen3.6-27B。一个 270 亿参数的稠密多模态模型，在所有主要编程基准上全面超越了前代旗舰 Qwen3.5-397B-A17B。
后者是什么规格？总参数 397 亿，激活参数 17 亿的 MoE 模型。换句话说，一个体量只有它零头的稠密模型，把它按在地上摩擦了。
这不是 PR 话术，是跑分实打实说话。
数字说话：编程能力全面碾压
先看最硬的指标。SWE-bench 是当前衡量模型真实软件工程能力最被认可的基准之一——不是让你补全一行代码，而是给你一个真实的 GitHub issue，让模型自己定位问题、修改代码、提交 patch。
Qwen3.6-27B 的成绩单：
- SWE-bench Verified：77.2（前代 76.2）
- SWE-bench Pro：53.5（前代 50.9）
- Terminal-Bench 2.0：59.3（前代 52.5）
- SkillsBench：48.2（前代 30.0）
每一项都在涨，但最值得注意的是 SkillsBench——从 30.0 跳到 48.2，涨幅超过 60%。SkillsBench 测的是模型在多样化编程技能上的综合表现，这个幅度的提升意味着 Qwen3.6-27B 不只是在某个单点上做了优化，而是编程能力的底层水位整体抬高了。
Terminal-Bench 2.0 从 52.5 到 59.3 也很说明问题。这个基准考察的是模型在终端环境下的交互式编程能力——读日志、跑命令、调试报错、迭代修复——本质上就是智能体编程的核心场景。接近 7 个点的提升，对于实际使用体验的改善是非线性的。
而这一切，是用 27B 参数做到的。对面是 397B。
稠密 vs MoE：为什么这件事值得单独说
可能有人会说，MoE 模型的激活参数只有 17B，实际推理时的计算量并不比 27B 大多少，拿总参数量来比不公平。
这个说法有道理，但只说对了一半。
MoE 的优势在于用更少的计算量撬动更大的参数空间，理论上能获得更好的效果。但它的代价是部署复杂度。397B 的总参数意味着你需要把整个模型加载到显存里——即使每次推理只激活一部分专家，模型权重本身是要全量驻留的。对于大多数开发者和中小团队来说，这直接决定了你需要几张卡、什么规格的卡。
27B 稠密模型就简单多了。没有专家路由的额外开销，没有 MoE 特有的负载均衡问题，部署就是标准流程。一张主流的消费级或专业级 GPU（比如 RTX 4090 或 A100 40G），做量化后就能跑起来。对于想在本地或私有环境部署智能体编程助手的团队来说，这个规格几乎是甜点级的。
阿里自己也很清楚这一点。官方博客里用了一个很直白的表述："开发者在实用、可广泛部署规模上获取顶尖编程能力的理想选择。" 翻译一下就是——我们知道你们要的不是跑分最高的模型，而是你们真正能用起来的最强模型。
27B 这个规格本身也不是随便选的。官方提到这是"社区呼声最高的模型规格"。回顾 Qwen 的开源历史，从 Qwen2.5 时代的 7B/14B/32B/72B 到 Qwen3 系列的参数调整，27B 这个档位一直是社区讨论最多的——大到能干活，小到能部署，恰好卡在实用性的最优区间。
不只是编程：推理和多模态同样在线
编程能力是 Qwen3.6-27B 的主打卖点，但它并不是一个只会写代码的模型。
在推理任务上，GPQA Diamond 拿到了 87.8。GPQA 是一个由领域专家出题的高难度问答基准，Diamond 是其中最难的子集，涵盖物理、化学、生物等学科的研究生级别问题。87.8 这个分数，官方的说法是"可与数倍于其规模的模型相媲美"。考虑到这个基准上 Claude 3.5 Sonnet 大约在 65 左右，GPT-4o 在 53 左右（注意这些是较早的数据，各家都在迭代），Qwen3.6-27B 的推理能力确实已经进入了第一梯队。
多模态方面，Qwen3.6-27B 原生支持图像、视频和文本的混合输入。这不是后期拼接一个视觉编码器上去的方案，而是训练阶段就融合了多模态数据。官方表示其视觉语言能力与此前发布的 Qwen3.6-35B-A3B 保持一致——后者在 RefCOCO 上拿到 92.0，在多数视觉语言基准上与 Claude Sonnet 4.5 持平甚至超越。
对于开发者来说，这意味着你可以用同一个模型处理代码审查、文档理解、UI 截图分析等混合场景，不需要为不同模态切换不同的模型。在智能体工作流中，这种统一性的价值比单项跑分更大。
Qwen3.6 家族的排兵布阵
把 Qwen3.6 已经发布的三个模型放在一起看，阿里的产品策略就很清晰了：
- Qwen3.6-Plus：闭源旗舰，通过百炼 API 调用，面向追求极致效果、不在乎部署成本的场景
- Qwen3.6-35B-A3B：开源 MoE，总参数 35B / 激活参数 3B，极致轻量，适合资源受限的边缘部署
- Qwen3.6-27B：开源稠密，270 亿参数，性能天花板最高的开源选项，适合有一定算力的团队本地部署
三个模型覆盖了从云端 API 到本地重度部署到边缘轻量部署的完整光谱。而且它们共享同一套多模态架构和思考/非思考模式的设计，开发者在不同规格之间切换的迁移成本很低。
值得一提的是，上周刚发布的 Qwen3.6-35B-A3B 已经展现了 MoE 架构在极端效率上的潜力——30 亿激活参数就能在编程基准上接近甚至超越 270 亿稠密模型（指前代 Qwen3.5-27B）。而现在 Qwen3.6-27B 又把稠密模型的上限往上推了一大截。两条技术路线在同一个版本周期内互相追赶，这对开源社区来说是好事。
实际部署：怎么用起来
模型权重已经在 Hugging Face 和 ModelScope 上放出来了，开发者可以直接下载。
几个关键的部署信息：
第一，支持思考和非思考两种模式。思考模式下模型会展开完整的推理链，适合复杂的编程和推理任务；非思考模式更快更直接，适合简单的问答和补全。这个设计在 Qwen3 时代就有了，到 3.6 已经比较成熟。
第二，百炼平台即将支持 API 调用，并且保留了 preserve_thinking 功能。这个功能允许在多轮对话中保留前序轮次的思维链内容，对于智能体任务来说非常关键——你的 agent 在第三步做决策时，能看到第一步和第二步的完整推理过程，而不是只看到最终输出。
第三，也是对开发者最实用的一点：Qwen3.6-27B 可以直接集成到主流的编程助手工具中。官方明确提到了三个：
- OpenClaw（原名 Moltbot / Clawdbot）：可自托管的开源 AI 编码智能体，连接百炼即可在终端中获得完整的智能体编码体验
- Claude Code：通过 Qwen API 对 Anthropic API 协议的兼容支持
- Qwen Code：专为终端设计的开源 AI 智能体，针对 Qwen 系列深度优化
这意味着你不需要自己搭建复杂的工具链，直接在现有的开发工作流中替换底层模型就行。特别是 Claude Code 的兼容——很多开发者已经习惯了 Claude Code 的交互方式，现在可以无缝切换到 Qwen3.6-27B 作为后端，既省了 API 费用，又能在本地跑，数据不出域。
如果你想通过 API 快速体验，阿里云百炼平台上线后可以直接调用。对于习惯用统一接口管理多个模型的开发者，OpenAI Hub 等聚合平台通常也会在模型上线后较快跟进支持，一个 Key 就能切换测试不同模型的效果差异。
放在行业里看：开源编程模型的军备竞赛
2025 年下半年以来，编程能力已经成为大模型竞争最激烈的战场。原因很简单——这是当前大模型最容易变现的能力，也是开发者最愿意付费的场景。
Claude 凭借 Sonnet 系列在编程领域建立了强大的口碑，Cursor、Windsurf 等 AI 编程工具的爆发进一步放大了这个需求。OpenAI 的 Codex 和 GPT 系列也在持续强化编程能力。而在开源侧，竞争同样白热化：DeepSeek-Coder 系列、CodeLlama、StarCoder，以及 Qwen 自己的 Coder 系列，都在争夺"最强开源编程模型"的头衔。
但 Qwen3.6-27B 的策略有点不一样。它不是一个专门的 Coder 模型，而是一个通用多模态模型，只是编程能力恰好做到了开源最强。这种"全能型选手在单项上也能打"的路线，对开发者来说更有吸引力——你不需要为编程和通用任务分别部署两个模型。
更重要的是，Qwen3.6-27B 强调的不是"写代码"，而是"智能体编程"。两者的区别在于：写代码是给你一个函数签名，让模型补全实现；智能体编程是给你一个模糊的需求描述，让模型自己规划步骤、调用工具、读写文件、运行测试、迭代修复。后者才是 AI 编程真正有生产力价值的形态，也是 SWE-bench 这类基准试图衡量的能力。
从 SWE-bench Verified 77.2 这个分数来看，Qwen3.6-27B 已经进入了一个相当实用的区间。作为参考，这个基准上的人类开发者基线大约在 4.8%（是的，这个基准对人类也很难，因为它要求在不熟悉的代码库中快速定位和修复问题）。77.2% 意味着模型能解决超过四分之三的真实 GitHub issue，这在实际工作中已经是一个非常有用的助手了。
一些值得关注的细节
翻看 Qwen3.6 系列的发布节奏，有几个细节值得开发者留意：
从 4 月 16 日发布 Qwen3.6-35B-A3B 到今天发布 27B，间隔只有 6 天。加上更早的 Qwen3.6-Plus，整个 3.6 系列的发布节奏非常密集。这说明阿里在 Qwen3.6 这一代上做了充分的准备，多个规格的模型是并行训练、分批发布的，而不是一个一个串行迭代。
另一个细节是 Manus 与通义千问的战略合作。今年 3 月，Manus 宣布将基于通义千问系列开源模型，在国产模型和算力平台上实现全部功能。Qwen3.6-27B 这种兼顾性能和部署便利性的模型，很可能就是 Manus 在国内落地的核心底座之一。
还有一点：官方博客提到 Qwen3.6 开源家族"正在持续壮大，敬请关注后续发布"。结合此前 Qwen3.6-Max-Preview 已经在闭源侧亮相，后续大概率还会有更大规格的开源模型（比如 72B 级别）放出来。对于当前就有部署需求的团队，27B 是一个很好的起点；如果你的场景对能力上限要求更高，可以等等看后续的大杯和超大杯。
写在最后
270 亿参数干翻 397 亿参数，稠密模型在编程能力上全面超越 MoE 模型——Qwen3.6-27B 用一种非常直观的方式证明了一件事：在模型架构和训练方法持续进化的今天，参数量越来越不是决定性能的唯一因素。
对于开发者来说，这是一个好消息。它意味着你不需要堆最贵的硬件、跑最大的模型，也能获得第一梯队的智能体编程能力。一张卡，一个模型，编程、推理、多模态全都有了。
开源模型的黄金时代，还在加速到来。
参考来源：
- IT之家：通义千问 Qwen3.6-27B 宣布开源 — 首发报道，包含完整基准测试数据
- IT之家：阿里千问 Qwen3.6-35B-A3B 开源发布 — Qwen3.6 系列前序模型发布详情
- 知乎：Qwen3.6-Plus 重磅发布，编程与智能体能力全面提升 — Qwen3.6 系列整体能力分析