阿里通义千问开源Qwen3.6-27B：270亿参数稠密模型，编程能力超越15倍参数量MoE模型

阿里开源了个270亿参数的模型，编程能力把3970亿参数的MoE甩在身后

4月22日，通义千问团队开源了Qwen3.6-27B。

这个模型有意思的地方在于：它只有270亿参数，却在前代旗舰——总参数3970亿、激活参数17亿的MoE模型Qwen3.5-397B-A17B——的核心能力评测中实现了全面超越。

"以小博大"这件事，在大模型领域并不常见。因为过去几年行业的主流叙事是：参数越大，能力越强。Qwen3.6-27B的出现，让这个线性关系被打破了。

一、模型定位：开发者呼声最高的规格

Qwen3.6-27B的定位很明确：开发者群体呼声最高的模型规格。

在它之前，通义千问已经发布了Qwen3.6-Plus和Qwen3.6-35B-A3B两个版本。前者是闭源的高性能模型，后者是开源的轻量级MoE模型。但社区一直有一个诉求：能不能提供一个稠密架构、中等规模、开源可部署的模型？

稠密架构的优势在于：部署简单，不需要MoE路由，推理延迟更稳定。MoE架构的优势是参数大、能力强，但部署复杂度高，需要专门的路由机制。

Qwen3.6-27B就是针对这个需求推出的——270亿参数，稠密架构，开源权重，本地部署友好。让开发者在不需要复杂MoE路由的情况下，也能获得旗舰级的编程辅助体验。

二、参数与架构：270亿稠密多模态模型

稠密 vs MoE：稠密模型在推理时会激活所有参数，而MoE（混合专家模型）只会激活部分参数。MoE的优势是用更少的计算量实现更大的参数规模，代价是需要复杂的路由机制。稠密模型的优势是推理逻辑简单、延迟稳定、部署门槛低。

Qwen3.6-27B选择稠密架构，核心考量是降低开发者部署门槛。

三、性能表现：多项基准测试结果

3.1 编程能力基准

Qwen3.6-27B在多项反映真实智能体编程能力的权威基准测试中表现突出：

核心亮点：在所有主要编程基准上，Qwen3.6-27B全面超越了参数量是其15倍的Qwen3.5-397B-A17B。这意味着开发者无需复杂的MoE路由即可获得旗舰级的编程辅助体验。

3.2 多模态能力

Qwen3.6-27B原生支持多模态处理：

• 输入支持：图像 + 视频 + 文本混合输入
• 应用场景：视觉推理、文档深度理解、交互式视觉问答
• 能力对标：视觉语言能力与Qwen3.6-35B-A3B保持一致

原文提到，其多模态处理能力已与更高参数级别的Qwen3.6-35B-A3B一致，确保了多模态任务下的高精度产出。

四、部署与生态对接

4.1 获取方式

模型地址： https://www.modelscope.cn/models/Qwen/Qwen3.6-27B

4.2 开发工具集成

Qwen3.6-27B已实现对主流编程助手的无缝集成：

• Claude Code
• Qwen Code
• OpenClaw（类龙虾应用）

这意味着开发者可以把Qwen3.6-27B作为这些编程助手的本地推理引擎，在保持数据隐私的前提下获得高质量的编码辅助。

4.3 特殊功能

阿里云百炼平台将保留"preserve_thinking"功能，以便在智能体任务中完整回溯思维链。这对于需要理解AI推理过程的场景很有价值。

五、行业意义：重新审视参数与能力的关系

Qwen3.6-27B的发布，让行业重新审视参数量与能力的线性关系。

过去几年，大模型领域的主流叙事是：参数越大，能力越强。GPT-4、Gemini Ultra、Claude Opus——旗舰模型的参数规模一直在攀升。但Qwen3.6-27B证明了另一条路径：通过训练效率与推理逻辑的重构，中等规模的稠密模型也能在特定任务上达到甚至超越超大参数MoE模型的表现。

有媒体用了一个比喻：这就像是用一台精密的涡轮增压小排量引擎，在赛道上超了一辆笨重的重型卡车。

这种跨层级的性能跃升，本质上是训练效率与推理逻辑的重构。对于开发者来说，这意味着在本地部署的模型，也能完成以往大尺寸或MoE模型才能实现的智能体编程任务。

AITOP100-AI资讯频道将持续关注AI行业新闻资讯消息，带来最新AI内容讯息。

想了解AITOP100平台其它版块的内容，请点击下方超链接查看

AI创作大赛 | AI活动 | AI工具集 | AI资讯专区 | AI小说

AITOP100平台官方交流社群二维码：