执行摘要Qwen3.6-27B 是通义千问团队最新发布的开源稠密模型，拥有 270 亿参数。作为社区呼声最高的模型规格，它在保持实用部署规模的同时，实现了旗舰级的智能体编程能力，全面超越前代开源旗舰 Qwen3.5-397B-A17B（总参数 397B/激活参数 17B 的 MoE 模型）。该模型支持多模态思考与非思考模式，无需 MoE 路由即可部署，是开发者获取顶尖编程能力的理想选择。
核心特性• 架构类型: 稠密模型（Dense），270 亿参数
• 主要优势: 旗舰级智能体编程能力，全面超越 Qwen3.5-397B-A17B
• 多模态支持: 原生支持图像、视频与文本的多模态理解
• 推理模式: 支持视觉语言思考与非思考模式
• 上下文窗口: 256K tokens
性能亮点：智能体编程Qwen3.6-27B 在稠密模型的智能体编程能力上实现了突破。仅凭 270 亿参数，它在所有主要编程基准上全面超越了 Qwen3.5-397B-A17B：
基准测试
Qwen3.6-27B
Qwen3.5-397B-A17B
SWE-bench Verified
77.2
76.2
SWE-bench Pro
53.5
50.9
Terminal-Bench 2.0
59.3
52.5
SkillsBench Avg5
48.2
30.0
QwenWebBench
1487
1186
NL2Repo
36.2
32.2
Claw-Eval Avg
72.4
70.7
性能亮点：STEM 与推理基准测试
Qwen3.6-27B
Qwen3.5-397B-A17B
GPQA Diamond
87.8
88.4
AIME26
94.1
93.3
HMMT Feb 25
93.8
94.8
LiveCodeBench v6
83.9
83.6
MMLU-Pro
86.2
87.8
性能亮点：视觉语言理解基准测试
Qwen3.6-27B
Qwen3.5-397B-A17B
MMMU
82.9
85.0
MMMU-Pro
75.8
79.0
MathVista mini
87.4
--
DynaMath
85.6
86.3
RealWorldQA
84.1
83.9
关键洞察效率突破：仅用 270 亿参数（稠密）就超越了 3970 亿总参数的 MoE 模型，展现了架构优化的巨大潜力编程能力飞跃：在 SkillsBench 上达到 48.2 分，相比前代提升显著（+18.2 分绝对值）部署友好：作为稠密模型，无需复杂的 MoE 路由机制，降低了部署门槛和推理延迟多模态原生：与 Qwen3.6-35B-A3B 相同的多模态架构设计，支持视觉思考链自然语言对比Qwen3.5-27B
Qwen3.5-397B-A17B
Gemma4-31B
Claude 4.5 Opus
Qwen3.6-35B-A3B
Qwen3.6-27B
Coding Agent
SWE-bench Verified
75.0
76.2
52.0
80.9
73.4
77.2
SWE-bench Pro
51.2
50.9
35.7
57.1
49.5
53.5
SWE-bench Multilingual
69.3
69.3
51.7
77.5
67.2
71.3
Terminal-Bench 2.0
41.6
52.5
42.9
59.3
51.5
59.3
SkillsBench
Avg5
27.2
30.0
23.6
45.3
28.7
48.2
QwenWebBench
1068
1186
1197
1536
1397
1487
NL2Repo
27.3
32.2
15.5
43.2
29.4
36.2
Claw-Eval
Avg
64.3
70.7
48.5
76.6
68.7
72.4
Claw-Eval
Pass^3
46.2
48.1
25.0
59.6
50.0
60.6
QwenClawBench
52.2
51.8
41.7
52.3
52.6
53.4
Knowledge
MMLU-Pro
86.1
87.8
85.2
89.5
85.2
86.2
MMLU-Redux
93.2
94.9
93.7
95.6
93.3
93.5
SuperGPQA
65.6
70.4
65.7
70.6
64.7
66.0
C-Eval
90.5
93.0
82.6
92.2
90.0
91.4
STEM & Reasoning
GPQA Diamond
85.5
88.4
84.3
87.0
86.0
87.8
HLE
24.3
28.7
19.5
30.8
21.4
24.0
LiveCodeBench v6
80.7
83.6
80.0
84.8
80.4
83.9
HMMT Feb 25
92.0
94.8
88.7
92.9
90.7
93.8
HMMT Nov 25
89.8
92.7
87.5
93.3
89.1
90.7
HMMT Feb 26
84.3
87.9
77.2
85.3
83.6
84.3
IMOAnswerBench
79.9
80.9
74.5
84.0
78.9
80.8
AIME26
92.6
93.3
89.2
95.1
92.7
94.1
视觉语言对比Qwen3.5-27B
Qwen3.5-397B-A17B
Gemma4-31B
Claude 4.5 Opus
Qwen3.6-35B-A3B
Qwen3.6-27B
STEM & Puzzle
MMMU
82.3
85.0
80.4
80.7
81.7
82.9
MMMU-Pro
75.0
79.0
76.9
70.6
75.3
75.8
MathVista
mini
87.8
--
79.3
--
86.4
87.4
DynaMath
87.7
86.3
79.5
79.7
82.8
85.6
VlmsAreBlind
96.9
--
87.2
--
96.6
97.0
General VQA
RealWorldQA
83.7
83.9
72.3
77.0
85.3
84.1
MMStar
81.0
83.8
77.3
73.2
80.7
81.4
MMBenchEN-DEV-v1.1
92.6
--
90.9
--
92.8
92.3
SimpleVQA
56.0
67.1
52.9
65.7
58.9
56.1
Document Understanding
CharXiv
RQ
79.5
80.8
67.9
68.5
78.0
78.4
CC-OCR
81.0
82.0
75.7
76.9
81.9
81.2
OCRBench
89.4
--
86.1
--
90.0
89.4
Spatial Intelligence
ERQA
60.5
67.5
57.5
46.8
61.8
62.5
CountBench
97.8
97.2
96.1
90.6
96.1
97.8
RefCOCO
avg
90.9
92.3
--
--
92.0
92.5
EmbSpatialBench
84.5
--
--
--
84.3
84.6
RefSpatialBench
67.7
--
4.7
--
64.3
70.0
Video Understanding
VideoMME(w sub.)
87.0
87.5
--
77.7
86.6
87.7
VideoMMMU
82.3
84.7
81.6
84.4
83.7
84.4
MLVU
85.9
86.7
--
81.7
86.2
86.6
MVBench
74.6
77.6
--
67.2
74.6
75.5
Visual Agent
V*
93.7
95.8
--
67.0
90.1
94.7
AndroidWorld
64.2
--
--
--
--
70.3
获取方式Qwen Studio: https://chat.qwen.ai - 交互对话体验
Hugging Face: https://huggingface.co/Qwen/Qwen3.6-27B - 模型权重下载
ModelScope: https://modelscope.cn/models/Qwen/Qwen3.6-27B - 模型权重下载