# Qwen 开源 27B 稠密模型，编程能力超过自家 397B 的 MoE 老旗舰

> 原标题：Qwen3.6-27B: Flagship-Level Coding in a 27B Dense Model

- 来源：Hacker News 首页
- 发布时间：2026-04-22T13:19:58.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/8448
- 原文：https://qwen.ai/blog?id=qwen3.6-27b

## 摘要

Qwen 放出了 Qwen3.6-27B，一个 270 亿参数的稠密模型，主打编程，而且直接开源。它最狠的地方是跑分超过了上一代 3970 亿总参数（每次激活 170 亿）的 MoE 模型 Qwen3.5-397B-A17B。在 SWE-bench Verified 上拿了 77.2 分，比老旗舰的 76.2 高；在 Terminal-Bench 2....

## 推荐理由

Qwen3.6-27B 是一次有分量的开源模型发布，权重直接可下，编程基准分数明确，而且走的是稠密路线而非更大的 MoE。对 AI 从业者来说，这意味着用更低的部署成本去试一个旗舰级编程模型。HKR 三项都站得住，按规则，国内大模型的重要发布应该和同等美国实验室的发布给到同一档分数。

## 锐评

Qwen放出了一个27B的稠密模型，主打编程，而且直接开源。最值得看的一点：它在SWE-bench Verified上拿了77.2分，超过了上一代3970亿总参数（每次激活170亿）的MoE模型Qwen3.5-397B-A17B的76.2分。在Terminal-Bench 2.0上，59.3分也比老旗舰的52.5分高出一截。这意味着你不用折腾MoE那套复杂的路由部署，用更小的稠密模型就能拿到更强的编程能力，对开发者来说部署成本会友好很多。

不过得注意，这些跑分都是在他们自己的agent框架下测的，用了200K上下文窗口，Terminal-Bench还给了3小时超时和5次取平均。实际你用自己的工具链跑，分数可能会有出入。另外，模型支持多模态思考和普通模式，但正文主要秀的是编程和推理分，多模态具体能干什么、效果怎么样，没展开说。知识类基准如MMLU-Pro是86.2分，比老旗舰的87.8略低，说明它并不是全面碾压，而是把技能点主要加在了编程上。如果你正好需要一个能跑代码agent、又不想上大集群的模型，这个值得试试。