Точный HF ID
Qwen/Qwen3.6-27B
Модель Alibaba
Post-trained dense checkpoint Qwen3.6 с визуальным входом и акцентом на агентную разработку. Это самостоятельная версия после Qwen3.5-27B, а не переименование старых весов.
Коротко
HF-карточка называет 27B языковых параметров, vision encoder и нативный контекст 262 144 токена. В разделе Highlights выделены работа с frontend-процессами и reasoning на уровне репозитория.
Главные возможности — коротко. Полные условия и параметры доступны ниже.
Qwen/Qwen3.6-27B
плотная модель для агентного кода и визуального входа
текст/изображение → текст
262 144 токена нативно
Apache-2.0
для точного HF ID не подтверждены
Сценарии
Выбирайте 3.6-27B, если нужен dense checkpoint для кодового workflow и доступен контролируемый набор задач. Агенту задавайте права и проверяйте каждый diff до применения.
До внедрения
Заявленное улучшение агентного кодинга — позиция разработчика, не гарантия отсутствия регрессий. Визуальный вход не делает модель браузером с правом изменений. Миллионное окно требует отдельного режима.
Опубликованные веса Apache-2.0 доступны на HF. Инструкции self-hosted vLLM и SGLang описывают локальный endpoint, не подтверждённый публичный тариф Alibaba для этого HF ID.
Русский язык
Русскоязычная постановка задачи допустима для пилота, но качество оценивается по рабочему diff и пройденным тестам. Не выдавайте семейный бенчмарк за проверку русского объяснения.
Внутри линейки
Выберите до четырёх версий и сопоставьте задачу, контекст и доступ. Неуказанная цена не считается нулевой.
Сопоставлены назначение и подтверждённые характеристики. Отсутствие значения не означает ноль.
локальный пилот исправления известной ошибки в коде
итеративный ремонт frontend с контрольным скриншотом
Другие провайдеры
Сравните модели того же типа от разных провайдеров. Числовое место не присваивается версии без независимого измерения.
HF-карточка называет 27B языковых параметров, vision encoder и нативный контекст 262 144 токена. В разделе Highlights выделены работа с frontend-процессами и reasoning на уровне репозитория.
Kimi K2.7 Code ориентирована на работу с кодом и инструментами. Официальный API ID kimi-k2.7-code поддерживает текст, изображения и видео.
Открытая мультимодальная MoE-модель Z.ai для программирования, агентных сценариев и работы с длинным контекстом.
Связи
Проверка сведений
Официальная карточка Qwen3.6-27B специально выделяет frontend workflows и repository-level reasoning. Это даёт конкретный редакционный сценарий: предоставить скриншот неправильного состояния, ссылку на локальный компонент и тестовый репозиторий, затем попросить предложить минимальный патч. Оценивать следует не красоту описания, а совпадение с ожидаемым интерфейсом, проходящие тесты и отсутствие изменений вне задачи. Агент может неверно предположить, что элемент скрыт CSS, когда причина в данных; тест нужно построить так, чтобы это различалось. Ни наличие визуального входа, ни длинный контекст не дают модели права самостоятельно деплоить результат. Для воспроизводимого сравнения с 3.5-27B сохраните один исходный commit и одинаковый лимит попыток.
Паспорт относит эту публикацию к Qwen3.6 после февральской Qwen3.5 и отдельно говорит о возможности сохранять reasoning-контекст прежних сообщений. Это режим использования, который следует проверять в конкретном runtime, а не приписывать любой обёртке. Модель имеет 27B языковых параметров и vision encoder; нативное окно 262 144 токена. Описанное расширение до 1 010 000 токенов требует конфигурации и не гарантирует правильный выбор файла в длинном репозитории. Лицензия весов Apache-2.0. Пример localhost chat completions — сервис владельца установки, а не доказательство цены, доступности или тождества модели в облачном API. Итоговый код проходит обычное ревью и тестирование.
Вопросы и ответы
HF-карточка называет 27B языковых параметров, vision encoder и нативный контекст 262 144 токена. В разделе Highlights выделены работа с frontend-процессами и reasoning на уровне репозитория.
Русскоязычная постановка задачи допустима для пилота, но качество оценивается по рабочему diff и пройденным тестам. Не выдавайте семейный бенчмарк за проверку русского объяснения.
Подходящие сценарии: локальный пилот исправления известной ошибки в коде; сопоставление скриншота интерфейса и frontend-реализации; сравнение 3.6-27B с 3.5-27B на одинаковом issue.
Выбирайте 3.6-27B, если нужен dense checkpoint для кодового workflow и доступен контролируемый набор задач. Агенту задавайте права и проверяйте каждый diff до применения.
Заявленное улучшение агентного кодинга — позиция разработчика, не гарантия отсутствия регрессий. Визуальный вход не делает модель браузером с правом изменений. Миллионное окно требует отдельного режима.
Каталог GPT House
Сравните назначение модели со связанными рабочими сценариями и проверьте ее на собственных данных.