@_akhaliq: bottlecapai/ThinkingCap-Qwen3.6-27B —— Qwen3.6-27B 具备平均减少50%思考令牌、最佳情况减少90%以上的能力
摘要
bottlecapai 发布了 ThinkingCap-Qwen3.6-27B，这是 Qwen3.6-27B 的微调版本，平均减少50%的思考令牌，最佳情况下减少90%，提升了效率。
查看缓存全文
缓存时间: 2026/07/06 18:16
bottlecapai/ThinkingCap-Qwen3.6-27B
Qwen3.6-27B 的能力，平均减少 50% 的思考令牌（thinking tokens），最佳情况下减少超过 90%。通过在精选的多类问题集上，使用最先进的微调算法对 Qwen3.6-27B（Qwen 团队，2026）进行微调实现。https://t.co/L2Xhj5GMNr
相似文章
bottlecapai/ThinkingCap-Qwen3.6-27B-GGUF
ThinkingCap-Qwen3.6-27B 是 Qwen3.6-27B 的精调版本，平均使用少 50% 的思考令牌，同时保持答案质量。此仓库提供 GGUF 量化格式，用于在 llama.cpp 上进行本地推理。
ThinkingCap-Qwen3.6-27B 值得一看
用户报告称，与 Qwen3.5-27B 相比，ThinkingCap-Qwen3.6-27B 的每秒 token 数（tps）有所提升，且质量未受影响，建议将其作为日常主力模型使用，直至 Qwen 推出下一个版本。
ThinkingCap 3.8-27B 对比 Swift 3.8-27B 对比 Qwen 3.8-27B 基准测试
文章对ThinkingCap-Qwen3.8-27B和Swift-Qwen3.8-27B与原始Qwen3.8-27B进行了基准测试，结果显示两个微调模型都减少了约40%的推理令牌，性能损失极小，但在特定语言结果和令牌使用模式上存在差异。
@BottleCapAI：相同模型大小，相同GPU，完成约4.7倍工作！ThinkingCap：Qwen 3.8 用大约一半的推理达到答案。O…
ThinkingCap 是基于 Qwen 3.6 27B 的微调模型，它将推理标记减少了约50%，同时保持性能，从而在推理中带来显著的效率提升。
Qwen3.8-27B 不同思维层级
Qwen3.8-27B 模型引入了不同的思维层级，与之前的版本如 Qwen 3.7 plus 和 Qwen3.6-27B 相比，显示出推理能力的提升。