Qwen3.6-27B：27B稠密模型实现旗舰级代码能力

# Qwen3.6-27B：27B 稠密模型实现旗舰级编码能力 来源：https://simonwillison.net/2026/Apr/22/qwen3.6-27b/ 2026 年 4 月 22 日 - 链接博客 **Qwen3.6-27B：27B 稠密模型实现旗舰级编码能力（https://qwen.ai/blog?id=qwen3.6-27b）**（via [Hacker News](https://news.ycombinator.com/item?id=47863217)） Qwen 对最新开源权重模型放出豪言： > Qwen3.6-27B 具备旗舰级 Agent 编码性能，在所有主流编码基准上全面超越上一代开源旗舰 Qwen3.5-397B-A17B（总参数 397B / 激活 17B MoE）。 在 Hugging Face 上，[Qwen3.5-397B-A17B](https://huggingface.co/Qwen/Qwen3.5-397B-A17B/tree/main) 体积 807 GB，而新的 [Qwen3.6-27B](https://huggingface.co/Qwen/Qwen3.6-27B/tree/main) 仅 55.6 GB。 我试用了 16.8 GB 的 Unsloth 量化版 [Qwen3.6-27B-GGUF:Q4_K_M](https://huggingface.co/unsloth/Qwen3.6-27B-GGUF)，配合 `llama-server`，采用 Hacker News 用户 benob 的[这条配方](https://news.ycombinator.com/item?id=47863217#47865140)。先用 `brew install llama.cpp` 装好 `llama-server`： ``` llama-server \ -hf unsloth/Qwen3.6-27B-GGUF:Q4_K_M \ --no-mmproj \ --fit on \ -np 1 \ -c 65536 \ --cache-ram 4096 -ctxcp 2 \ --jinja \ --temp 0.6 \ --top-p 0.95 \ --top-k 20 \ --min-p 0.0 \ --presence-penalty 0.0 \ --repeat-penalty 1.0 \ --reasoning on \ --chat-template-kwargs '{"preserve_thinking": true}' ``` 首次运行后，约 17 GB 的模型被缓存到 `~/.cache/huggingface/hub/models--unsloth--Qwen3.6-27B-GGUF`。 [对话记录](https://gist.github.com/simonw/4d99d730c840df594096366db1d27281)是“生成一只鹈鹕骑自行车的 SVG”。对于一款 16.8 GB 的本地模型，结果*惊艳*： 自行车有辐条、链条和正确形状的车架；车把略脱节；鹈鹕翅膀搭在车把上，腿弯曲但确实踩着踏板，喙部形态良好；背景细节讨喜——半透明云朵、小鸟、草地、太阳。 `llama-server` 报告的性能： - 读取：20 tokens，0.4 s，54.32 tokens/s - 生成：4 444 tokens，2 分 53 秒，25.57 tokens/s 顺便再跑一个[“生成一只北弗吉尼亚负鼠骑电动滑板车的 SVG”](https://gist.github.com/simonw/95735fe5e76e6fdf1753e6dcce360699)（之前用 [GLM-5.1](https://simonwillison.net/2026/Apr/7/glm-51/) 跑过）： 数字插画，霓虹 Tron 风格，灰色猫形生物戴青色护目镜，骑青色发光未来摩托穿行夜幕城市，长尾拖曳；背景建筑剪影，窗户泛黄光，右侧洋红色月亮高悬。 这次输出 6 575 tokens，耗时 4 分 25 秒，24.74 tokens/s。