我无法让Qwen3.6 27B超越Qwen-Coder-Next，不确定原因
摘要
用户报告称，Qwen-Coder-Next 在实际测试和合成基准测试中均优于 Qwen3.6 27B，尽管其他人称赞 27B，用户寻求关于可能设置问题的建议。
在我的实际使用（opencode）和合成基准测试中，Coder-Next（Q5）碾压了整个Qwen3.6系列，包括27B Dense模型（全部Q8）。其他人都称赞27B更优秀，是一个非常棒的模型，但我无法复现任何这些结果。Coder-Next似乎表现超常，而27B表现不佳。我正在使用模型卡上的推荐设置，并且尝试了几个27B模型，包括Unsloth发布的MTP版本。我使用的是llama.cpp，搭配96GB版本的Strix Halo机器。我原以为是速度导致它出错，但35BA3B的表现也很差。有人遇到过这种情况吗？27B只是在与其他GPU规模的模型进行比较，还是我的设置有什么不优化之处？
相似文章
Qwen 3.6 35B A3B 与 Qwen 3.5 122B A10B 对比
用户反馈，尽管基准测试表现亮眼，Qwen 3.5 122B 在多步任务上大幅领先 Qwen 3.6 35B，怀疑是量化或部署配置问题。
有人用 QwQ-32B 吗？它已经发布超过一年了？Qwen 3.6 27b 基本上取代它了吗？
讨论老款 QwQ-32B 模型相较于 Qwen 3.6 27b 和 Gemma 4 等新替代品是否仍有价值，尤其是在编程任务方面。
@KyleHessling1：兄弟们，我彻底震惊了。Qwen 3.6 27B 的提升幅度，就像直接从 Qwen 27B 3.5 跨到 Qwen 4。我刚跑完一整套前端设计测试和智能体基准，全部由它完成。结论：效果远超预期，我完全惊呆。
早期用户反馈：Qwen 3.6 27B 相比 3.5 性能暴涨，在前端设计与智能体基准上表现尤为亮眼。
Qwen3.6-35B-A3B 和 9B 已正式登上公开的 Terminal-Bench 2.0 排行榜！
Qwen3.6-35B-A3B 和 Qwen3.5-9B 模型已正式登上 Terminal-Bench 2.0 排行榜，其中 little-coder 在 35B 变体上取得 24.6% 的成绩，超越了 Gemini 2.5 Pro 和 Qwen3-Coder-480B；而 9B 模型则表明，10B 以下的本地模型能够与高难度代理基准竞争。
需要第二双眼睛，这个Qwen3.6 27B量化方案总是用更少的思考且正确
作者分享了一个Qwen3.6 27B的量化方案，该方案使模型使用显著更少的思考令牌，同时仍然产生正确的答案，从而在数学基准测试中实现更快的推理。