Qwen3.6-27B slår Claude Opus på flere kode-benchmarks — åpen og lokal

Tallene fra Qwen-teamets egen benchmark-tabell er slående: 77,2 på SWE-bench Verified (Opus: 80,9), 59,3 på Terminal-Bench 2.0 (uavgjort med Opus), og 48,2 på SkillsBench Avg5 der Qwen3.6-27B faktisk passerer Opus sine 45,3. Modellen ble publisert på Hugging Face 21. april og er allerede blant de mest nedlastede nye kode-modellene.

Arkitekturen er uvanlig. Qwen3.6-27B er en hybrid «Gated DeltaNet + Gated Attention»-modell med 64 lag og 5120 hidden dimensions, ikke en ren transformer. Den er også multimodal: en vision encoder er innebygd, så modellen håndterer både kode og bilder i samme pass. Native kontekst er 262 144 tokens, utvidbar til 1 010 000.

«Built on direct feedback from the community, Qwen3.6 prioritizes stability and real-world utility, offering developers a more intuitive, responsive, and genuinely productive coding experience.» (Qwen-teamet, README på Hugging Face)

For deg som kjører lokalt er 27B håndterbart: i BF16 veier modellen 55,6 GB, distribuert over 15 safetensors-shards. Med 4-bit kvantisering kommer du under 16 GB og kan kjøre den på et RTX 4090. vLLM, SGLang og KTransformers er støttet ut av boksen.

Hva bør du gjøre?

1. Last ned fra Hugging Face: huggingface-cli download Qwen/Qwen3.6-27B med Apache 2.0-lisens og ingen gated-access.
2. Test den mot ditt kode-use-case: benchmark-tall og virkelighet er to ting. Kjør den på et reelt repo du kjenner og sammenlign med Sonnet eller GPT-4o.
3. Velg riktig variant: 27B-varianten er dense og enkel å kjøre lokalt. Qwen3.6-35B-A3B er en MoE-variant med større totalstørrelse men lavere aktive parametere, og fungerer bedre hvis du har nok VRAM men vil ha raskere inferens.

Bakgrunn

Qwen-serien fra Alibaba Cloud har siden 3.5-serien i februar vært et seriøst alternativ til Claude og GPT for utviklere som ønsker åpne vekter. 3.6-oppgraderingen fokuserer på «agentic coding» og «thinking preservation». Sistnevnte er en ny mulighet til å beholde resonneringskontekst fra tidligere meldinger, som ifølge Qwen-teamet reduserer overhead i iterative utviklingsflyter.