實測Qwen3.6-27B：4分鐘做了個跑酷游戲，驗證碼識別正確率超90%

智東西
編譯 楊京麗
編輯 陳駿達

智東西4月23日報道，昨晚，阿里通義千問團隊宣布開源Qwen3.6-27B——一款270億參數的稠密多模態模型，支持思考與非思考模式。

與阿里上一代開源模型Qwen3.5-397B-A17B相比，Qwen3.6-27B以1/15的參數規模，在SWE-bench Verified、SWE-bench Pro、Terminal-Bench 2.0以及SkillsBench上實現了反超，其編程能力提升明顯，同時還具備較強的文本和多模態推理能力。

與相似尺寸的Gemma 4-31B模型對比，Qwen3.6-27B在大部分維度上，展現出較大領先優勢。

隨著Qwen3.6-27B的發布，阿里稱Qwen3.6系列已完整發布，包括開源模型Qwen3.6-35B-A3B和閉源模型Qwen3.6-Plus、Qwen3.6-Max-Preview。

阿里云百煉平臺上，現在已經可以看到Qwen3.6-27B的價格，每百萬Token輸入價格3元，輸出價格18元。由于Qwen3.6-27B是稠密模型，價格并不便宜。

Qwen3.6-27B現已上線Qwen Studio，并以開源權重形式發布于Hugging Face和ModelScope，阿里云百煉API即將上線，屆時將支持preserve_thinking功能以適配智能體任務。該模型也可接入OpenClaw、Claude Code、Qwen Code等主流第三方編程助手。

體驗地址：
https://chat.qwen.ai/

開源地址：
https://huggingface.co/Qwen/Qwen3.6-27B
https://modelscope.cn/models/Qwen/Qwen3.6-27B

一、編程能力：界面美觀、功能完備，復雜需求一次到位

官方對比了Qwen3.6-27B和Qwen3.5-397B-A17B，在編程基準上，Qwen3.6-27B在多方面領先：SWE-bench Verified（77.2 vs. 76.2）、SWE-bench Pro（53.5 vs. 50.9）、Terminal-Bench 2.0（59.3 vs. 52.5）以及SkillsBench（48.2 vs. 30.0）。在推理任務上，Qwen3.6-27B 在GPQA Diamond上取得了87.8的成績，略次于Qwen3.5-397B-A17B的88.4。

為直觀驗證Qwen3.6-27B編程能力，智東西進行了如下的幾個測試。

首先，我們先讓它做了一個跑酷小游戲，測試其編程和前端能力，要求滿足角色動作、關卡要素、道具系統、UI設計等多維度約束。

它用時四分鐘左右，寫完了1200多行代碼。從實測結果來看，游戲設計與前端實現上，Qwen3.6-27B基本還原了提示詞中列舉的全部核心要素：玩家的跳躍、二段跳等均已實現，添加了無人機、針刺等障礙物，能量電池、金幣、磁鐵等均可拾取。美術風格符合設定，UI層完整展示了血量、分數、速度、距離等指標，游戲可玩性強。

但細節層面仍存在一些小問題，針刺懸浮在天上有點怪；吃到電池后，沒有能量條顯示；撞到箱子，就自動過去了，沒有扣除血量。

另外，我們還讓Qwen3.6-27B制作了個人記賬應用，考察的是模型應用開發能力和對閉環設計的理解，包括統計邏輯怎么算、數據怎么持久化、異常輸入怎么攔截，比寫一個靜態頁面要復雜得多。

在應用開發上，Qwen3.6-27B的表現相對穩健。生成的應用完整實現了記錄的增刪改查、按月份篩選、總收入/總支出/結余的統計以及近7天收支趨勢圖表，刷新頁面后數據沒有丟失，說明localStorage持久化已正確實現。

唯一的小Bug是刷新頁面后，7日收支柱狀圖一度不顯示，再記一筆賬后恢復，屬于“初始渲染時機”問題。模型在異步狀態初始化的順序上，沒處理到位。從界面上看，這個記賬應用視覺設計較為簡約，是一套偏實用向的標準控件組合。業務邏輯維度上，它把一個日常工具該有的數據流、統計邏輯與異常處理都串起來了，對于應用開發全流程的理解比較清晰。

之后，我們還讓它做了個新聞網站前端設計，看起來還是有模有樣的。

Qwen3.6-27B自行規劃，分了科技、財經、體育、娛樂、健康五大板塊，設有國內新聞和國際新聞，界面右側，還展示了熱門排行、標簽、北京的天氣，甚至把商業化都想好了，留出了廣告的位置。界面條理清晰，內容完整，可視化效果好，模型對“一個新聞網站長什么樣”有較為成熟的認知。

二、多模態能力：識別驗證碼、找不同，通通拿下

作為原生多模態模型，Qwen3.6-27B支持視覺語言思考與非思考模式，可處理圖像、視頻與文本的聯合理解，覆蓋視覺推理、文檔理解、視覺問答等場景，能力基本上與Qwen3.5-397B-A17B想當。

針對多模態能力，我們也對Qwen3.6-27B進行了測試，首先讓它識別了下面這幾個驗證碼。

可以看到，它較為清楚的判斷出了絕大多數驗證碼，只有第八個0AIs，他把s認成了6，其他都判斷的比較準確，同時也注明了自己不確定的部分。這種帶置信度反饋的識別方式，對后續的自動化校驗鏈路更友好，下游系統可以基于置信度決定是否自動通過。

展開思考過程，我們可以看到它多次確認圖8的驗證碼0AIs，最后一位它在b和6之間反復糾結，被旁邊字母干擾，在錯誤的道路上越走越遠了，而正確答案s自始至終沒有進入過它的候選集。

這樣看下來，Qwen3.6-27B的圖像識別和推理能力還是過關的，得到相對模糊的反饋后，還需進行人工驗證。

另外，我們還讓Qwen3.6-27B進行了“找不同”測試，讓它看看左右兩張圖有什么區別。

Qwen3.6-27B識別出了5處差異，不同難度的不同點都注意到了：鳥窩、打開的書、燈籠、顏色差異，還有墻上的掛飾，這個我自己一開始都沒注意到。

值得注意的是，它的思考過程非常簡單，簡單比對就完成了分析，而且描述也很清晰，展示出模型的較強的視覺識別與推理能力。

結語：阿里開源戰略漸趨聚焦，27B模型瞄準開發者核心需求

Qwen3.6系列的發布，折射出阿里在開源策略的轉向。此前，阿里曾開源從幾十億參數量到數千億參數量的各種模型，但本次Qwen3.6系列僅開源了小尺寸MoE模型和稠密模型，體現出其開源戰略的聚焦。

此類小模型面向開發者、研究者及小團隊，可以直接本地部署，或在其基礎上做進一步研究和微調。Qwen3.6-27B恰好卡在了這個需求的中心位置。

開源社區對這一尺寸的模型呼聲很高；從實際價值看，27B的稠密模型也更能滿足開發者對部署靈活性和可控性的現實要求。