不堆参数堆效率，阿里这款小模型编程能力有多强！

4月22日晚，阿里云通义千问正式开源Qwen3.6-27B，一款270亿参数的稠密多模态模型。别看它体量小，编程能力却相当能打——在SWE-bench Verified测试中拿到77.2分，全面超越总参数量高达3970亿的前代旗舰Qwen3.5-397B。参数规模小了15倍，性能反而更强，这在AI圈算得上罕见。

除了编程，它的多模态能力同样不含糊，原生支持图像、视频、文本混合输入。原生上下文26万token，可扩展至百万级别，足以装下整个大型代码仓库。

更关键的是，它采用稠密架构，不像MoE模型那样需要复杂的专家路由，部署门槛低得多，vLLM等主流框架直接就能跑，甚至一张4090显卡就能跑量化版。

权重已在Hugging Face和ModelScope上线，支持本地部署，同时可通过阿里云百炼API调用，用户也能在Qwen Studio上在线体验。

这次发布最大的看点，不是参数堆得多高，而是“效率”。以前大模型拼参数量，动辄千亿起步，本地跑不动，云端调用贵。Qwen3.6-27B用270亿的参数，做到了千亿级模型的编程能力，靠的不是运气，是架构优化——混合了线性注意力机制，长上下文场景下显存占用远低于纯注意力模型。这让本地部署真正落地，数据不用上传云端，开发者拿张4090就能跑，成本降了，隐私也保住了。同时，“思考保留”机制的加入，在多轮代码调试场景中，不用每轮重新推理，延迟和token消耗都明显降低。

当模型能力不再“越大越好”，开源生态才能真正繁荣起来。阿里这步棋，落得准。