Was ist Qwen3.6?
Qwen3.6 war die erste Open-Weight-Veröffentlichung der Qwen3.6-Generation von Alibaba, im April 2026 auf Hugging Face erschienen, nach der Qwen3.5-Serie vom Februar. Es kommt in zwei Formen, die Design und Benchmark-Tabelle teilen: Qwen3.6-27B, ein dichtes Modell, bei dem alle 27 Milliarden Parameter auf jedem Token laufen, und Qwen3.6-35B-A3B, ein Mixture-of-Experts-Modell mit 35 Milliarden Parametern, von denen jeweils nur etwa 3 Milliarden aktiv sind.
Beide sind kausale Sprachmodelle mit einem Vision-Encoder, lesen also Text, Bilder und Video und schreiben Text. Der native Kontext beträgt 262.144 Tokens, erweiterbar auf etwa 1.010.000 mit YaRN-Skalierung, die laut Karte die Qualität bei kurzen Prompts beeinträchtigen kann. Die Generation richtet sich auf agentisches Programmieren und Reasoning auf Repository-Ebene und ergänzt eine preserve_thinking-Option, die das Reasoning früherer Züge behält, um Doppelarbeit zu sparen. Die Gewichte sind Apache 2.0.
Lohnt sich Qwen3.6?
Die Schlagzeile von Alibabas eigener Tabelle lautet, dass das dichte Qwen3.6-27B das bessere Modell ist. Es liegt in fast jeder Zeile über Qwen3.6-35B-A3B: 77,2 gegen 73,4 bei SWE-bench Verified, 53,5 gegen 49,5 bei SWE-bench Pro und 48,2 gegen 28,7 im SkillsBench-Durchschnitt, wo es sogar die 45,3 übertrifft, die Alibaba für Claude 4.5 Opus angibt. Das 35B-A3B gewinnt nur eine Handvoll Vision-Tests, etwa RealWorldQA mit 85,3 und OCRBench mit 90,0. Der Grund, es trotzdem zu nehmen, ist Tempo: Mit 3 Milliarden aktiven Parametern pro Token läuft es viel schneller als ein dichtes 27B, was auf einem ausgelasteten Server zählt.
Lies die Zahlen mit der üblichen Vorsicht. Alibaba hat alle Benchmarks selbst durchgeführt, und mehrere, QwenWebBench, QwenClawBench, Claw-Eval, sind die eigenen. Gegen Claude 4.5 Opus ist das Bild gemischt statt ein Sieg: Das 27B gleicht Opus mit 59,3 bei Terminal-Bench 2.0 aus und übertrifft es bei SkillsBench und QwenClawBench, aber Opus führt weiter bei jeder SWE-bench-Variante und den Wissenstests, mit 30,8 gegen 24,0 bei Humanity's Last Exam.
Der Haken: Das ist die letzte Generation. Alibabas eigenes Qwen3.8-27B, im August 2026 unter derselben Apache-Lizenz erschienen, meldet höhere Coding-Werte und ist das erste, zu dem man greift. Qwen3.6 zählt jetzt als bewährter, frei lizenzierter Rückgriff und als das Modell, um das herum viele Hosts und Werkzeuge gebaut wurden. Bei Reasoning und Wissen war es nie mehr als ein kleiner Schritt über Qwen3.5-27B.
Unser Fazit: Wählst du zwischen den beiden Größen hier, ist das dichte 27B das für Qualität, das 35B-A3B nur, wenn du den Durchsatz brauchst; wählst du eine Generation, hat Qwen3.8-27B beide bereits überholt.
Wo es sich lohnt
Ein Entwickler, der einen lokalen Coding-Agenten auf einer Workstation-GPU betreibt
Coding-Hilfe auf Repository-Ebene ohne Token-Rechnung bekommen
Das dichte Qwen3.6-27B, das seine eigene Generation bei SWE-bench Verified mit 77,2 anführt, in vLLM oder llama.cpp ausführen. Die preserve_thinking-Option behält früheres Reasoning, sodass iterative Änderungen den KV-Cache nutzen, statt jeden Zug neu zu denken.
Ein Plattformteam, das Hunderten Mitarbeitenden einen internen Assistenten bereitstellt
Ein freizügig lizenziertes Modell hosten, das unter Last schnell antwortet
Qwen3.6-35B-A3B bereitstellen, dessen 3 Milliarden aktive Parameter pro Token weit höheren Durchsatz als ein dichtes 27B auf derselben Karte geben, und dabei hinnehmen, dass es in den meisten Tests etwas unter dem dichten Modell liegt.
Ein SaaS-Team, das Bild- und Dokumentverständnis ergänzt
Screenshots, Diagramme und kurze Videos neben Text lesen
Beide Größen nehmen Bild- und Video-Eingabe; das 27B erreicht 82,9 bei MMMU und 87,7 bei VideoMME. Apache 2.0 bedeutet beim Selbsthosten keine Umsatz- oder Nutzerobergrenzen zu verfolgen.
Bevor du dich festlegst
- Einrichtung
- Gewichte für beide Größen auf Hugging Face und ModelScope, kompatibel mit Transformers, vLLM, SGLang und KTransformers. Thinking ist standardmäßig an; enable_thinking auf false setzen zum Abschalten, preserve_thinking zum Behalten früheren Reasonings. Qwen Chat hostet eine kostenlose Version.
- Integrationen
- OpenAI-kompatibles Serving über vLLM und SGLang; Bild- und Video-Eingabe; Function Calling und strukturierte Ausgabe über das Standard-Qwen-Tooling.
- Daten und Datenschutz
- Apache 2.0: kommerzielle Nutzung ohne Umsatzobergrenzen oder Acceptable-Use-Anhang beim Selbsthosten. Die gehostete Nutzung auf Qwen Chat folgt Alibabas eigenen Bedingungen, die die Modellkarte nicht wiederholt.
- Kosten im großen Maßstab
- Selbst gehostet sind die Kosten GPU-Speicher und Rechenleistung: Das dichte 27B rechnet jeden Parameter pro Token, während das 35B-A3B etwa 3 Milliarden aktiviert, sodass das MoE mehr Anfragen pro Karte zu kleinem Qualitätsverlust bedient.
- Grenzen
- 262K nativer Kontext, etwa 1M mit YaRN, was laut Karte kurze Eingaben verschlechtern kann; alle veröffentlichten Benchmarks sind Alibabas eigene; das neuere Qwen3.8-27B meldet bessere Coding-Werte.
Was gut ist
- Apache-2.0-Gewichte für die dichte und die MoE-Version
- Dichtes 27B schlägt das 35B-A3B in fast jedem Benchmark
- Liest Bilder und Video zusätzlich zu Text
- 262K nativer Kontext; preserve_thinking spart wiederholtes Reasoning
Was nicht
- Von Qwen3.8-27B unter derselben Lizenz überholt
- Alle Benchmarks von Alibaba, mehrere auf eigenen Tests
- Hinter Claude 4.5 Opus bei SWE-bench und Wissenstests
- Das 35B-A3B rechtfertigt sich nur über Tempo, nicht über Qualität
Am besten für
Teams, die ein bewährtes, freizügig lizenziertes Coding-Modell wollen und zwischen einer dichten Variante für Qualität und einer MoE für Durchsatz wählen.
Alternativen zu Qwen3.6
Qwen3.6: häufige Fragen
- Lohnt sich Qwen3.6?
- Zwei starke Apache-lizenzierte Coder, bei denen die Überraschung ist, dass das kleinere dichte 27B seinen größeren Mixture-of-Experts-Bruder in fast jedem Test schlägt. Wir bewerten es mit 4.2 von 5.
- Was kostet Qwen3.6?
- Kostenlose Gewichte unter Apache 2.0 für beide Größen. Kostenlos gehostet auf Qwen Chat; du zahlst die GPU zum Selbsthosten oder den Token-Tarif eines Drittanbieters.
- Welche Nachteile hat Qwen3.6?
- Von Qwen3.8-27B unter derselben Lizenz überholt; Alle Benchmarks von Alibaba, mehrere auf eigenen Tests; Hinter Claude 4.5 Opus bei SWE-bench und Wissenstests; Das 35B-A3B rechtfertigt sich nur über Tempo, nicht über Qualität.
- Für wen eignet sich Qwen3.6?
- Teams, die ein bewährtes, freizügig lizenziertes Coding-Modell wollen und zwischen einer dichten Variante für Qualität und einer MoE für Durchsatz wählen.
- Was kostet Qwen3.6 für ein Team oder im Produktivbetrieb?
- Selbst gehostet sind die Kosten GPU-Speicher und Rechenleistung: Das dichte 27B rechnet jeden Parameter pro Token, während das 35B-A3B etwa 3 Milliarden aktiviert, sodass das MoE mehr Anfragen pro Karte zu kleinem Qualitätsverlust bedient.
- Ist Qwen3.6 sicher für Firmendaten?
- Apache 2.0: kommerzielle Nutzung ohne Umsatzobergrenzen oder Acceptable-Use-Anhang beim Selbsthosten. Die gehostete Nutzung auf Qwen Chat folgt Alibabas eigenen Bedingungen, die die Modellkarte nicht wiederholt.
- Was sind die besten Alternativen zu Qwen3.6?
- Die nächsten Alternativen, die wir getestet haben, sind Qwen3.8-27B, Gemma 4 und Muse Glimmer.
Antworten geprüft am 14. Nov. 2026.
Du entwickelst Qwen3.6? Zeig diese Bewertung auf deiner Website
