Qu’est-ce que Qwen3.6 ?
Qwen3.6 fut la première sortie à poids ouverts de la génération Qwen3.6 d'Alibaba, publiée sur Hugging Face en avril 2026 après la série Qwen3.5 de février. Il existe en deux formes qui partagent un design et un tableau de tests : Qwen3.6-27B, un modèle dense où les 27 milliards de paramètres travaillent sur chaque token, et Qwen3.6-35B-A3B, un modèle mixture-of-experts de 35 milliards de paramètres dont environ 3 milliards seulement sont actifs à la fois.
Les deux sont des modèles de langage causaux dotés d'un encodeur de vision, donc ils lisent texte, images et vidéo et écrivent du texte. Le contexte natif est de 262 144 tokens, extensible à environ 1 010 000 avec la mise à l'échelle YaRN, qui selon la fiche peut nuire à la qualité sur les prompts courts. La génération vise la programmation agentique et le raisonnement à l'échelle du dépôt, et ajoute une option preserve_thinking qui conserve le raisonnement des tours précédents pour éviter de refaire le travail. Les poids sont en Apache 2.0.
Qwen3.6 vaut-il le coup ?
Le titre du tableau d'Alibaba lui-même, c'est que le dense Qwen3.6-27B est le meilleur modèle. Il devance Qwen3.6-35B-A3B sur presque chaque ligne : 77,2 contre 73,4 sur SWE-bench Verified, 53,5 contre 49,5 sur SWE-bench Pro, et 48,2 contre 28,7 sur la moyenne SkillsBench, où il dépasse même les 45,3 qu'Alibaba rapporte pour Claude 4.5 Opus. Le 35B-A3B ne gagne que sur une poignée de tests de vision, comme RealWorldQA à 85,3 et OCRBench à 90,0. La raison de le choisir malgré tout, c'est la vitesse : avec 3 milliards de paramètres actifs par token, il tourne bien plus vite qu'un dense de 27B, ce qui compte sur un serveur chargé.
Lisez les chiffres avec la prudence habituelle. Alibaba a mené tous les tests lui-même, et plusieurs, QwenWebBench, QwenClawBench, Claw-Eval, sont les siens. Face à Claude 4.5 Opus, le tableau est mitigé plutôt qu'une victoire : le 27B égale Opus à 59,3 sur Terminal-Bench 2.0 et le devance sur SkillsBench et QwenClawBench, mais Opus mène encore toutes les variantes de SWE-bench et les tests de connaissances, avec 30,8 contre 24,0 sur Humanity's Last Exam.
Le hic : c'est la génération précédente. Le Qwen3.8-27B d'Alibaba, publié en août 2026 sous la même licence Apache, rapporte des scores de programmation supérieurs et c'est lui qu'on choisit d'abord. Qwen3.6 compte aujourd'hui comme une solution de repli éprouvée et librement licenciée, et comme le modèle autour duquel beaucoup d'hôtes et d'outils ont été bâtis. En raisonnement et connaissances, il n'a jamais été plus qu'un petit pas au-dessus de Qwen3.5-27B.
Notre avis : si vous choisissez entre les deux tailles ici, le dense 27B est celui à faire tourner pour la qualité et le 35B-A3B seulement si vous avez besoin du débit ; si vous choisissez une génération, Qwen3.8-27B a déjà dépassé les deux.
Là où il fait la différence
Un développeur qui fait tourner un agent de programmation local sur un GPU de station de travail
Obtenir une aide à la programmation à l'échelle du dépôt sans facture au token
Faites tourner le dense Qwen3.6-27B, qui domine sa propre génération sur SWE-bench Verified à 77,2, dans vLLM ou llama.cpp. L'option preserve_thinking conserve le raisonnement antérieur pour que les éditions itératives réutilisent le cache KV au lieu de repenser à chaque tour.
Une équipe plateforme qui sert un assistant interne à des centaines d'employés
Héberger un modèle à licence permissive qui répond vite sous charge
Servez Qwen3.6-35B-A3B, dont les 3 milliards de paramètres actifs par token donnent un débit bien plus élevé qu'un dense de 27B sur la même carte, en acceptant qu'il note un peu en dessous du modèle dense sur la plupart des tests.
Une équipe SaaS qui ajoute la compréhension d'images et de documents
Lire captures d'écran, graphiques et courtes vidéos à côté du texte
L'une ou l'autre taille accepte l'entrée image et vidéo ; le 27B note 82,9 sur MMMU et 87,7 sur VideoMME. Apache 2.0 signifie aucun plafond de revenus ou d'utilisateurs à suivre en auto-hébergement.
Avant de vous engager
- Mise en route
- Poids des deux tailles sur Hugging Face et ModelScope, compatibles avec Transformers, vLLM, SGLang et KTransformers. Le thinking est activé par défaut ; mettez enable_thinking à false pour le couper, et preserve_thinking pour conserver le raisonnement antérieur. Qwen Chat héberge une version gratuite.
- Intégrations
- Service compatible OpenAI via vLLM et SGLang ; entrée image et vidéo ; appel de fonctions et sortie structurée via l'outillage Qwen standard.
- Données et confidentialité
- Apache 2.0 : usage commercial sans plafond de revenus ni annexe d'usage acceptable en auto-hébergement. L'usage hébergé sur Qwen Chat suit les conditions propres d'Alibaba, que la fiche du modèle ne répète pas.
- Coût à grande échelle
- Auto-hébergé, le coût est la mémoire et le calcul GPU : le dense 27B calcule chaque paramètre par token, tandis que le 35B-A3B en active environ 3 milliards, si bien que le MoE sert plus de requêtes par carte pour un petit coût de qualité.
- Limites
- Contexte natif de 262K, environ 1M avec YaRN, qui selon la fiche peut dégrader les entrées courtes ; tous les benchmarks publiés sont ceux d'Alibaba ; le plus récent Qwen3.8-27B rapporte de meilleurs scores de programmation.
Les points forts
- Poids Apache 2.0 pour les versions dense et MoE
- Le dense 27B bat le 35B-A3B sur presque chaque benchmark
- Lit les images et la vidéo en plus du texte
- Contexte natif de 262K ; preserve_thinking évite de refaire le raisonnement
Les points faibles
- Dépassé par Qwen3.8-27B sous la même licence
- Tous les tests menés par Alibaba, plusieurs en interne
- Derrière Claude 4.5 Opus sur SWE-bench et les tests de connaissances
- Le 35B-A3B ne se justifie que par la vitesse, pas la qualité
Idéal pour
Équipes qui veulent un modèle de programmation éprouvé et à licence permissive et choisissent entre une version dense pour la qualité et une MoE pour le débit.
Alternatives à Qwen3.6
Qwen3.6 : questions fréquentes
- Qwen3.6 vaut-il le coup ?
- Deux bons codeurs sous licence Apache où la surprise est que le 27B dense, plus petit, bat son grand frère mixture-of-experts sur presque tous les tests. Nous lui donnons 4.2 sur 5.
- Combien coûte Qwen3.6 ?
- Poids gratuits sous Apache 2.0 pour les deux tailles. Hébergement gratuit sur Qwen Chat ; vous payez le GPU pour l'auto-héberger ou le tarif au token d'un hôte tiers.
- Quels sont les inconvénients de Qwen3.6 ?
- Dépassé par Qwen3.8-27B sous la même licence; tous les tests menés par Alibaba, plusieurs en interne; derrière Claude 4.5 Opus sur SWE-bench et les tests de connaissances; le 35B-A3B ne se justifie que par la vitesse, pas la qualité.
- À qui s’adresse Qwen3.6 ?
- Équipes qui veulent un modèle de programmation éprouvé et à licence permissive et choisissent entre une version dense pour la qualité et une MoE pour le débit.
- Combien coûte Qwen3.6 pour une équipe ou en production ?
- Auto-hébergé, le coût est la mémoire et le calcul GPU : le dense 27B calcule chaque paramètre par token, tandis que le 35B-A3B en active environ 3 milliards, si bien que le MoE sert plus de requêtes par carte pour un petit coût de qualité.
- Qwen3.6 est-il sûr pour les données de l’entreprise ?
- Apache 2.0 : usage commercial sans plafond de revenus ni annexe d'usage acceptable en auto-hébergement. L'usage hébergé sur Qwen Chat suit les conditions propres d'Alibaba, que la fiche du modèle ne répète pas.
- Quelles sont les meilleures alternatives à Qwen3.6 ?
- Les alternatives les plus proches que nous avons testées sont Qwen3.8-27B, Gemma 4 et Muse Glimmer.
Réponses vérifiées le 14 nov. 2026.
Vous éditez Qwen3.6 ? Affichez cette note sur votre site
