Le 22 avril, suite à la publication en open source de Qwen3.6-35B-A3B, l'équipe Qwen a lancé Qwen3.6-27B, une version de la série de modèles qui a suscité une demande encore plus forte de la part de la communauté. Ce modèle multimodal dense, doté de 27 milliards de paramètres, prend en charge les modes de pensée et de non-pensée multimodaux, offrant des performances exceptionnelles en programmation d'agents.

Plus précisément, Qwen3.6-27B a largement surpassé son prédécesseur, le modèle phare open source Qwen3.5-397B-A17B, dans les principaux benchmarks de programmation tels que WE-bench Verified (77,2 contre 76,2), SWE-bench Pro (53,5 contre 50,9), Terminal-Bench 2.0 (59,3 contre 52,5) et SkillsBench (48,2 contre 30,0). Il a également obtenu des résultats nettement supérieurs à ceux de modèles denses de taille similaire. Pour les tâches d'inférence, Qwen3.6-27B a atteint un score de 87,8 sur GPQA Diamond, comparable à celui de modèles plusieurs fois plus volumineux.

De plus, Qwen 3.6-27B prend en charge nativement le traitement multimodal, permettant à la fois la pensée visuelle et linguistique et les modes non cognitifs, tout comme Qwen 3.6-35B-A3B. Il peut gérer la compréhension multimodale d'images, de vidéos et de textes, prenant en charge des tâches telles que le raisonnement visuel, la compréhension de documents et la réponse à des questions visuelles.

Actuellement, la section tutoriels du site officiel d'HyperAI (hyper.ai) a lancé le « déploiement en un clic de Qwen3.6-27B » pour compléter la configuration de l'environnement et aider à valider rapidement les modèles open-source populaires !

Exécutez en ligne :https://go.hyper.ai/pYbes

Plus de tutoriels en ligne :

https://hyper.ai/notebooks

Bienvenue sur notre site web officiel pour plus d'informations :

https://hyper.ai

Essai de démonstration

1. Après avoir accédé à la page d'accueil hyper.ai, sélectionnez la page « Tutoriels », ou cliquez sur « Voir plus de tutoriels », sélectionnez « Déploiement en un clic de Qwen3.6-27B », puis cliquez sur « Exécuter ce tutoriel ».

2. Une fois la page redirigée, cliquez sur « Cloner » en haut à droite pour cloner le tutoriel dans votre propre conteneur.

Remarque : Vous pouvez changer de langue en haut à droite de la page. Actuellement, le chinois et l’anglais sont disponibles. Ce tutoriel présente les étapes en anglais.

3. Sélectionnez les images « NVIDIA RTX 5090 -4 » et « vLLM », puis cliquez sur « Continuer l’exécution de la tâche ».

HyperAI propose un bonus d'inscription pour les nouveaux utilisateurs : pour seulement $1, vous pouvez obtenir 20 heures de puissance de calcul RTX 5090 (au lieu de $7), et les ressources sont valables indéfiniment.

4. Attendez que les ressources soient allouées. Une fois que le statut passe à « En cours d'exécution », cliquez sur « Ouvrir l'espace de travail » pour accéder à l'espace de travail Jupyter.

Affichage des effets

1. Une fois la page redirigée, cliquez sur le fichier README à gauche, puis sur « Exécuter » en haut.

2. Une fois le processus terminé, suivez les instructions du fichier README pour lancer Open WebUI, puis cliquez sur l'adresse de l'API à droite pour accéder à la page de démonstration.