Qwen3.6 27B

Qwen コーディングエージェント日本語画像入力長文
比較に入れる
パラメータ
27.8B
dense
いちばん小さい量子化
14.9GB
MLX 4bit
KV キャッシュ(8K・FP16)
0.50GB
公称コンテキスト 256K
乗るスペック
50/ 64
クラスタ構成を含む・8K

コンテキスト長と必要メモリ

横線は各スペックの利用可能メモリ。線より下なら乗る
4bit 前後6bit 前後8bit 前後16bit各ビット帯でいちばん小さい量子化・KV FP16
0GB50GB100GB150GB200GB4K8K16K32K64K128K256Kコンテキスト長 →RTX 4090 24GB 23GBM5 Max 48GB 36GBM5 Max 128GB 96GBDGX Spark 128GB 115GB

スペックごとの推定速度

decode tok/s・8K・乗る構成だけ・推奨量子化

Qwen3.6 27B は、作業ごとにどのくらいか

  • AIエージェント中位級(Claude Sonnet 5.5・Claude Sonnet 5 と同じくらい)。勝つ確率: Claude Opus 5.5 に 26%・Claude Sonnet 5.5 に 22%・Claude Haiku 5.5 に 54%(1 ベンチ・比べた相手 5 モデル)
  • コーディング軽量級(Gemini 3.5 Flash-Lite と同じくらい)(3 ベンチ・比べた相手 23 モデル)
  • 検索・調べもの数字なし(判定できません)
  • 知識・推論中位級未満。勝つ確率: Claude Sonnet 5.5 に 27%・Claude Haiku 5.5 に 33%(3 ベンチ・比べた相手 32 モデル)
  • 数学目印なし(2 ベンチ・比べた相手 7 モデル)
  • 日本語数字なし(判定できません)
  • 画像理解目印なし(2 ベンチ・比べた相手 9 モデル)

同じベンチに数字のある2モデルを「対戦」とみなし、作業ごとにレーティングを付けています(チェスや LLM のアリーナと同じ考え方)。数字は各社の自己申告が中心で条件は揃っていないので、目安として見てください。

作業ごとの位置

Qwen3.6 27Bクラウドモデル(点に乗せると名前)縦線は階層の目印(右ほど強い)
AIエージェントツールを使って作業を進める(ターミナル操作…最上位級中位級軽量級中位級
コーディング実際のリポジトリのバグ修正、競技プログラミ…中位級軽量級軽量級
検索・調べものWeb を検索して答えを探し当てる数字なし
知識・推論専門知識の問題、難問最上位級中位級中位級未満
数学数学オリンピック級の問題目印なし
日本語日本語を含む多言語での知識問題数字なし
画像理解図表・写真を読んで答える目印なし

用途で変わる:チャット・コーディング・AIエージェント

チャット

コンテキスト 8K

短いやりとり。速く返ってくることが大事。数字は推定 decode tok/s と、その長さで乗る中で最も高精度な量子化

乗るスペック 9 / 9・最小構成で 30.4 GB(うち KV 0.5 GB)

RTX 5090 32GB44.9Q6_KRTX 4090 24GB35.6Q4_K_MM5 Ultra 256GB22.4MLX 8bitM5 Ultra 512GB22.4MLX 8bitRTX PRO 6000 Blac…21.3BF16M5 Max 64GB11.4MLX 8bitM5 Max 128GB11.4MLX 8bitRyzen AI Max+ 395…5.1Q8_0DGX Spark 128GB3.3BF16

コーディング

コンテキスト 64K

リポジトリのコードを読み込んで直す。数字は推定 decode tok/s と、その長さで乗る中で最も高精度な量子化

乗るスペック 9 / 9・最小構成で 33.9 GB(うち KV 4.0 GB)

RTX 5090 32GB39.9Q6_KRTX 4090 24GB30.3Q4_K_M・ギリRTX PRO 6000 Blac…20.1BF16M5 Ultra 256GB19.9MLX 8bitM5 Ultra 512GB19.9MLX 8bitM5 Max 64GB10.2MLX 8bitM5 Max 128GB10.2MLX 8bitRyzen AI Max+ 395…4.6Q8_0DGX Spark 128GB3.1BF16

AIエージェント

コンテキスト 128K

ツール呼び出しを繰り返し、履歴と結果がコンテキストに溜まる。数字は推定 decode tok/s と、その長さで乗る中で最も高精度な量子化

乗るスペック 8 / 9・最小構成で 37.9 GB(うち KV 8.0 GB)

RTX 5090 32GB41.6Q4_K_MRTX PRO 6000 Blac…18.9BF16M5 Ultra 256GB17.6MLX 8bitM5 Ultra 512GB17.6MLX 8bitM5 Max 64GB9.0MLX 8bitM5 Max 128GB9.0MLX 8bitRyzen AI Max+ 395…4.0Q8_0DGX Spark 128GB2.9BF16

乗らない: RTX 4090 24GB

コンテキスト長と推定 decode 速度

コンテキストが長いほど KV キャッシュを読む分だけ遅くなる。線が切れたところで乗らなくなる
M5 Max 64GBM5 Ultra 256GBRTX 4090 24GB
010203040504K8K16K32K64K128K256Kコンテキスト長 →↑ decode tok/s(推定)チャット 8Kコーディング 64KAIエージェント 128K

用途ごとに見るベンチ

Qwen3.6 27B はどのあたりか

  • Terminal-Bench 2.0:6 モデル中 3 位。クラウドでいちばん近いのは Claude Opus 4.6(65.4)。それより下のクラウドはなし
  • τ²-Bench:Qwen3.6 27B の数字なし
  • SWE-bench Verified:10 モデル中 4 位。クラウドでいちばん近いのは Claude Opus 4.6(80.8)。それより下のクラウドはなし
  • Humanity's Last Exam:25 モデル中 17 位。クラウドでいちばん近いのは Qwen3.7 Plus(34.7)。それより下のクラウドはなし
  • Artificial Analysis Intelligence Index:Qwen3.6 27B の数字なし同じ条件

数字はベンダー自己申告などの出典の値で、条件(推論モード・ツールの有無など)は揃っていません。目安として見てください。

Terminal-Bench 2.0

6 モデル・各社の自己申告(条件はばらばら)

τ²-Bench

5 モデル・各社の自己申告(条件はばらばら)
Claude Opus 4.691.9Gemma 4 31B76.9Gemma 4 12B69.0Gemma 4 26B-A4B68.2Gemma 4 E4B42.2

SWE-bench Verified

10 モデル・各社の自己申告(条件はばらばら)

Humanity's Last Exam

25 モデル・各社の自己申告(条件はばらばら)

ツールありの数字しかない GLM-5.3・GLM-5.3-Flash・Claude Opus 5.5・GLM-5.3 (API)・Muse Spark Open 816B-A42B は除外

Claude Fable 5.160.9Claude Sonnet 5.556.9Kimi K3.1 Pro51.1Kimi K3.1 Pro (AP…51.1Claude Haiku 5.545.9Kimi K343.5Claude Sonnet 543.2DeepSeek V4 Pro (…42.7DeepSeek V4.1 Fla…42.6GLM-5.240.5Claude Opus 4.640.0DeepSeek V4 Pro37.7DeepSeek V4.1 Fla…36.8Qwen3.8 Flash-Next35.9Qwen3.7 Plus34.7Qwen3.8 27B30.8Qwen3.6 27B24.0 ◀ ここQwen3.6 35B-A3B21.4Gemma 4 31B19.5MiniMax M2.519.4gpt-oss-120b14.9gpt-oss-20b10.9Seed-OSS 36B10.1Gemma 4 26B-A4B8.7Gemma 4 12B5.2

Artificial Analysis Intelligence Index

26 モデル・全モデル同じ条件(第三者が測定)
Claude Opus 5.559.0GPT-6 Astra57.0GPT-6.1 Sol55.0Claude Sonnet 5.555.0GPT-6.1 Terra51.0Gemini 4 Argon50.0Claude Fable 5.149.0Kimi K3.1 Pro46.0Kimi K3.1 Pro (AP…46.0Muse Wonder44.0Claude Haiku 5.536.0Grok 4.735.0Qwen3.8 Max34.0DeepSeek V4.1 Fla…33.0GLM-5.332.0GLM-5.3 (API)32.0Gemini 3.8 Flash31.0GLM-5.3-Flash28.0GPT-6 Luna28.0Mistral Large 4 (…26.0Mistral Large 4 (…26.0Muse Spark Open 8…25.0DeepSeek V4 Pro (…23.0Qwen3.8 27B20.0Gemini 3.5 Flash-…12.0Gemma 4 31B4.0

スペックごとの判定

スペック判定推奨量子化必要メモリ利用可能最大コンテキスト推定 tok/s
RTX 5070 12GBllama.cpp オフロードで動く Q4_K_M 18.4 GB 11.0 GB — —
RTX 3060 12GBllama.cpp オフロードで動く Q4_K_M 18.4 GB 11.0 GB — —
M5 16GBMLX 乗らない MLX 4bit 17.2 GB 12.0 GB — —
M4 16GBMLX 乗らない MLX 4bit 17.2 GB 12.0 GB — —
RTX 5080 16GBllama.cpp オフロードで動く Q4_K_M 18.4 GB 15.0 GB — —
RTX 5070 Ti 16GBllama.cpp オフロードで動く Q4_K_M 18.4 GB 15.0 GB — —
RTX 5060 Ti 16GBllama.cpp オフロードで動く Q4_K_M 18.4 GB 15.0 GB — —
RTX 4080 SUPER 16GBllama.cpp オフロードで動く Q4_K_M 18.4 GB 15.0 GB — —
RTX 4070 Ti SUPER 16GBllama.cpp オフロードで動く Q4_K_M 18.4 GB 15.0 GB — —
RTX 4060 Ti 16GBllama.cpp オフロードで動く Q4_K_M 18.4 GB 15.0 GB — —
M5 Pro 24GBMLX ギリ MLX 4bit 17.2 GB 18.0 GB — 10.4
M5 24GBMLX ギリ MLX 4bit 17.2 GB 18.0 GB — 5.2
M4 Pro 24GBMLX ギリ MLX 4bit 17.2 GB 18.0 GB — 9.2
M4 24GBMLX ギリ MLX 4bit 17.2 GB 18.0 GB — 4.1
RTX 4090 24GBllama.cpp 乗る Q4_K_M 18.4 GB 23.0 GB 44K 35.6
RTX 3090 24GBllama.cpp 乗る Q4_K_M 18.4 GB 23.0 GB 44K 33.5
Radeon RX 7900 XTX 24GBllama.cpp 乗る Q4_K_M 18.4 GB 23.0 GB 44K 34.2
M5 32GBMLX 乗る MLX 4bit 17.2 GB 24.0 GB 78K 5.2
M4 32GBMLX 乗る MLX 4bit 17.2 GB 24.0 GB 78K 4.1
M2 Max 32GBMLX 乗る MLX 4bit 17.2 GB 24.0 GB 78K 13.5
M1 Max 32GBMLX 乗る MLX 4bit 17.2 GB 24.0 GB 78K 13.5
RTX 5090 32GBllama.cpp 乗る Q6_K 24.0 GB 31.0 GB 69K 44.9
M5 Max 36GBMLX 乗る MLX 6bit 23.8 GB 27.0 GB 16K 11.1
M4 Max 36GBMLX 乗る MLX 6bit 23.8 GB 27.0 GB 16K 9.8
M3 Max 36GBMLX 乗る MLX 6bit 23.8 GB 27.0 GB 16K 7.2
M5 Max 48GBMLX 乗る MLX 8bit 30.4 GB 36.0 GB 40K 11.4
M5 Pro 48GBMLX 乗る MLX 8bit 30.4 GB 36.0 GB 40K 5.7
M4 Max 48GBMLX 乗る MLX 8bit 30.4 GB 36.0 GB 40K 10.2
M4 Pro 48GBMLX 乗る MLX 8bit 30.4 GB 36.0 GB 40K 5.1
M3 Max 48GBMLX 乗る MLX 8bit 30.4 GB 36.0 GB 40K 7.5
RTX 6000 Ada 48GBllama.cpp 乗る Q8_0 30.0 GB 47.0 GB 205K 21.9
RTX A6000 48GBllama.cpp 乗る Q8_0 30.0 GB 47.0 GB 205K 18.0
M5 Max 64GBMLX 乗る MLX 8bit 30.4 GB 48.0 GB 213K 11.4
M5 Pro 64GBMLX 乗る MLX 8bit 30.4 GB 48.0 GB 213K 5.7
M4 Max 64GBMLX 乗る MLX 8bit 30.4 GB 48.0 GB 213K 10.2
M4 Pro 64GBMLX 乗る MLX 8bit 30.4 GB 48.0 GB 213K 5.1
M3 Max 64GBMLX 乗る MLX 8bit 30.4 GB 48.0 GB 213K 7.5
M2 Ultra 64GBMLX 乗る MLX 8bit 30.4 GB 48.0 GB 213K 14.9
M2 Max 64GBMLX 乗る MLX 8bit 30.4 GB 48.0 GB 213K 7.5
M1 Ultra 64GBMLX 乗る MLX 8bit 30.4 GB 48.0 GB 213K 14.9
M1 Max 64GBMLX 乗る MLX 8bit 30.4 GB 48.0 GB 213K 7.5
Ryzen AI Max+ 395 64GBllama.cpp 乗る Q8_0 30.0 GB 57.6 GB 256K 5.1
M5 Ultra 96GBMLX 乗る MLX 8bit 30.4 GB 72.0 GB 256K 22.4
M3 Ultra 96GBMLX 乗る MLX 8bit 30.4 GB 72.0 GB 256K 15.3
M3 Max 96GBMLX 乗る MLX 8bit 30.4 GB 72.0 GB 256K 5.6
M2 Max 96GBMLX 乗る MLX 8bit 30.4 GB 72.0 GB 256K 7.5
RTX PRO 6000 Blackwell 96GBllama.cpp 乗る Q8_0 30.0 GB 95.0 GB 256K 37.3
M5 Max 128GBMLX 乗る MLX 8bit 30.4 GB 96.0 GB 256K 11.4
M4 Max 128GBMLX 乗る MLX 8bit 30.4 GB 96.0 GB 256K 10.2
M3 Max 128GBMLX 乗る MLX 8bit 30.4 GB 96.0 GB 256K 7.5
M2 Ultra 128GBMLX 乗る MLX 8bit 30.4 GB 96.0 GB 256K 14.9
M1 Ultra 128GBMLX 乗る MLX 8bit 30.4 GB 96.0 GB 256K 14.9
DGX Spark 128GBllama.cpp 乗る Q8_0 30.0 GB 115 GB 256K 6.3
Ryzen AI Max+ 395 128GBllama.cpp 乗る Q8_0 30.0 GB 115 GB 256K 5.1
M2 Ultra 192GBMLX 乗る MLX 8bit 30.4 GB 144 GB 256K 14.9
M5 Ultra 256GBMLX 乗る MLX 8bit 30.4 GB 192 GB 256K 22.4
M3 Ultra 256GBMLX 乗る MLX 8bit 30.4 GB 192 GB 256K 15.3
HPE Private Cloud AI Small(RTX PRO 6000 ×4)llama.cpp 乗る Q8_0 30.0 GB 380 GB 256K 78.6
M5 Ultra 512GBMLX 乗る MLX 8bit 30.4 GB 384 GB 256K 22.4
M3 Ultra 512GBMLX 乗る MLX 8bit 30.4 GB 384 GB 256K 15.3
M5 Max 128GB ×2Thunderbolt 5(RDMA)・exo / MLX distributed 乗る MLX 8bit 31.4 GB 192 GB 256K 18.3
M5 Ultra 512GB ×2Thunderbolt 5(RDMA)・exo / MLX distributed 乗る MLX 8bit 31.4 GB 768 GB 256K 30.1
M5 Ultra 512GB ×4Thunderbolt 5(RDMA)・exo / MLX distributed 乗る MLX 8bit 33.4 GB 1536 GB 256K 36.4
DGX Spark 128GB ×2ConnectX-7(200GbE 直結)・vLLM(Ray・テンソル並列) 乗る BF16 60.8 GB 230 GB 256K 6.4

量子化ごとのサイズ

形式量子化サイズ実効 bitリポジトリ
BF16 BF16 51.8 GB 15.99 Qwen/Qwen3.6-27B
FP8 FP8 28.8 GB 8.88 Qwen/Qwen3.6-27B-FP8
GGUF Q4_K_M 15.7 GB 4.84 unsloth/Qwen3.6-27B-GGUF
GGUF Q6_K 21.0 GB 6.48 unsloth/Qwen3.6-27B-GGUF
GGUF Q8_0 26.6 GB 8.23 unsloth/Qwen3.6-27B-GGUF
MLX MLX 4bit 14.9 GB 4.62 lmstudio-community/Qwen3.6-27B-MLX-4bit
MLX MLX 6bit 21.2 GB 6.55 lmstudio-community/Qwen3.6-27B-MLX-6bit
MLX MLX 8bit 27.5 GB 8.49 lmstudio-community/Qwen3.6-27B-MLX-8bit

Hugging Face のファイルサイズ(本体の重みのみ)。実効 bit はサイズ ÷ 総パラメータ。

基本情報

パラメータ
27.8B(dense)
層数
64
KV を持つ層
16層×2,048要素
入力
テキスト・画像
ライセンス
apache-2.0
公開日
2026-04-21
配布元
Qwen/Qwen3.6-27B

起動コマンドの例

mlx_lm.server --model lmstudio-community/Qwen3.6-27B-MLX-4bit
llama-server -hf unsloth/Qwen3.6-27B-GGUF:Q4_K_M -c 8192
ollama run hf.co/unsloth/Qwen3.6-27B-GGUF:Q4_K_M
vllm serve Qwen/Qwen3.6-27B-FP8 --max-model-len 8192

ECN 実測

このモデルの ECN 実測はまだありません。

ベンチマークと出典

ベンチマークスコア出典条件日付
SWE-bench Verified 77.2 ベンダー thinking mode (default), vendor self-report; internal agent scaffold (bash + file-edit), 200K ctx 2026-04-21
Terminal-Bench 2.0 59.3 ベンダー thinking mode (default), vendor self-report; Harbor/Terminus-2 harness, avg of 5 runs 2026-04-21
MMLU-Pro 86.2 ベンダー thinking mode (default), vendor self-report 2026-04-21
GPQA Diamond 87.8 ベンダー thinking mode (default), vendor self-report 2026-04-21
Humanity's Last Exam 24 ベンダー thinking mode (default), vendor self-report; no tools 2026-04-21
LiveCodeBench 83.9 ベンダー thinking mode (default), vendor self-report; LiveCodeBench v6 2026-04-21
AIME 2026 94.1 ベンダー thinking mode (default), vendor self-report; full AIME 2026 (I & II) 2026-04-21
MMMU 82.9 ベンダー thinking mode (default), vendor self-report 2026-04-21
SWE-bench Pro 53.5 ベンダー thinking mode (default), vendor self-report 2026-04-21
MMMU-Pro 75.8 ベンダー thinking mode (default), vendor self-report 2026-04-21
HMMT Feb 2026 84.3 ベンダー thinking mode (default), vendor self-report; row labeled 'HMMT Feb 26' 2026-04-21