GPT
הוספת כלי
Q

unsloth/Qwen3.6-27B

קוד פתוח

unslothapache-2.02026-04-22

  • transformers
  • safetensors
  • qwen3_5
  • image-text-to-text
  • unsloth

מודל פתוח שמשלב יכולות ראייה ותכנות מתקדם עם חלון עבודה ענק. הוא פונה למי שצריך סוכן קוד אוטונומי ומעדיף שליטה מלאה במשקלים על פני תלות בשירות ענן סגור.

  • 28Bפרמטרים
  • 262,144טוקנים בהקשר
  • 51.8 GBמשקל הקבצים
  • 46,400הורדות בחודש

מה זה

מדובר במודל שפה עם אנקודר ראייה מובנה, בגודל ביניים של עשרים ושמונה מיליארד פרמטרים. המבנה הפנימי שלו משלב שכבות מסוג Gated DeltaNet יחד עם מנגנון קשב רגיל, ארכיטקטורה היברידית שנועדה לאפשר טיפול יעיל ברצפים ארוכים מאוד בלי לפוצץ את דרישות החישוב.

החוזק העיקרי כאן הוא כתיבת קוד ותפעול סוכנים ברמת מאגר שלם. במבחני סוכני תוכנה כמו SWE-bench Verified הוא עומד על 77.2, וב־Terminal-Bench 2.0 הוא מגיע ל־59.3, תוצאות שמשוות אותו ישירות למודלי ענק סגורים. בנוסף הוא כולל אפשרות לשמירת הקשר החשיבה בין פניות, מה שחוסך חישוב חוזר של תהליכי הסקת מסקנות בפיתוח איטרטיבי מול הקוד.

מתאים ל

  • סוכן לתיקון באגים במאגר

    הוא מגיע לתוצאה של 77.2 ב־SWE-bench Verified ומחזיק חלון הקשר עצום שקולט תיקיות שלמות.

  • עבודה אינטראקטיבית בטרמינל

    עם ציון של 59.3 ב־Terminal-Bench, הוא מתאים לתפעול כלי פיתוח והרצת פקודות shell מורכבות.

  • יצירת ממשקי ווב ותלת ממד

    המודל אומן מפורשות על משימות פרונטאנד ובדיקת נראות, כולל ניתוח עיצובים ותרגומם לקוד.

איפה זה נופל

במשימות ידע כללי ושאלות היגיון קיצוניות הוא עדיין לא מושלם. במבחן HLE הוא עומד על 24 בלבד, מה שמראה שחשיבה מורכבת ומופשטת מאוד מפילה אותו מהר. נוסף לכך, כרטיס המודל נקטע בפירוט מבחני הראייה, כך שקשה לדעת בדיוק עד כמה מודול התמונה שלו אמין בעולם האמיתי. מומלץ לבדוק אותו ידנית על מסמכים ותרשימים לפני שסומכים עליו.

אותה משפחה

Qwen3.6 יצא ב־5 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

Qwen3.6-35B-A3B-GGUF1,284,115 Qwen3.6-27B-GGUF1,251,265 Qwen3.6-35B-A3B-MLX-8bit4,449 Qwen3.6-27B-MLX-8bit3,032

שאלות
נפוצות

האם אפשר להריץ את המודל על מחשב פיתוח רגיל עם כרטיס מסך אחד?

במשקלים המקוריים ששוקלים כמעט 52 גיגה בייט זה לא יכנס לאף כרטיס צרכני סטנדרטי. הפתרון היחיד להרצה מקומית כזו הוא לחכות לגרסאות מכווצות בקוונטיזציה או לחלוקת עומסים על כמה מאיצים.

למה כדאי לבחור בו במקום במודל סגור של ספקית ענן גדולה?

היתרון פה הוא שילוב של רישיון חופשי לחלוטין עם יכולות תכנות שמתקרבות למודלי ענק. אם אתם עובדים על קוד רגיש שלא יכול לצאת החוצה, זו חלופה פתוחה מעולה.

איך מריצים

המשקלים תופסים קרוב ל־52 גיגה בייט בדיסק, כך שאי אפשר להריץ אותו בצורתו המקורית על כרטיס גרפי ביתי יחיד. כדי להריץ אותו במלואו בדיוק המקורי תצטרכו לפחות שרת עם שני כרטיסי שמונים גיגה בייט, בעיקר אם תרצו לנצל את חלון ההקשר המלא שמגיע למאות אלפי טוקנים ודורש זיכרון עבודה עצום לניהול ה־KV cache. הוא תומך בכלים כמו vLLM, SGLang וספריית transformers הרגילה.

אם אין לכם תשתיות שרתים כאלה או שאתם לא מתכננים לכווץ אותו לקוונטיזציה נמוכה, עדיף בהרבה לפנות לממשק API מנוהל שמחזיק את המודל. הרמה עצמית של מפלצת כזו שווה את המאמץ רק כשיש לכם דרישות אבטחה מחמירות שמחייבות שהקוד לא ייצא מהרשת המקומית.

from transformers import pipeline

pipe = pipeline("image-text-to-text", model="unsloth/Qwen3.6-27B")
print(pipe("שלום"))

הקבצים

31 קבצים במאגר, 51.8 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון הוא Apache 2.0. זהו רישיון קוד פתוח מתירני שמאפשר שימוש מסחרי חופשי, שינוי של המשקלים, הפצה ושילוב המודל במוצרים פנימיים או מסחריים, ללא תמלוגים. התנאי היחיד הוא שמירה על הודעת זכויות היוצרים והרישיון המקורי.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש
  • שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗