阿里发布了 Qwen3.6-27B，27B 参数的 Dense 架构模型（不是 MoE），原生支持 262K 上下文，Apache-2.0 开源。
苏米注：Dense 架构相比 MoE 部署更简单，不需要考虑路由问题，推理更稳定。这是本地部署的重要优势。
官方数据：27B 超越 397B？
官方给出的数据很夸张：SWE-bench Verified 77.2，超过了 Qwen3.5-397B-A17B 这个 397B 参数的 MoE 旗舰。
也就是说，参数量只有对方的 1/15，但编码能力反而更好。这种模型跑分需要实际测试验证。
测试环境
实测设备：RTX 4090（24GB 显存），Windows 系统，LM Studio 加载模型。使用 Q4_K_M 量化版，体积约 16GB 出头。
测试一：视觉理解
加载模型后，第一个测试是丢一张截图进去问"描述图片中的人物"。
同时开启 GPU 监控，模型推理期间 SM 利用率飙到 96-97%，显存带宽 94-95%，4090 被完全压满。
响应内容准确识别出图片中的人物，描述了外貌、穿着、手势和背景。
Qwen3.6-27B 不只是文本模型，视觉推理能力很强，描述非常详细，详细到可以直接在 GPT Image 上还原。
测试二：上下文长度
模型默认加载的 context_length 是 4096，大概 3000 汉字左右。Claude Code 这类 Agentic 工具随便一个任务就能超过，所以需要调大。
LM Studio 提供了热改配置接口，无需重启：
# 新建实例，设置 64K context
curl -X POST http://192.168.1.238:1234/api/v1/models/load \
-H "Content-Type: application/json" \
-d '{"model": "qwen/qwen3.6-27b", "context_length": 65536}'
# 卸载旧实例
curl -X POST http://192.168.1.238:1234/api/v1/models/unload \
-H "Content-Type: application/json" \
-d '{"instance_id": "qwen/qwen3.6-27b"}'先建新的，确认能跑，再卸旧的，这样服务不会中断。
显存占用测试：
| context_length | 显存已用 | 剩余 |
|---|---|---|
| 32768 (32K) | 20750 MB | 3399 MB |
| 65536 (64K) | 22793 MB | 1356 MB |
| 131072 (128K) | 24043 MB | 106 MB |
| 262144 (256K) | 23968 MB | 181 MB |
全部成功加载，一个都没 OOM。但 128K 和 256K 剩余显存太少，KV cache 动态增长会吃掉更多显存，OOM 是早晚的事。
苏米注：64K 是最佳平衡点，留出 1.3GB 余量，推理过程完全够用。如果不需要超长上下文，32K 也完全够用，还能多留 3GB。
测试三：五道智能题
跑了五道题：逻辑推理、数学、Boyer-Moore 代码、塞翁失马中文理解、4 只猫常识推理。
逻辑推理（洗车问题）
上手题是经典的洗车问题，模型答对了。
对比同期的闭源模型 Opus4.7：
数学题
17×23+144÷12=403，步骤清晰，答案正确。
代码题：Boyer-Moore 算法
实现完整，包含复杂度分析、边界情况说明，还用了形象的比喻："把数组想象成不同阵营的士兵，每次让两个不同阵营的士兵同归于尽，多数阵营人数过半，最后活下来的必定是多数阵营的代表。"
这种解释质量，在本地模型里算比较顶尖的。
中文理解：塞翁失马
解释分了四层：典故出处、哲学逻辑、现代案例、现实启示。
现代案例选的是传统媒体编辑被裁后转型 AI 工具，逻辑自洽，类比精准。
常识推理：4 只猫
脑筋急转弯题目，模型答对并正确解释了"每只猫面前有 3 只猫"是空间描述而不是额外增加数量。
总结：代码和中文理解是明显强项。
Opus4.7 最后给出的测评评价：
实用技巧：/no_think 开关
thinking 模式消耗 token 很快。简单任务不需要推理过程时，可以在消息末尾加 /no_think 关闭 thinking 模式。
实测对比：
- 开启 thinking：深度推理，慢，token 消耗多
- 关闭 thinking：快速回答，省 token
# 开启 thinking（深度推理）
你的复杂推理问题
# 关闭 thinking（快速回答）
你的简单问题 /no_think这个开关很实用：工具调用、结构化输出、代码补全等场景不需要 thinking，复杂推理、分析题目可以开启。
注意：
chat_template_kwargs: {"thinking": false}这个 API 参数在 LM Studio 里没有生效，加在 system prompt 里也没用。真正有效的只有/no_think加在用户消息末尾。
接入 Claude Code
Qwen3.6-27B 支持 Anthropic-compatible 端点，可以直接让 Claude Code 调用。
LM Studio 0.4.1 之后原生支持 /v1/messages 端点，不需要额外代理。
配置步骤：
- LM Studio 启动 Server（默认 1234 端口）
- 加载 Qwen3.6-27B，context 设 64K 以上
- 设置环境变量：
export ANTHROPIC_BASE_URL=http://localhost:1234 export ANTHROPIC_AUTH_TOKEN=lmstudio - 启动 Claude Code：
claude --model qwen/qwen3.6-27b
这样就得到了一个完全跑在本地的 Claude Code，没有速率限制、没有 API 费用、没有网络依赖。
唯一的代价是速度：4090 跑 Q4_K_M 量化的 27B，大概 25-40 token/s，不快但能用。
如果 LM Studio 原生兼容性偶尔出问题，可以加一层 LiteLLM 代理桥接：
pip install litellm
litellm --model lm_studio/qwen/qwen3.6-27b --port 4000
export ANTHROPIC_BASE_URL=http://localhost:4000整体评价
Qwen3.6-27B 是目前测试过的本地模型中，综合能力最接近 GPT-4 的一个。
- 中文理解：出乎意料地好
- 代码质量：扎实，解释清晰
- 常识推理：没有翻车
- 视觉理解：描述详细
- 架构优势：Dense 架构，部署简单，推理稳定
27B 参数在 4090 上能跑 64K context，还能留出 1.3GB 的安全余量。这个组合是目前单卡本地推理的相当不错的配置。
对于想在本地跑 Claude Code 后端、或者需要一个不依赖云端的代码助手的人来说，值得一试。