Qwen3.6 27B Instruct (thinking on)
Qwen3.6 27B Instruct ist Alibabas erstes dichtes Modell seit dem Qwen3.5-Wechsel zu MoE — 27,8 Milliarden Parameter, alle pro Token aktiv, ohne Sparsity-Vorteil. Das Modell ist auf Agentic Coding und Repository-weites Reasoning ausgelegt, verarbeitet Text, Bild und Video nativ, bietet 262.000 Tokens Kontext und Function-Calling. Thinking-Modus mit Reasoning-Erhaltung über mehrere Turns und Apache-2.0-Lizenz, kommerzielle Nutzung frei.
- Open Weights
- Workstation
- VSPK
- Text
- Vision
- Video
- Instruction-Tuned
- Unusable
Sovereign Risk: MEDIUM Alibaba Cloud ist ein chinesisches Unternehmen, daher potenziell chinesisches NSL-Risiko bei Cloud-/API-Nutzung über Alibaba-eigene Endpunkte. Das Modell steht unter Apache-2.0-Lizenz ohne regionale Einschränkungen, Gewichte sind offen auf Hugging Face verfügbar (BF16 und FP8-Block-Quantisierung). Bei rein lokalem Betrieb über llama.cpp/GGUF/MLX entfällt sowohl NSL- als auch US-CLOUD-Act-Relevanz vollständig, da keine Datenübertragung an Alibaba-Server erfolgt. Trainingsdaten nicht vollständig offengelegt.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 75.52
- Routine
- 47.24
- Reasoning
- 28.28
- LLM Judge Avg
- 3.81 / 5
- 100 Coverage
- Avg Task Duration
- 202.61s
- Unusable
- Token Rate
- 7.36tok/s
- Output Rate
- P95 Latency
- 400.32s
- Top 5 %
- Total Tokens
- 173400
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 173400 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.