Qwen3.6 27B, el modelo de Alibaba Cloud (Qwen) en cifras

Qwen3.6 27B en breve

Qwen3.6 27B es un modelo de lenguaje de Alibaba Cloud (Qwen), lanzado el 22 de abril de 2026. Tiene, por tanto, 6 meses a 22 de octubre de 2026. Sus pesos están publicados: puede descargarlo y ejecutarlo en sus propios servidores, o usar uno de los 28 proveedores de API que lo listan en models.dev. Dispone de un modo de razonamiento: puede «pensar» antes de responder, lo que ayuda en problemas de varios pasos pero consume más tokens y, por tanto, más dinero.

Lo clasificamos entre los modelos de pesos abiertos (68 modelos de esta categoría en el sitio).

¿Qué dicen las pruebas independientes?

Según los resultados publicados por Epoch AI (consulta del 22 de octubre de 2026), Qwen3.6 27B obtiene un índice de capacidad de 72,2 sobre 100, calculado con 3 pruebas de nuestra cesta.

Con solo 3 pruebas registradas, no entra en el ranking público, que exige al menos 4 resultados: su índice debe leerse como parcial.

• GPQA Diamond (preguntas de ciencias de nivel doctorado): 85,9 % — el mejor modelo seguido, Gemini 4 Argon, alcanza 96,4 %
• OTIS Mock AIME (problemas de matemáticas de competición): 91,1 % — el mejor modelo seguido, GPT-5.5 Pro, alcanza 100 %
• FrontierMath (matemáticas de investigación muy difíciles): 35,1 % — el mejor modelo seguido, GPT-6 Astra, alcanza 93,7 %

Lo que cuesta

Qwen3.6 27B cuesta 0,33 US$ por millón de tokens de entrada y 2,7 US$ por millón de tokens de salida (mediana de 28 proveedores, consulta del 22 de octubre de 2026).

Para hacerse una idea: leer 20 000 tokens (unas treinta páginas) y redactar 2000 cuesta alrededor de 0,012 US$; mil veces esa tarea, 11,9 US$.

Son 2,7 veces el precio de salida mediano de los modelos de pesos abiertos (1 US$).

Para estimar su propio presupuesto, use la calculadora de coste de un agente.

Características técnicas

Su ventana de contexto alcanza 262.144 tokens, unas 393 páginas de texto a 500 palabras por página: suficiente para un informe largo o varios contratos a la vez. Una respuesta puede llegar a 65.536 tokens.

Acepta como entrada: texto, imagen y vídeo.

Sabe llamar a herramientas (funciones, API) y devolver una salida estructurada en JSON, lo que lo convierte en una posible base para un agente de IA.

Los pesos están publicados en Hugging Face (Qwen/Qwen3.6-27B). Vea también nuestra selección de modelos open source.

¿Para qué usos?

Por su categoría, Qwen3.6 27B está pensado sobre todo para los proyectos en los que quiere controlar sus datos o el alojamiento, o adaptar el modelo a su sector.

Antes de adoptarlo, pruébelo con sus propios ejemplos: los benchmarks miden tareas estándar, no su oficio.

Alternativas

En la misma categoría, los modelos más cercanos a Qwen3.6 27B son:

• DeepSeek V4 Pro 0813 (DeepSeek, índice 72,2) — ver la comparativa
• GLM-5.3-Flash (Zhipu AI (Z.ai), índice 71,9) — ver la comparativa
• GLM-5.1 (Zhipu AI (Z.ai), índice 70,9) — ver la comparativa
• Kimi K2 Thinking (Moonshot AI, índice 69,6)