Qwen3.6-27B publication open source « Openclaw, Hermes preferred » : AI performance tied with Claude Opus 4.5, cost reduced by 14 times

Alibaba Qwen 系列最新旗舰 Qwen3.6-27B 于 2026 年 4 月 22 日晚上正式开源，这颗 27B 密集模型在 Terminal-Bench 2.0 以 59.3 分平 Claude 4.5 Opus，并以不到 1/14 的参数量，在 SWE-bench Verified 以 77.2 超越上一代 397B MoE 旗舰的 76.2。完整模型 55.6 GB、Q4_K_M 量化压缩到 16.8 GB，可在消费级硬件上运行，让 OpenClaw、Hermes Agent 等本地 agent 框架首次拥有一颗真正实用的本地大脑。
（前情提要：被 Anthropic 点名封杀，OpenClaw 建议用户改用 API Key 或换用 Qwen、Kimi 等替代方案）
（背景补充：美国 AI 需要“审查”关进实验室！中国则全力抛开源模型，为什么？）

本文目录

Toggle

• Benchmark 成绩：三个最亮眼的结论
• 规格：消费级硬件装得下的千亿级性能
• 为什么是 OpenClaw 与 Hermes Agent 的本地大脑？
• 开源 vs 封闭：阿里的路线布局与地缘格局

2026 年 4 月 22 日晚上，阿里巴巴 Qwen 团队悄悄在 Hugging Face 推出了一颗炸弹：Qwen3.6-27B 正式开源，Apache 2.0 授权，任何人可自由商用。数字看似平凡，背后的意义非凡——27B 密集架构（非 MoE），在终端 agent 测试中首次追平 Anthropic 封闭旗舰 Claude 4.5 Opus，同时以 55.6 GB 的体积，打败了需要 807 GB 视频内存才能完整运行的上一代 397B MoE 怪兽。本地部署、agent 能跑、消费级硬件装得下，三个条件 Qwen3.6-27B 全部达成。

Benchmark 成绩：三个最亮眼的结论

Qwen 团队选择了 10 项反映真实 agent 程序设计能力的基准测试，Qwen3.6-27B 的成绩如下：

三个关键结论值得单独标出：第一，Terminal-Bench 2.0 59.3 平 Claude 4.5 Opus——这是 27B 密集模型首次在终端 agent 任务中追平 Anthropic 封闭旗舰，而 Qwen3.5-27B 旧版只有 41.6，等于单代提升了 17.7 分。第二，SWE-bench Verified 77.2 超越 Qwen3.5-397B-A17B 的 76.2——27B 密集干掉上一代 397B MoE 旗舰，模型体积从 807 GB 缩小到 55.6 GB，缩小了 14 倍以上。第三，SkillsBench 从 27.2 冲到 48.2（+77%）、Claw-Eval Pass^3 以 60.6 超越 Claude 4.5 Opus 的 59.6——多轮、多步骤一致性是本次最大升级，代表模型在连续执行复杂 agent 任务时不易崩溃或跑偏。

知识与推理方面同样亮眼：MMLU-Pro 86.2、MMLU-Redux 93.5、GPQA Diamond 87.8、AIME 2026 94.1、LiveCodeBench v6 83.9，全面超越同参数量前代。

规格：消费级硬件装得下的千亿级性能

Qwen3.6-27B 是纯密集架构，27B 参数量并非 MoE 的激活参数，而是每次推理都完整启用的真实参数。原生 context 长度 262,144 tokens，通过 YaRN 扩展最高可达 1,010,000 tokens（约 1M），对需要长文件分析或跨仓库理解的 coding agent 来说是刚需规格。完整精度模型 55.6 GB，若采用 Q4_K_M 量化，体积压缩到 16.8 GB，24 GB 视频内存的 Mac M 系列或消费级 GPU 均可直接载入。授权为 Apache 2.0，商业用途无需额外授权费。部署推荐 SGLang ≥0.5.10 或 vLLM ≥0.19.0，KTransformers 及 HF Transformers 亦支持。此外，Qwen3.6-27B 整合了视觉编码器，同时支持图片、文字、视频理解，并非纯文字模型。

为什么是 OpenClaw 与 Hermes Agent 的本地大脑？

原始快讯点名了两个 agent 框架：OpenClaw 与 Hermes Agent。OpenClaw 是广受开发者欢迎的类龙虾（Claude Code-like）本地 agent 应用，今年 4 月初遭 Anthropic 点名封杀——Anthropic 以违反服务条款为由限制账号后，OpenClaw 官方建议用户改用 API Key 方案，或切换到 Qwen、Kimi 等本地替代模型。Qwen3.6-27B 的开源，精准命中了这条替代路线的需求：本地跑得动、benchmark 追到 Claude 级、Apache 2.0 免费商用，三个条件缺一不可。

Hermes Agent 则是 NousResearch 主导的开源 agent 框架，强调“自我学习 skill” 循环——execute、evaluate、extract、refine、retrieve 五步骤让 agent 在执行任务后自动提炼技巧并存入记忆库，下次遇到类似问题时直接调用。相比 OpenClaw 偏向直觉操作，Hermes Agent 更强调长期自主演化能力，支持 NousPortal、OpenRouter、NVIDIA NIM、LM Studio、Ollama 等多种后端接入。两个框架的共同痛点都是：在本地跑一颗真正够强的模型。Qwen3.6-27B 在 Claw-Eval（专为 coding agent 设计的评测集）以 72.4 平均分与 60.6 Pass^3 超越 Claude 4.5 Opus，给了这两个框架一个可以认真考虑的本地选项。

开源 vs 封闭：阿里的路线布局与地缘格局

Qwen3.6-27B 的开源并非孤立事件。阿里稍早于 4 月 16 日开源了 Qwen3.6-35B-A3B（MoE 架构，35B 总参数、3B active），这次 27B 密集的开源则补齐了“本地可完整部署、无需 MoE 分片”的空缺；而 Qwen3.6-Plus 与 Qwen3.5-Omni 仍维持闭源，通过云端 API 商业化。一开一闭，阿里的策略轮廓清晰：用开源建立生态与信任，用闭源旗舰变现。

更大的背景是这场中美 AI 开源竞赛的格局翻转。动区稍早报道，Meta 祖克伯传下令放弃“开源 AI”路线，转用阿里 Qwen 训练付费人工智能 Avocado——美国科技巨头收缩开源、中国厂商全力抛开源，这个反向格局正在加速成型。对开发者与本地部署需求者而言，选择正在从“要不要开源”变成“哪个开源模型最够用”，Qwen3.6-27B 给出了一个此刻看起来答案相当清晰的选项。