Qwen: Qwen3.6 27B

Qwen: Qwen3.6 27B es un modelo de lenguaje denso de 27 mil millones de parámetros del equipo de Qwen en Alibaba, lanzado en abril de 2026. Se ubica en la categoría de texto en api14, y la descripción de su proveedor lo presenta como un modelo multimodal híbrido, lo que significa que los mismos pesos manejan tanto entradas de lenguaje como visuales en lugar de enrutar imágenes o video a un modelo separado.

El modelo acepta texto, imagen y video como entrada y produce texto como salida. Su ventana de contexto es de 262,144 tokens, y la salida máxima es de 81,920 tokens, por lo que puede recibir documentos muy grandes o prompts largos con mucho contenido multimedia y aún así devolver generaciones sustanciales en una sola llamada. Los parámetros soportados incluyen temperature, top_p, top_k, min_p, repetition_penalty, frequency_penalty, presence_penalty, max_tokens, stop, seed, logit_bias, logprobs, top_logprobs y response_format. También expone controles de razonamiento a través de los parámetros reasoning e include_reasoning, uso de herramientas mediante tools y tool_choice, y structured_outputs para generación restringida.

Esas capacidades apuntan a algunos patrones prácticos. El trabajo de contexto largo, como resumir o consultar bases de código grandes, contratos o corpus de investigación, encaja en la ventana de 262k, y el amplio límite de salida ayuda cuando la respuesta en sí es larga, por ejemplo un informe completo o una refactorización. Como se aceptan imágenes y video junto con texto, el modelo se adapta a tareas como describir metraje, extraer información de capturas de pantalla o diagramas, y responder preguntas basadas en material visual. El llamado a herramientas y las salidas estructuradas lo hacen utilizable como el paso de razonamiento y extracción dentro de un agente o pipeline, donde el modelo debe devolver JSON o invocar funciones de forma confiable. Los parámetros de razonamiento son útiles cuando quieres que el modelo trabaje un problema antes de responder, y logprobs o top_logprobs ayudan cuando necesitas señales de confianza.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "qwen/qwen3.6-27b". Apunta tu cliente de OpenAI existente a la URL base de api14, envía una solicitud de chat completions con ese id en el campo model, y pasa cualquiera de los parámetros soportados listados arriba en el cuerpo de la solicitud. Las entradas multimodales van en el contenido del mensaje en el formato habitual de OpenAI, por lo que las partes de texto, imagen y video pueden mezclarse en la misma conversación.

Una cosa a considerar es el límite de salida: 81,920 tokens es generoso pero finito, así que las respuestas únicas extremadamente largas pueden necesitar dividirse en varias llamadas. El modelo solo produce texto, así que si necesitas imágenes o audio generados, se requiere un modelo diferente. Por lo demás, la combinación de un contexto de 262k, entrada multimodal, controles de razonamiento y soporte de herramientas cubre una amplia gama de cargas de trabajo de desarrolladores.