Qwen: Qwen3.6 27B

Qwen : Qwen3.6 27B est un modèle de langage dense de 27 milliards de paramètres de l'équipe Qwen chez Alibaba, publié en avril 2026. Il se situe dans la catégorie texte sur api14, et sa description de fournisseur le présente comme un modèle multimodal hybride, ce qui signifie que les mêmes poids traitent à la fois les entrées linguistiques et visuelles plutôt que de router les images ou la vidéo vers un modèle séparé.

Le modèle accepte le texte, l'image et la vidéo en entrée et produit du texte en sortie. Sa fenêtre de contexte est de 262 144 tokens, et la sortie maximale est de 81 920 tokens, il peut donc ingérer de très grands documents ou des invites longues riches en médias et tout de même renvoyer des générations substantielles en un seul appel. Les paramètres pris en charge incluent temperature, top_p, top_k, min_p, repetition_penalty, frequency_penalty, presence_penalty, max_tokens, stop, seed, logit_bias, logprobs, top_logprobs et response_format. Il expose également des contrôles de raisonnement via les paramètres reasoning et include_reasoning, l'utilisation d'outils via tools et tool_choice, et structured_outputs pour la génération contrainte.

Ces capacités renvoient à quelques schémas pratiques. Le travail sur contexte long, comme le résumé ou l'interrogation de grandes bases de code, de contrats ou de corpus de recherche, correspond à la fenêtre de 262k, et le plafond de sortie élevé aide lorsque la réponse elle-même est longue, par exemple un rapport complet ou une refactorisation. Comme les images et la vidéo sont acceptées aux côtés du texte, le modèle convient à des tâches comme décrire des séquences vidéo, extraire des informations de captures d'écran ou de diagrammes, et répondre à des questions fondées sur du matériel visuel. L'appel d'outils et les sorties structurées le rendent utilisable comme étape de raisonnement et d'extraction au sein d'un agent ou d'un pipeline, où le modèle doit renvoyer du JSON ou invoquer des fonctions de manière fiable. Les paramètres de raisonnement sont utiles lorsque vous voulez que le modèle réfléchisse à un problème avant de répondre, et logprobs ou top_logprobs aident lorsque vous avez besoin de signaux de confiance.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "qwen/qwen3.6-27b". Pointez votre client OpenAI existant vers l'URL de base d'api14, envoyez une requête de complétions de chat avec cet identifiant dans le champ model, et transmettez n'importe lequel des paramètres pris en charge listés ci-dessus dans le corps de la requête. Les entrées multimodales vont dans le contenu du message au format OpenAI habituel, de sorte que les parties texte, image et vidéo peuvent être mélangées dans la même conversation.

Un point à peser est la limite de sortie : 81 920 tokens est généreux mais fini, donc des réponses uniques extrêmement longues peuvent devoir être réparties sur plusieurs appels. Le modèle produit uniquement du texte, donc si vous avez besoin d'images ou d'audio générés, un autre modèle est nécessaire. Sinon, la combinaison d'un contexte de 262k, d'une entrée multimodale, de contrôles de raisonnement et de la prise en charge des outils couvre un large éventail de charges de travail de développeurs.