Qwen: Qwen3.6 27B

Qwen: Qwen3.6 27B to gęsty model językowy z 27 miliardami parametrów od zespołu Qwen w Alibaba, wydany w kwietniu 2026. Znajduje się w kategorii tekstowej na api14, a jego opis dostawcy przedstawia go jako hybrydowy model multimodalny, co oznacza, że te same wagi obsługują zarówno dane językowe, jak i wizualne, zamiast kierować obrazy lub wideo do osobnego modelu.

Model przyjmuje jako dane wejściowe tekst, obrazy i wideo, a jako dane wyjściowe produkuje tekst. Jego okno kontekstowe wynosi 262 144 tokeny, a maksymalne dane wyjściowe to 81 920 tokenów, więc może przyjąć bardzo duże dokumenty lub długie monity z dużą ilością multimediów i nadal zwrócić obszerne generacje w jednym wywołaniu. Obsługiwane parametry obejmują temperature, top_p, top_k, min_p, repetition_penalty, frequency_penalty, presence_penalty, max_tokens, stop, seed, logit_bias, logprobs, top_logprobs oraz response_format. Udostępnia również mechanizmy sterowania rozumowaniem poprzez parametry reasoning i include_reasoning, korzystanie z narzędzi poprzez tools i tool_choice oraz structured_outputs do generowania z ograniczeniami.

Te możliwości wskazują na kilka praktycznych wzorców zastosowań. Praca z długim kontekstem, taka jak streszczanie lub odpytywanie dużych baz kodu, umów czy korpusów badawczych, pasuje do okna 262k, a wysoki limit danych wyjściowych pomaga, gdy sama odpowiedź jest długa, na przykład pełny raport lub refaktoryzacja. Ponieważ obrazy i wideo są akceptowane razem z tekstem, model nadaje się do zadań takich jak opisywanie materiałów filmowych, wyodrębnianie informacji ze zrzutów ekranu lub diagramów oraz odpowiadanie na pytania oparte na materiale wizualnym. Wywoływanie narzędzi i ustrukturyzowane dane wyjściowe czynią go użytecznym jako krok rozumowania i ekstrakcji wewnątrz agenta lub potoku, w którym model musi niezawodnie zwracać JSON lub wywoływać funkcje. Parametry rozumowania są przydatne, gdy chcesz, aby model przemyślał problem przed odpowiedzią, a logprobs lub top_logprobs pomagają, gdy potrzebujesz sygnałów pewności.

Model wywołujesz przez zgodne z OpenAI API api14, używając identyfikatora modelu "qwen/qwen3.6-27b". Skieruj istniejącego klienta OpenAI na bazowy adres URL api14, wyślij żądanie chat completions z tym identyfikatorem w polu model i przekaż dowolne z obsługiwanych parametrów wymienionych powyżej w treści żądania. Dane wejściowe multimodalne trafiają do treści wiadomości w zwykłym formacie OpenAI, więc części tekstowe, obrazowe i wideo można mieszać w tej samej rozmowie.

Jedna rzecz do rozważenia to limit danych wyjściowych: 81 920 tokenów to dużo, ale skończona wartość, więc wyjątkowo długie pojedyncze odpowiedzi mogą wymagać podzielenia na kilka wywołań. Model zwraca wyłącznie tekst, więc jeśli potrzebujesz generowanych obrazów lub dźwięku, wymagany jest inny model. Poza tym połączenie kontekstu 262k, danych wejściowych multimodalnych, mechanizmów sterowania rozumowaniem i obsługi narzędzi obejmuje szeroki zakres obciążeń programistycznych.