Весело
Весело

Qwen 3.6 27B по API

Qwen 3.6 27B — открытая плотная модель команды Qwen, вышла в апреле 2026 года под лицензией Apache 2.0. Статью о ней вендор озаглавил «Flagship-Level Coding in a 27B Dense Model» — код уровня флагмана в 27 млрд параметров. Окно — 262 144 токенов, на входе текст, картинки и видео. Здесь она работает по API, без своей видеокарты.

  • 63,55 ₽ / 63,55 ₽ за 1 млн токенов
  • контекст 262 тыс.
  • текст и картинки → текст

qwen/qwen3.6-27b

Обновлено:

Получить ключ Попробовать Документация

Попробовать Qwen3.6 27B

Отправь вопрос — модель ответит текстом. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

Пример запроса: «Найди ошибку и исправь: def avg(xs): return sum(xs) / len(xs) if xs else None. Что будет, если передать список строк „1“, „2“, „3“?»

В ответ приходит текст в choices[0].message.content и цена ответа в usage.cost_rub.

Цены Qwen3.6 27B в рублях

Вход — твой запрос63,55 ₽ за 1 млн токенов
Выход — ответ модели63,55 ₽ за 1 млн токенов

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена

Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

Найти и исправить ошибку: функция с вопросом и ответ на 900 токеновОколо 0,08 ₽
SQL по описанию таблиц: схема и вопрос на 600 токенов, запрос с пояснением на 700Около 0,09 ₽
Скрипт, который избавит от рутины: описание и скрипт на 1 200 токеновОколо 0,09 ₽
Регулярные выражения и разбор логов: кусок лога на 4 000 токенов и ответ на 1 000Около 0,32 ₽
Помощник в VS Code через Cline или Continue: файл на 12 000 токенов и правка на 1 500Около 0,86 ₽

Что умеет Qwen3.6 27B

  • Плотная модель: на каждом токене работают все 27 млрд параметров, без смеси экспертов (карточка модели).
  • В облаке вендора окно — 262 тыс. токенов: до 260 тыс. уходит на вход, до 65 тыс. — на ответ (Qwen Cloud).
  • Принимает текст, картинки и видео: можно показать скриншот ошибки или схему базы. Как это сделать — в разделе «Картинки во входе».
  • Вызывает функции, поэтому работает в агентах вроде Cline и Claude Code, и отвечает JSON по схеме.
  • По сравнению с Qwen3.5 27B вендор отмечает рост в агентном программировании и задачах по точным наукам.

Где применять

Найти и исправить ошибку

Самая частая задача программиста — понять, почему не работает. Дай модели функцию, текст ошибки и что должно было получиться, и она объяснит причину, предложит исправление и покажет, на каких данных старый код ломался. Покажи и входные данные, на которых всё падает: так причину найти проще. Попроси заодно тест, который ловит эту ошибку: в следующий раз она не вернётся незаметно, даже если код перепишет кто-то другой.

Пример запроса: «Найди ошибку и исправь: def avg(xs): return sum(xs) / len(xs) if xs else None. Что будет, если передать список строк „1“, „2“, „3“?».

Стоимость: функция с вопросом и ответ на 900 токенов — около 0,08 ₽.

SQL по описанию таблиц

Аналитик знает, что хочет посчитать, но не помнит, как называется колонка с датой возврата. Опиши таблицы — названия, колонки, связи — и словами спроси, что нужно. Модель напишет запрос и объяснит каждое соединение. Отдельно попроси вариант для своей базы: PostgreSQL, MySQL и ClickHouse пишут даты и окна по-разному. Запрос сначала прогоняй на копии или с LIMIT, а не на боевых данных.

Пример запроса: «Есть таблицы orders(id, user_id, created_at, total) и refunds(order_id, amount). Посчитай выручку по месяцам за 2026 год за вычетом возвратов, PostgreSQL».

Стоимость: схема и вопрос на 600 токенов, запрос с пояснением на 700 — около 0,09 ₽.

Скрипт, который избавит от рутины

Переименовать пятьсот фото по дате съёмки, выгрузить отчёт из почты в таблицу, сжать картинки перед загрузкой на сайт — всё это делается коротким скриптом на Python или bash. Модель напишет его по описанию, добавит проверку, что файлы не перезапишутся, и объяснит, как запустить. Для разовой задачи этого хватает, а для постоянной попроси ещё обработку ошибок и запись в журнал. Запускай сначала на копии папки.

Пример запроса: «Напиши скрипт на Python: переименовать все фото в папке по дате съёмки из EXIF в формат 2026-11-16_001.jpg, без перезаписи существующих файлов».

Стоимость: описание и скрипт на 1 200 токенов — около 0,09 ₽.

Регулярные выражения и разбор логов

Регулярные выражения пишут один раз и боятся трогать годами. Модель составит выражение по примерам строк, разберёт его по частям и предложит тесты: какие строки должны совпасть, какие нет. Тот же подход годится для логов: дай кусок журнала nginx и спроси, какие адреса чаще всего отвечают 500 и в какие часы. Для больших журналов надёжнее попросить скрипт, который посчитает это локально.

Пример запроса: «Вот 30 строк лога nginx. Напиши регулярное выражение, которое вытащит адрес, код ответа и время, и скрипт, который посчитает пятисотые по часам».

Стоимость: кусок лога на 4 000 токенов и ответ на 1 000 — около 0,32 ₽.

Помощник в VS Code через Cline или Continue

Cline и Continue работают в VS Code и подключают любую модель с адресом в формате OpenAI. Укажи наш адрес, ключ и id qwen/qwen3.6-27b — и модель будет читать открытые файлы, предлагать правки и объяснять код прямо в редакторе. Настройки для обеих программ — в разделе «SDK и программы». Агент делает много коротких запросов, поэтому выдай ему отдельный ключ с месячным лимитом: расход сразу будет виден отдельной строкой.

Пример запроса: «Посмотри открытый файл и предложи, как убрать дублирование в обработчиках форм, не меняя поведения».

Стоимость: файл на 12 000 токенов и правка на 1 500 — около 0,86 ₽.

Комментарии и документация к коду

Код без описания через полгода не понимает даже автор. Модель напишет докстринги, README с примерами запуска и короткое описание архитектуры для новичка в команде. Попроси объяснять «зачем», а не «что»: строку i += 1 комментировать не нужно, а вот почему таймаут ровно 30 секунд — полезно. Сверь итог с тем, как код ведёт себя на деле, — модель описывает то, что видит в исходниках, а не то, что задумывалось.

Пример запроса: «Напиши README для этого модуля: что делает, как запустить, переменные окружения, пример вызова. Для новичка в команде».

Стоимость: модуль на 10 000 токенов и README на 1 500 — около 0,74 ₽.

Как писать запрос

Для кода давай три вещи: сам код, текст ошибки целиком и что должно было получиться. Без последнего модель чинит не то. Для точного кода вендор советует temperature 0,6 и top_p 0,95, для обычных ответов без размышлений — 0,7 и 0,8 (карточка модели). Ответ на сложную задачу бывает длинным: вендор советует оставлять под него до 32 768 токенов, поэтому не ставь max_tokens слишком маленьким, иначе ответ оборвётся на середине.

Характеристики

РазработчикQwen (Alibaba)
ВидТекст
Контекст262 144 токена
Ответдо 65 536 токенов
Вход → выходтекст и картинки → текст
Умеетвызывать функции (tools), отвечать строго в JSON
id для запросаqwen/qwen3.6-27b
  • Устройство: 64 слоя, собранных в 16 блоков; в блоке — три слоя Gated DeltaNet и один слой полного внимания (карточка модели).
  • Окно: родное — 262 144 токена; при самостоятельном запуске YaRN растягивает его до 1 010 000, а в API работает окно облака Qwen.
  • Размышления: у открытых весов включены по умолчанию; по желанию модель сохраняет размышления из прошлых реплик.
  • Вышла: в апреле 2026 года, вслед за 35B-A3B.
  • Лицензия весов: Apache 2.0, коммерческое использование разрешено.

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — POST https://veselo.ai/v1/chat/completions с полем model: qwen/qwen3.6-27b, ключ — в заголовке Authorization: Bearer sk-vsl-….

curl

curl https://veselo.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen/qwen3.6-27b",
    "messages": [{"role": "user", "content": "Привет! Объясни в двух предложениях, что такое API."}]
  }'

Python

from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ")

r = client.chat.completions.create(
    model="qwen/qwen3.6-27b",
    messages=[{"role": "user", "content": "Привет! Объясни в двух предложениях, что такое API."}],
)
print(r.choices[0].message.content)

JavaScript

import OpenAI from 'openai'; // npm i openai

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ' });

const r = await client.chat.completions.create({
  model: 'qwen/qwen3.6-27b',
  messages: [{ role: 'user', content: 'Привет! Объясни в двух предложениях, что такое API.' }],
});
console.log(r.choices[0].message.content);

Пример ответа — только поля

{
  "id": "chatcmpl-…",
  "model": "…",
  "choices": [{ "message": { "role": "assistant", "content": "…" } }],
  "usage": { "prompt_tokens": …, "completion_tokens": …, "cost_rub": … }
}

В программах: OpenAI SDK, Cursor и n8n — по адресу и ключу, Claude Code — через формат Anthropic, Claude и ChatGPT — через MCP. Библиотеки и программы · Claude Code · MCP

Документация раздела

Сравнение с похожими

МодельЦенаГлавноеКогда выбрать
Qwen3.6 27B — эта модель63,55 ₽ / 63,55 ₽ (вход / выход за 1 млн токенов)контекст 262 тыс.исправление ошибок, SQL и скрипты на каждый день, помощник в редакторе кода
Qwen3.6 35B-A3B — Qwen (Alibaba)26,27 ₽ / 157,27 ₽ (вход / выход за 1 млн токенов)контекст 262 тыс.потоковые задачи — классификация, разметка, теги, короткие ответы — когда запросов тысячи
Qwen3.8 27B без цензуры — Qwen (Alibaba)223,46 ₽ / 893,81 ₽ (вход / выход за 1 млн токенов)контекст 262 тыс.художественные тексты с жёсткими сюжетами и проверка защит своих сервисов
Qwen3.5 27B — Qwen (Alibaba)31,78 ₽ / 254,17 ₽ (вход / выход за 1 млн токенов)контекст 262 тыс.ответы в строгом формате, простые объяснения и задания для учёбы
GLM-4.7 FlashX — Z.ai (GLM)7,42 ₽ / 42,37 ₽ (вход / выход за 1 млн токенов)контекст 200 тыс.тысячи простых запросов: тестовые данные, нормализация, фоновые шаги агентов
Llama 4 Maverick — Meta Llama26,48 ₽ / 105,91 ₽ (вход / выход за 1 млн токенов)контекст 1 млнтексты на 12 языках и вопросы по картинкам, когда нужна открытая модель Meta
  • Qwen3.6 35B-A3B — смесь экспертов того же поколения: на токен работают 3 млрд параметров, удобна для потоковой разметки и коротких ответов.
  • Qwen3.8 27B без цензуры — 27B следующего поколения без встроенных отказов, только текст: для художественных и острых задач.
  • Qwen3.5 27B — прошлое поколение того же размера: если запросы и проверки уже отлажены на нём.
  • GLM-4.7 FlashX — лёгкая модель Z.ai: сравни с ней цену и качество на своих задачах, прежде чем выбрать одну.

Версии и отличия

Qwen3.5 27B — прошлое поколение того же размера: 3.6 построена на ней и, по словам вендора, сильнее в агентном коде и точных науках. Qwen3.8 27B без цензуры — другая модель: в основе следующее поколение, 3.8, из весов убраны отказы, а у нас она принимает только текст. Соседка по поколению со смесью экспертов — Qwen3.6 35B-A3B.

Подробно о Qwen3.6 27B

Qwen3.6 27B вышла в апреле 2026 года вместе с 35B-A3B — это первые открытые модели поколения Qwen3.6. Название статьи вендора говорит само за себя: «Flagship-Level Coding in a 27B Dense Model». Идея — код уровня крупных моделей при 27 млрд параметров.

Слово «плотная» значит, что на каждом токене работают все 27 млрд параметров, без смеси экспертов. Отвечать так дороже по вычислениям, чем у 35B-A3B, зато вся модель думает над каждым словом. Внутри 64 слоя. Большая часть из них — линейное внимание Gated DeltaNet, которое экономит вычисления на длинном контексте, а каждый четвёртый слой — обычное, полное внимание.

В карточке модели вендор приводит свои замеры на задачах программирования: SWE-bench Verified — 77,2, Terminal-Bench 2.0 — 59,3, LiveCodeBench v6 — 83,9 (карточка модели). Для сравнения, у соседки 35B-A3B на SWE-bench Verified — 73,4. Замеры вендорские, свои задачи всё равно проверь на десятке примеров.

Одна полезная мелочь для агентов. По умолчанию модель держит размышления только для последней реплики, а прошлые отбрасывает. У открытых весов есть настройка, которая сохраняет их на весь разговор: агенту не приходится заново вспоминать, почему он выбрал этот путь три шага назад. Работает ли она в облачной версии, вендор отдельно не пишет. Поэтому в долгих сессиях надёжнее, когда агент записывает ключевые решения в файл заметок и перечитывает его.

Веса открыты по лицензии Apache 2.0: модель можно запустить у себя, дообучить и встроить в продукт. По API ты платишь только за токены и не держишь сервер включённым, когда запросов нет. А если проект вырастет и понадобится своё железо, код почти не придётся менять: vLLM и SGLang, которыми вендор советует запускать модель, отвечают в том же формате OpenAI.

Как устроен доступ

Весело — не разработчик Qwen3.6 27B: модель выпускает Qwen (Alibaba). Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность

Вопросы и ответы

Чем Qwen 3.6 27B отличается от Qwen 3.8 27B без цензуры?
Это разные модели. 3.6 27B — обычная модель Qwen с отказами, картинками на входе и окном 262 тыс. токенов. Вторая построена на следующем поколении, 3.8, из её весов убраны отказы, и у нас она принимает только текст. Для кода и работы бери 3.6 27B, для мрачных сюжетов и острых тем — версию без цензуры.
Подойдёт ли Qwen 3.6 27B для работы в VS Code?
Да, через расширения Cline или Continue: в них выбирается провайдер в формате OpenAI, адрес https://veselo.ai/v1, ключ и модель qwen/qwen3.6-27b. Пошаговые настройки — в разделе «SDK и программы». Каждое действие расширения — платный запрос, так что поставь ключу месячный лимит.
Какой max_tokens ставить для Qwen 3.6 27B?
Вендор советует оставлять до 32 768 токенов на большинство задач и до 81 920 — на олимпиадные по математике и программированию. У облачной версии потолок ответа — 65 тыс. токенов, так что выше ставить нет смысла. Для коротких правок хватит нескольких тысяч.
Можно ли запустить Qwen 3.6 27B у себя?
Да, веса открыты на Hugging Face, есть и версия FP8. Понадобится серверная видеокарта с памятью под 27 млрд параметров и время на настройку. Если запросов немного или они идут волнами, по API выходит проще: ставить ничего не надо, платишь за токены.
Видит ли Qwen 3.6 27B скриншоты?
Да, вендор указывает три вида входа: текст, картинки и видео. Скриншот ошибки или схему базы прикладывают к сообщению ссылкой или в base64, как в разделе «Картинки во входе». Текст ошибки всё равно вставь словами: его модель прочтёт без потерь.
Сколько стоит исправить ошибку с Qwen 3.6 27B?
63,55 ₽ / 63,55 ₽ за 1 млн токенов. Короткая функция с вопросом и ответ на 900 токенов обойдутся в около 0,08 ₽, разбор файла на 12 000 токенов с правкой — в около 0,86 ₽. Если модель рассуждает, эти токены тоже входят в ответ.
Есть ли подписка или абонентская плата?
Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.
Сколько запросов можно отправлять?
До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.
Что такое токены и как их считать?
Токен — кусочек текста: часть слова, слово или знак. Платишь за токены запроса и ответа, сколько ушло — в поле usage ответа; как считается цена, написано в разделе документации «Цены и списания».

Ещё по теме

Факты сверены 16 ноября 2026 по документации: huggingface.co, qwencloud.com