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 запрос | 63,55 ₽ за 1 млн токенов |
|---|---|
| Выход — ответ модели | 63,55 ₽ 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 токенов | Около 0,08 ₽ |
|---|---|
| SQL по описанию таблиц: схема и вопрос на 600 токенов, запрос с пояснением на 700 | Около 0,09 ₽ |
| Скрипт, который избавит от рутины: описание и скрипт на 1 200 токенов | Около 0,09 ₽ |
| Регулярные выражения и разбор логов: кусок лога на 4 000 токенов и ответ на 1 000 | Около 0,32 ₽ |
| Помощник в VS Code через Cline или Continue: файл на 12 000 токенов и правка на 1 500 | Около 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
| Разработчик | Qwen (Alibaba) |
|---|---|
| Вид | Текст |
| Контекст | 262 144 токена |
| Ответ | до 65 536 токенов |
| Вход → выход | текст и картинки → текст |
| Умеет | вызывать функции (tools), отвечать строго в JSON |
| id для запроса | qwen/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
Сравнение с похожими
| Модель | Цена | Главное | Когда выбрать |
|---|---|---|---|
| Qwen3.6 27B — эта модель | 63,55 ₽ / 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 Llama | 26,48 ₽ / 105,91 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | тексты 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 модельqwen/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