SprachmodellAktiv

Qwen 3.6 27B

Alibaba

Veröffentlicht: 21. April 2026
Datenstand: 8. September 2026

Geschwindigkeit: 56,7 Token/s
Ausgabe-Tempo
Preis: 0,45 $ · 2,7 $
Eingabe · Ausgabe / 1 Mio. Token
Eingabe: Text, Bild, Video
Ausgabe: Text

Qwen 3.6 27B ist ein offener, dichter Vision-Language-Checkpoint mit einem ungewöhnlich klaren Schwerpunkt auf praktischer Programmierarbeit. Qwen nennt Frontend-Workflows und Repository-weites Reasoning als zentrale Verbesserungen. Der Vision Encoder erlaubt zusätzlich Bildverständnis. Eine Option zur Bewahrung des Reasoning-Kontexts aus früheren Nachrichten hilft bei iterativer Entwicklung, wenn mehrere Arbeitsschritte aufeinander aufbauen.

Das Modell hat 27 Milliarden Parameter, 262.144 Token nativen Kontext und eine dokumentierte Erweiterung bis etwa 1,01 Millionen Token. Werkzeugaufrufe und strukturierte Ausgaben sind vorgesehen. Für lange Coding-Sitzungen ist der Kontextmodus wichtiger als die bloße Maximalzahl, weil ein zu großer Kontext mehr Speicher und passende Serving-Unterstützung verlangt.

Steckbrief

Technische Daten und Zugang

Veröffentlichte Angaben zum Modell. Vorhandene Schätzungen sind ausdrücklich gekennzeichnet.

Datierte Angaben aus Dokumentation und Modellkarten. Anbieterlimits sowie native und erweiterte Kontextfenster können sich unterscheiden. Konfigurationshinweise bleiben im Original erhalten.

Angabe	Wert und Quelle
Gewichte	Open WeightsQuelle
Zugang	API, LokalQuelle
Parameter	27 Mrd.Quelle
Kontextfenster	262.144 TokenQuelle
Modell-Repository	Qwen/Qwen3.6-27BQuelle
Lizenz	Apache-2.0Quelle
Architektur	hybrid Gated DeltaNet + Gated Attention; dense or sparse MoE with vision encoderQuelle
Eingabe	Text, Bild, VideoQuelle
Ausgabe	TextQuelle
Reasoning-Modus	thinking by default; switchable non-thinking/instruct modeQuelle
Werkzeugaufrufe	JaQuelle
Strukturierte Ausgabe	JaQuelle
Natives Kontextfenster	262.144 TokenQuelle
Maximales Kontextfenster	1.010.000 TokenQuelle
Sprachen	201 languages and dialectsQuelle
Repository erstellt	2026-04-21 (Repository creation date is a precise publication proxy, but may differ from the public announcement date or an individual checkpoint's first availability.)Quelle

Veröffentlichte Benchmarks

Finanzen

CorpFin v2

Overall

1.Claude Opus 573,19 %

2.Claude Fable 571,83 %

3.Kimi K371,56 %

4.Inkling Small69,62 %

5.Inkling68,57 %

6.Grok 4.368,53 %

7.GPT-5.568,42 %

8.Kimi K2.568,26 %

9.MiniMax M368,1 %

10.Grok 4.567,41 %

11.Claude Sonnet 566,98 %

12.Kimi K2.666,74 %

13.Claude Opus 4.866,71 %

14.Gemini 3 Flash Preview66,43 %

15.Grok 4.666,16 %

16.GLM-5.266,12 %

17.Claude Opus 4.766,08 %

18.Qwen 3.8 Max 090265,85 %

19.Nemotron 3 Ultra65,46 %

20.Claude Sonnet 4.665,31 %

20.GPT-5.6 Terra65,31 %

22.GPT-5.465,27 %

23.Gemini 3.5 Flash64,69 %

24.Gemini 3.1 Pro Preview64,49 %

25.GLM-5.164,45 %

26.GPT-5.6 Sol64,38 %

27.GPT-5.6 Luna64,22 %

28.Qwen 3.7 Max63,71 %

29.Grok 4.20 Reasoning63,68 %

30.Gemini 3.6 Flash63,33 %

31.GPT-4.163,05 %

32.GLM-562,9 %

33.Qwen 3.6 27B62,32 %

34.Ling 3.0 Flash61,93 %

35.MiMo-V2.5-Pro61,42 %

36.DeepSeek-V4-Pro61,38 %

37.Claude Opus 4.561,31 %

38.GPT-5.4 nano61,19 %

38.MiniMax M2.761,19 %

40.GPT-561,07 %

41.Mistral Large 361,03 %

42.GLM-4.560,96 %

43.GPT-5.4 mini60,92 %

44.Claude Sonnet 4.560,8 %

44.Gemini 2.5 Pro60,8 %

46.Gemini 3.5 Flash-Lite60,68 %

47.Kimi K2 Thinking60,57 %

48.Claude Haiku 4.560,3 %

49.GPT-5 mini60,18 %

50.MiMo-V2.559,91 %

51.o359,71 %

52.MiniMax M2.559,6 %

53.Gemini 3.1 Flash-Lite59,36 %

54.o4-mini58,97 %

55.MiniMax M2.158,9 %

56.Mistral Medium 3.558,78 %

57.GPT OSS 120B58,24 %

58.GPT-4.1 mini57,93 %

59.GLM-4.656,84 %

60.DeepSeek-V3 032454,74 %

61.Trinity Large Thinking54,66 %

62.Nemotron 3.5 Lightning54,24 %

63.DeepSeek-R154,12 %

64.GPT OSS 20B53,15 %

65.DeepSeek-V352,49 %

66.DeepSeek-V3.151,48 %

67.Kimi K2 071150,39 %

68.DeepSeek-V3.247,94 %

69.Llama 4 Scout46,78 %

70.GLM-4.746,39 %

71.Command A45,96 %

72.GPT-4o mini45,46 %

73.o3-mini45,3 %

74.Mistral Small 3.144,17 %

75.GPT-4.1 nano42,08 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-corp-fin-v2:2:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 75
Methodik und Einordnung: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 62.759. Kosten je Aufgabe in USD: 0.053549. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-29-83186cfafe52. Prüfsumme der Quelldaten: 83186cfafe526f0b8fe2ae86af05e8209fe799c8bfa48292ef1fef5db66650ee. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

MortgageTax

Overall

1.Claude Opus 572,06 %

2.Claude Fable 5.170,79 %

3.Claude Opus 4.770,27 %

4.Claude Sonnet 570,03 %

5.Claude Opus 4.869,91 %

6.Gemini 3.1 Pro Preview69,4 %

7.Claude Fable 568,92 %

8.Gemini 2.5 Pro68,92 %

9.GPT-5.568,76 %

10.Gemini 3 Flash Preview68,72 %

11.Claude Opus 4.568,68 %

11.Gemini 3.5 Flash-Lite68,68 %

13.MiniMax M368,36 %

14.GPT-5.468,32 %

15.Qwen 3.6 27B68,28 %

16.Gemini 3.5 Flash68,12 %

17.Gemini 3.1 Flash-Lite68,04 %

18.Claude Sonnet 4.667,73 %

19.Gemini 3.6 Flash67,61 %

20.GPT-5.6 Terra67,33 %

21.GPT-5.6 Luna67,29 %

22.GPT-5.6 Sol67,29 %

23.GPT-5 mini66,89 %

24.Gemini 3.7 Flash66,65 %

25.Kimi K2.566,53 %

26.Kimi K366,34 %

27.Qwen 3.7 Plus66,18 %

28.GPT-4.165,94 %

29.Kimi K2.665,82 %

30.o365,7 %

31.GPT-4.1 mini65,5 %

32.GPT-565,45 %

33.Gemini 3.8 Flash65,34 %

34.Qwen 3.8 27B64,94 %

35.o4-mini64,83 %

36.Grok 4.664,19 %

37.Inkling63,99 %

37.Qwen 3.8 Max 090263,99 %

39.GPT-5.4 mini63,51 %

40.Inkling Small62,28 %

41.Grok 4.561,8 %

42.Gemma 4 31B61,37 %

43.Mistral Small 3.161,21 %

44.MiMo-V2.559,26 %

45.GPT-5.4 nano59,1 %

46.Llama 4 Scout57,75 %

47.GPT-4o mini54,49 %

48.GPT-5 nano53,62 %

49.GPT-4.1 nano52,82 %

50.Mistral Large 352,11 %

51.Grok 4.348,25 %

52.Grok 4.20 Reasoning45,35 %

53.Mistral Medium 3.528,9 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-mortgage-tax:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 53
Methodik und Einordnung: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 42.074. Kosten je Aufgabe in USD: 0.016906. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-mortgage_tax-2026-09-29-8e235fe66b37. Prüfsumme der Quelldaten: 8e235fe66b379887578d1b76970297d22fc5ae7232f4abfa613cb8576995ae2e. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

TaxEval v2

Overall

1.Claude Sonnet 4.677,11 %

2.Claude Fable 576,94 %

3.GPT-5.6 Luna76,17 %

3.GPT-5.6 Terra76,17 %

5.Claude Fable 5.175,96 %

6.Kimi K375,72 %

7.Claude Opus 4.875,63 %

7.Claude Sonnet 575,63 %

9.GLM-5.3-Flash75,59 %

10.Qwen 3.8 Max 090275,55 %

11.Inkling Small75,51 %

12.Inkling75,31 %

12.Qwen 3.7 Max75,31 %

14.Claude Opus 4.775,27 %

15.GPT-5 mini75,23 %

16.Claude Opus 575,14 %

17.GPT-4.175,06 %

18.GPT-5.574,98 %

19.Gemini 3.6 Flash74,86 %

20.o4-mini74,78 %

21.GPT-5.6 Sol74,78 %

22.Gemini 3.7 Flash74,73 %

23.Kimi K2.674,65 %

24.o374,57 %

25.Gemini 3.8 Flash74,45 %

26.Gemini 3.5 Flash74,37 %

27.Claude Opus 4.574,33 %

28.o174,28 %

29.Kimi K2.574,2 %

30.Grok 4.20 Reasoning74,12 %

31.GPT-5.473,96 %

32.Gemini 3 Flash Preview73,88 %

33.MiMo-V2.5-Pro73,79 %

34.GPT-573,39 %

35.GLM-5.273,34 %

36.Nemotron 3 Ultra73,1 %

37.Mistral Large 373,06 %

38.Gemini 3.1 Pro Preview72,88 %

39.MiniMax M372,73 %

40.Gemini 3.5 Flash-Lite72,61 %

41.GLM-4.572,4 %

42.GLM-5.372,36 %

43.DeepSeek-R172,28 %

44.DeepSeek-V4-Pro72,08 %

45.GPT-4.1 mini71,91 %

46.MiMo-V2.571,83 %

47.Gemini 3.1 Flash-Lite71,79 %

48.Kimi K2 Thinking71,71 %

49.Grok 4.571,67 %

50.GPT OSS 120B71,59 %

51.Qwen 3.6 27B71,26 %

52.GPT-5.4 mini71,22 %

53.GLM-5.171,19 %

54.DeepSeek-V3 032471,1 %

54.Grok 4.671,1 %

56.Qwen 3.8 27B70,85 %

57.Grok 4.370,81 %

58.Ling 3.0 Flash70,65 %

59.Kimi K2 071170,2 %

60.GLM-570,03 %

61.o3-mini69,42 %

62.GLM-4.768,77 %

63.MiniMax M2.568,15 %

64.Mistral Medium 3.567,99 %

65.DeepSeek-V367,91 %

66.GPT-5.4 nano67,42 %

67.GPT-5 nano67,38 %

68.MiniMax M2.766,56 %

69.MiniMax M2.166,35 %

70.GLM-4.666,24 %

71.GPT OSS 20B63,7 %

72.Command A61,37 %

73.GPT-4.1 nano60,75 %

74.GPT-4o mini60,55 %

75.Mistral Small 3.158,3 %

76.Llama 4 Scout55,19 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-tax-eval-v2:2:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 76
Methodik und Einordnung: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 147.778. Kosten je Aufgabe in USD: 0.030256. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-tax_eval_v2-2026-09-29-482e52f5e10e. Prüfsumme der Quelldaten: 482e52f5e10e64702bc003060f8c238a17c1d7d96a427fedf4f3297d5ba49963. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

SAGE

Overall

1.Claude Opus 4.756,1 %

2.Gemma 4 31B55,03 %

3.Claude Opus 4.854,79 %

4.Kimi K354,26 %

5.GPT-5.6 Sol52,56 %

6.Qwen 3.8 27B52,4 %

7.Claude Fable 551,89 %

8.Gemini 3 Flash Preview51,85 %

9.Claude Sonnet 5.551,77 %

10.GPT-5.551,53 %

11.Qwen 3.8 Max 090251,25 %

12.GPT-5.4 mini50,81 %

13.MiniMax M350,57 %

14.Kimi K2.650,22 %

15.Gemini 3.5 Flash49,89 %

16.Kimi K2.549,87 %

17.Gemini 3.1 Flash-Lite49,54 %

18.Claude Opus 549,43 %

19.Gemini 3.7 Flash49,23 %

20.Claude Sonnet 548,93 %

21.Gemini 3.6 Flash48,69 %

22.Gemini 3.1 Pro Preview48,68 %

23.Claude Fable 5.148,53 %

24.GPT-6 Luna48,09 %

25.DeepSeek-V4.1-Flash47,88 %

26.Gemini 3.5 Flash-Lite47,3 %

27.GPT-5.6 Terra47 %

28.Claude Sonnet 4.646,58 %

29.GPT-6 Astra46,37 %

30.Claude Opus 5.545,83 %

31.Qwen 3.6 27B45,58 %

32.Claude Opus 4.545 %

33.GPT-6 Sol44,79 %

34.GPT-5.6 Luna44,22 %

35.GPT-543,68 %

36.GPT-5.443,31 %

37.MiMo-V2.543,27 %

38.GPT-5 mini42,99 %

39.Gemini 2.5 Pro41,92 %

40.o341,77 %

41.o4-mini41,06 %

42.Grok 4.740,79 %

43.Qwen 3.7 Plus39,25 %

44.Grok 4.20 Reasoning38,24 %

45.GPT-5.4 nano38,08 %

46.Mistral Medium 3.537,61 %

47.Inkling36,56 %

48.Gemini 3.8 Flash35,06 %

49.Grok 4.534,97 %

50.Llama 4 Scout34,83 %

51.Claude Sonnet 4.532,88 %

52.Inkling Small32,74 %

53.GPT-5 nano30,38 %

54.Grok 4.628,9 %

55.Gemini 2.5 Flash-Lite27,53 %

56.Mistral Large 324,6 %

57.Grok 4.319,74 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-sage:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 57
Methodik und Einordnung: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-26. Latenz in Sekunden: 159.25. Kosten je Aufgabe in USD: 0.050269. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-sage-2026-09-29-89f30a3444b7. Prüfsumme der Quelldaten: 89f30a3444b7edab27c895a52e2ce3759c99ee458f9763715a7a344cb2456193. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Programmieren

SWE-bench Verified

Overall

1.Claude Opus 597 %

2.GPT-5.6 Sol96,2 %

3.Grok 4.695,6 %

4.GLM-5.395,4 %

4.GPT-5.6 Terra95,4 %

6.Claude Fable 595 %

7.Kimi K393,4 %

8.GPT-5.6 Luna93 %

9.GLM-5.3-Flash92 %

10.Claude Opus 4.888,6 %

11.Grok 4.586,6 %

12.Qwen 3.8 27B86 %

13.Qwen 3.8 Max 090285,6 %

14.GLM-5.282,8 %

15.GPT-5.582,6 %

16.Inkling Small82,2 %

17.Claude Opus 4.782 %

18.Gemini 3.7 Flash80,8 %

19.Gemini 3.8 Flash80 %

20.Claude Sonnet 579,6 %

20.Gemini 3.6 Flash79,6 %

22.Gemini 3.1 Pro Preview78,8 %

22.Gemini 3.5 Flash78,8 %

24.GPT-5.478,2 %

24.Kimi K2.7 Code78,2 %

26.GPT-5.3-Codex78 %

27.Inkling77,6 %

28.Claude Sonnet 4.677,4 %

28.DeepSeek-V4-Pro77,4 %

30.GLM-5.176,4 %

31.Kimi K2.676,2 %

32.Gemini 3 Flash Preview75 %

32.Gemini 3.5 Flash-Lite75 %

32.MiniMax M375 %

35.MiniMax M2.174,8 %

36.MiniMax M2.574,2 %

37.MiMo-V2.5-Pro74 %

38.MiniMax M2.773,8 %

39.GPT-5.4 mini73 %

40.Grok 4.20 Reasoning72,2 %

41.GLM-571,4 %

41.Grok 4.371,4 %

43.MiMo-V2.571 %

44.Kimi K2.570 %

44.Qwen 3.6 27B70 %

46.GPT-5.4 nano69,8 %

47.GLM-4.769,4 %

48.GPT-569 %

48.Nemotron 3 Ultra69 %

50.Qwen 3.7 Max68,8 %

51.Mistral Medium 3.566,4 %

52.Ling 3.0 Flash65,2 %

53.Gemini 3.1 Flash-Lite62,8 %

54.GPT-5 mini60,8 %

55.Kimi K2 Thinking60,2 %

56.Gemini 2.5 Pro54,4 %

57.Nemotron 3.5 Lightning52,8 %

58.Mistral Large 341,4 %

59.GPT OSS 120B33,6 %

60.Command A7,8 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-swebench:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 60
Methodik und Einordnung: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 1028.733. Kosten je Aufgabe in USD: 0.91414. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-09-29-20166fd31f31. Prüfsumme der Quelldaten: 20166fd31f31a0b278e6471c59ece1600abba838f3db178873d3a1c762a6f44f. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Vibe Code Bench v1.1

Overall

1.Claude Sonnet 5.592,39 %

2.Claude Fable 590,35 %

3.Claude Opus 5.590,29 %

4.Claude Fable 5.190,26 %

5.GPT-6 Astra89,59 %

6.Claude Opus 588,4 %

7.GPT-6 Sol87,82 %

8.Grok 4.786,18 %

9.Kimi K384,96 %

10.DeepSeek-V4.1-Flash84,74 %

11.Claude Opus 4.882,73 %

12.GPT-6 Luna81,65 %

13.Claude Sonnet 581,33 %

14.GPT-5.6 Sol80,5 %

15.Gemini 3.8 Flash78,65 %

16.GLM-5.378,13 %

17.GPT-5.6 Luna77,06 %

18.Grok 4.676,24 %

19.GPT-5.6 Terra74,59 %

20.Claude Opus 4.771 %

21.Gemini 3.7 Flash70,4 %

22.GPT-5.569,85 %

23.Grok 4.569 %

24.GPT-5.467,42 %

25.Qwen 3.8 27B64,85 %

26.Qwen 3.8 Max 090264,7 %

27.Gemini 3.6 Flash64,01 %

28.GLM-5.263,96 %

29.GPT-5.3-Codex61,77 %

30.Claude Opus 4.657,57 %

31.Claude Sonnet 4.651,48 %

32.DeepSeek-V4-Pro49,93 %

33.Gemini 3.5 Flash48,68 %

34.GPT-5.4 mini47,97 %

35.Qwen 3.7 Max47,67 %

36.MiniMax M347,57 %

37.Kimi K2.7 Code47,21 %

38.Qwen 3.7 Plus46,39 %

39.MiMo-V2.542,17 %

40.Kimi K2.637,89 %

41.Gemini 3.5 Flash-Lite37,16 %

42.MiMo-V2.5-Pro34,11 %

43.Gemini 3.1 Pro Preview32,03 %

44.GLM-5.131,46 %

45.GLM-5.3-Flash30,76 %

46.GPT-5.4 nano26,1 %

47.GLM-523,36 %

48.Gemini 3 Flash Preview20,2 %

49.GPT-520,09 %

50.Grok 4.319,4 %

51.Inkling19,21 %

52.Inkling Small19,05 %

53.Kimi K2.517,54 %

54.MiniMax M2.514,85 %

55.GPT-5 mini14,17 %

56.Qwen 3.6 27B11,94 %

57.MiniMax M2.711,93 %

58.Nemotron 3 Ultra7,64 %

59.Grok 4.20 Reasoning4,06 %

60.GLM-4.63,09 %

61.Ling 3.0 Flash2,91 %

62.Mistral Medium 3.52,89 %

63.Gemini 2.5 Pro0,4 %

64.Gemini 3.1 Flash-Lite0 %

64.Mistral Small 40 %

64.Nemotron 3.5 Lightning0 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-vibe-code-bench:1.1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 66
Methodik und Einordnung: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-27. Harness: OpenHands. Latenz in Sekunden: 9762.856. Kosten je Aufgabe in USD: 4.655127. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-vibe-code-2026-09-29-a944ac42bd14. Prüfsumme der Quelldaten: a944ac42bd147ecb4e54c905d243c5ff8463f0d04b735f1a8627b369fd351391. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Terminal-Bench 2.0

Overall

1.GPT-5.573,2 %

2.Claude Opus 4.870,04 %

3.Claude Opus 4.768,54 %

4.Gemini 3.1 Pro Preview67,42 %

4.Gemini 3.5 Flash67,42 %

6.GPT-5.3-Codex64,05 %

7.Claude Sonnet 4.659,55 %

8.Qwen 3.7 Max59,18 %

9.Claude Opus 4.558,43 %

9.GPT-5.458,43 %

11.Kimi K2.657,3 %

12.DeepSeek-V4-Pro56,18 %

13.GLM-5.153,93 %

14.Gemini 3 Flash Preview51,69 %

15.GLM-549,44 %

16.MiniMax M2.747,19 %

17.MiniMax M346,07 %

18.GPT-5.4 mini44,94 %

18.Qwen 3.6 27B44,94 %

20.Grok 4.343,45 %

21.MiniMax M2.541,57 %

22.Grok 4.20 Reasoning40,45 %

22.Kimi K2.540,45 %

24.GPT-5.4 nano39,89 %

25.Gemma 4 31B39,33 %

26.GLM-4.738,2 %

27.GPT-537,08 %

27.Kimi K2 Thinking37,08 %

27.MiniMax M2.137,08 %

30.DeepSeek-V3.234,83 %

31.Gemini 2.5 Pro30,34 %

31.Mistral Medium 3.530,34 %

33.GLM-4.628,09 %

34.GPT-5 mini26,97 %

35.Kimi K2 071125,84 %

36.Gemini 3.1 Flash-Lite24,72 %

37.DeepSeek-V3.122,47 %

38.GPT OSS 120B19,1 %

39.Trinity Large Thinking17,98 %

40.Mistral Small 416,85 %

41.GPT-4.114,61 %

42.Mistral Large 38,99 %

43.Command A2,25 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-terminal-bench-2:2.0:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 43
Methodik und Einordnung: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-06-04. Latenz in Sekunden: 2007.631. Kosten je Aufgabe in USD: 0.298145. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-terminal-bench-2-2026-09-29-020c4135b825. Prüfsumme der Quelldaten: 020c4135b82502d8cc0324b9b7d9474024a86da8f4770c78743bd13103cdfa0c. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

CaseLaw v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 53.162
Bewertung: 53.162
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: legal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-case-law-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-05-04. Latenz in Sekunden: 42.493. Kosten je Aufgabe in USD: 0.023877. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-case_law_v2-2026-09-29-cd282b756eb4. Prüfsumme der Quelldaten: cd282b756eb41a617c01694c5ed3b3d1872a9f417d8aac675370f4943c6c7c63. Parserversion: vals-astro-v2. Importiert am: 2026-09-29
Einordnung: Der Benchmark ist im Quelldatensatz als archiviert markiert. Der Wert bleibt als historische Evidenz sichtbar und ist nicht mit einer aktiven Rangliste gleichzusetzen.

Quelle Vals AI

SWE-bench Verified (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 77.2
Bewertung: 77.2
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Vergleichskohorte: research:qwen-3.6-27b:0
Quellentyp: vendor-reported
Auswertung: Qwen official Hugging Face model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Official model-card comparison table; exact target column, setup as published

Quelle Qwen official Hugging Face model card

SWE-bench Pro (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 53.5
Bewertung: 53.5
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Vergleichskohorte: research:qwen-3.6-27b:1
Quellentyp: vendor-reported
Auswertung: Qwen official Hugging Face model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Official model-card comparison table; exact target column, setup as published

Quelle Qwen official Hugging Face model card

SWE-bench Multilingual (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 71.3
Bewertung: 71.3
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Vergleichskohorte: research:qwen-3.6-27b:2
Quellentyp: vendor-reported
Auswertung: Qwen official Hugging Face model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Official model-card comparison table; exact target column, setup as published

Quelle Qwen official Hugging Face model card

Terminal-Bench 2.0 (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 59.3
Bewertung: 59.3
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Vergleichskohorte: research:qwen-3.6-27b:3
Quellentyp: vendor-reported
Auswertung: Qwen official Hugging Face model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Official model-card comparison table; exact target column, setup as published

Quelle Qwen official Hugging Face model card

Dokumentierte Messdetails

Jede Beobachtung enthält den Quellwert und die veröffentlichten Testbedingungen.

CorpFin v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 62.315
Bewertung: 62.315
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 62.759. Kosten je Aufgabe in USD: 0.053549. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-29-83186cfafe52. Prüfsumme der Quelldaten: 83186cfafe526f0b8fe2ae86af05e8209fe799c8bfa48292ef1fef5db66650ee. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

MortgageTax: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 68.283
Bewertung: 68.283
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-mortgage-tax:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 42.074. Kosten je Aufgabe in USD: 0.016906. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-mortgage_tax-2026-09-29-8e235fe66b37. Prüfsumme der Quelldaten: 8e235fe66b379887578d1b76970297d22fc5ae7232f4abfa613cb8576995ae2e. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

SAGE: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 45.577
Bewertung: 45.577
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: education
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-sage:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-26. Latenz in Sekunden: 159.25. Kosten je Aufgabe in USD: 0.050269. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-sage-2026-09-29-89f30a3444b7. Prüfsumme der Quelldaten: 89f30a3444b7edab27c895a52e2ce3759c99ee458f9763715a7a344cb2456193. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

SWE-bench Verified: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 70
Bewertung: 70
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-swebench:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 1028.733. Kosten je Aufgabe in USD: 0.91414. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-09-29-20166fd31f31. Prüfsumme der Quelldaten: 20166fd31f31a0b278e6471c59ece1600abba838f3db178873d3a1c762a6f44f. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

TaxEval v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 71.26
Bewertung: 71.26
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-tax-eval-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 147.778. Kosten je Aufgabe in USD: 0.030256. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-tax_eval_v2-2026-09-29-482e52f5e10e. Prüfsumme der Quelldaten: 482e52f5e10e64702bc003060f8c238a17c1d7d96a427fedf4f3297d5ba49963. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

Terminal-Bench 2.0: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 44.944
Bewertung: 44.944
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2.0
Kategorie: agentic
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-terminal-bench-2:2.0:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-06-04. Latenz in Sekunden: 2007.631. Kosten je Aufgabe in USD: 0.298145. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-terminal-bench-2-2026-09-29-020c4135b825. Prüfsumme der Quelldaten: 020c4135b82502d8cc0324b9b7d9474024a86da8f4770c78743bd13103cdfa0c. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

Vibe Code Bench v1.1: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 11.941
Bewertung: 11.941
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1.1
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-vibe-code-bench:1.1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: alibaba/qwen3.6-27b. Name des Quellmodells: Qwen 3.6 27B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-27. Harness: OpenHands. Latenz in Sekunden: 9762.856. Kosten je Aufgabe in USD: 4.655127. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-vibe-code-2026-09-29-a944ac42bd14. Prüfsumme der Quelldaten: a944ac42bd147ecb4e54c905d243c5ff8463f0d04b735f1a8627b369fd351391. Parserversion: vals-astro-v2. Importiert am: 2026-09-29
Vergleichsmethodik: Harness: OpenHands

Quelle Vals AI

Seite 1 von 5

Nachweise

Quellen und Datenstand

Alle Angaben verweisen auf die zugrunde liegende Dokumentation oder das jeweilige Leaderboard.

Art	Nachweis und Datenstand
Geschwindigkeit	Alibaba. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Abgerufen am 8. September 2026. Quelle: Artificial Analysis · Artificial Analysis (abgerufen 8. September 2026)Messmethode der Geschwindigkeit
Preis	API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten. Quelle: Preise · API-Preise
Eingabe	Dokumentierte Modalitäten. Abgerufen am 22. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · Qwen3.6-27B model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 22. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · Qwen3.6-27B model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Recherchestand	Recherchestand 8. September 2026. 3 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
In den geprüften Quellen nicht gefunden	knowledge-cutoff Originalwortlaut No exact training-data cutoff was stated in the checked official card/report.
In den geprüften Quellen nicht gefunden	active-parameters-billions Originalwortlaut Dense checkpoint; no separate activated-parameter count is applicable/published.
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Modellmetadaten (abgerufen 8. September 2026)
Weitere Quelle	Qwen3.6 official release · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Creative Commons Attribution 4.0

Qwen 3.6 27B

Technische Daten und Zugang

Veröffentlichte Benchmarks

Finanzen

CorpFin v2

MortgageTax

TaxEval v2

SAGE

Programmieren

SWE-bench Verified

Vibe Code Bench v1.1

Terminal-Bench 2.0

Messungen ohne passende Vergleichswerte

Dokumentierte Messdetails

Unsere Tests

Pelikan auf dem Fahrrad

Beliebtheit

Veröffentlichte Preise

Quellen und Datenstand