К результатам поиска

Alibaba

Qwen3.6 27B

Qwen3.6 27B, нативная визуально-языковая плотная модель. Улучшены агентное программирование и рассуждения в STEM по сравнению с Qwen 3.5 27B, а также пространственный интеллект, понимание видео, OCR документов и визуально-агентные сценарии.

  • РассужденияРассужденияВ данных модели подтверждён режим рассуждений. Его параметры зависят от подключённой операции.
  • Понимание изображенийПонимание изображенийМодель умеет разбирать содержимое изображений.
  • Вызов инструментовВызов инструментовМодель может запросить вызов функции. Приложение проверяет права и выполняет действие.
  • Структурированный ответСтруктурированный ответМодель поддерживает заданную структуру ответа. Доступный формат проверяйте в параметрах API.
  • 260 096 токенов260 096 токеновКонтекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
  • Видео на входеВидео на входеНаправление работы с видео подтверждено данными модели. Длительность, размер и формат определяются операцией.
  • Потоковый ответПотоковый ответОтвет можно получать по частям. Поддержка потока проверяется отдельно для каждой операции API.
Вход
53,43 ₽
Выход
320,55 ₽
Кэш
53,43 ₽
за 1 млн токенов
Интеллект
19,8
Код
46,6
Доступность
100%
API ID
alibaba/qwen3.6-27b

Данные каталога получены .

Цена

Текстовый диалог · вход
53,43 ₽ / 1 млн токенов
Текстовый диалог · выход
320,55 ₽ / 1 млн токенов
Текстовый диалог · вход из кэша
53,43 ₽ / 1 млн токенов

Цена указана в рублях для выбранной операции и её параметров.

Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.

О модели

Qwen3.6 27B, нативная визуально-языковая модель плотной архитектуры. По сравнению с Qwen 3.5 27B демонстрирует более сильные агентное программирование и рассуждения в области STEM. Также улучшен пространственный интеллект, включая локализацию и обнаружение объектов. Поддерживает понимание видео, OCR документов и визуально-агентные рабочие процессы.

Релиз

Характеристики

Доступность100%
  1. 7 октября: 100%
  2. 8 октября: 100%
  3. 9 октября: 100%
Доля успешных запросов к модели за последние 72 часа. Обновляется каждые два часа.
Тип модели
Текст
Вход модели
Текст, Изображения, Видео

Данные, которые модель принимает вместе с запросом.

Выход модели
Текст

Форматы результата, которые создаёт модель.

Контекстное окно
260 096 токенов

Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.

Максимальный ответ
65 536 токенов

Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.

Операции
Текстовый диалог, Понимание изображений
Возможности модели
Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Структурированный ответ, Ответ в JSON, Входные изображения, Входное видео

Контрольные показатели

Artificial Analysis

10 показателей · проверено

Источник ↗
Индекс интеллекта
19,8 индексСводная оценка Artificial Analysis по всем её тестам
Индекс программирования
46,6 индексСводная оценка Artificial Analysis по программированию

Рассуждение по документу

  • AA-LCR v1.166,7 %

    Рассуждение на длинном контексте с обновлённой оценкой

Устаревшие тесты

  • AA-LCR (версия не указана, архивный)66,7 %

    Оценка рассуждений на длинном контексте

  • GPQA Diamond (архивный)82,9 %

    Научные рассуждения уровня выпускника

Агентная работа

  • GDPval-AA v2966 Elo

    Экономически значимые задачи (Elo)

  • T²-Bench Telecom (архивный)93,6 %

    Устаревший резервный вариант · Разговорные ИИ-агенты в сценариях с двойным управлением

Рассуждения

  • HLE15,1 %

    Humanity’s Last Exam — вопросы экспертного уровня

Рассуждение

  • IFBench45,7 %

    Тест на следование инструкциям

Программирование

  • Terminal-Bench Hard (архивный)21,2 %

    Устаревший резервный вариант · Агентное программирование и работа в терминале

Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.

API-запрос

Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.

import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener

class NoRedirect(HTTPRedirectHandler):
    def redirect_request(self, req, fp, code, msg, headers, newurl):
        return None

opener = build_opener(NoRedirect)

def post(url, payload):
    request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
        "Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
        "Content-Type": "application/json",
        "Idempotency-Key": os.environ["REQUEST_ID"],
    }, method="POST")
    with opener.open(request, timeout=120) as response:
        return json.load(response)

payload = {
  "model": "alibaba/qwen3.6-27b",
  "messages": [
    {
      "role": "user",
      "content": "Объясни задачу кратко."
    }
  ]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))
Документация APIСоздать API-ключ