Характеристики

Контекст: 262 144 токена
Размер весов: 55,6 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3_5 · dense
Базовая модель: Qwen3.6-27B
Опубликована: 25 апр 2026

Ссылки

Qwen3.6-27B-Claude-Opus-Reasoning-Distill-v2

Изображение и текст → текст15 профессий

Дообученная мультимодальная модель Qwen3.6 для диалогов, программирования, понимания изображений и задач общего назначения.

114скачиваний за 30 дней24лайкавеса обновлены27 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

TeichAI/Qwen3.6-27B-Claude-Opus-Reasoning-Distill-v2 — дообученная мультимодальная модель семейства Qwen3.6 от TeichAI на базе Qwen/Qwen3.6-27B. Для обучения использовались наборы примеров с рассуждениями Claude Opus 4.5 и 4.6. Модель предназначена для диалогов, программирования, творческого письма, общего назначения и понимания изображений; метаданные также указывают интерфейс вызова инструментов.

Модель имеет плотную архитектуру Qwen3_5ForConditionalGeneration и принимает текст и изображения, выдавая текст. В README приведены результаты бенчмарков ARC, BoolQ, HellaSwag, OpenBookQA, PIQA и WinoGrande в точности mxfp8, с небольшими улучшениями относительно базовой Qwen3.6-27B в части тестов. Репозиторий содержит веса safetensors и распространяется по лицензии Apache 2.0. Результаты тестов не гарантируют качество на конкретных задачах; README рекомендует следовать инструкциям по настройке исходной модели Qwen.

Сценарии применения

помощь при написании и разборе кода
ответы на вопросы по изображениям
творческое письмо
диалоговый помощник общего назначения
решение задач на рассуждение и понимание текста

Ограничения

В README приведены только результаты нескольких бенчмарков; они не устанавливают качество на прикладных задачах. Языковая поддержка и длина контекста в предоставленных данных не указаны.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.6 27B x Claude Opus 4.x - v2

Benchmarks

alt_text

Qwen3.6-27B-Claude-Opus-Reasoning-Distill-v2
         arc   arc/e boolq hswag obkqa piqa  wino
mxfp8    0.665,0.831,0.910,0.790,0.456,0.813,0.772

Qwen3.6-27B
         arc   arc/e boolq hswag obkqa piqa  wino
mxfp8    0.647,0.803,0.910,0.773,0.450,0.806,0.742

Provided by @nightmedia. All benchmarks were done in mxfp8 precision

🧬 Datasets:

⚡ Use cases

Coding
Creative Writing
Visual Understanding
General Purpose

Citations and Contributions

@unsloth - This qwen3 model was trained 2x faster with Unsloth and Huggingface's TRL library.
@Qwen - Providing a fantastic, native-multimodal base model

Usage

If you need help setting up and configuring this model please follow the Qwen team's instructions in the original model's README

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3_5ForConditionalGeneration
Ревизия весов: 41fec5f