Qwen 团队正式开源 FlashQLA——一个基于 TileLang 实现的高性能线性注意力算子库，专为 Gated Delta Network（GDN）打造。该项目将 GDN Chunked Prefill 的前向和反向进行了合理的算子融合与代数优化，在 NVIDIA Hopper 上实现多场景相较于 FLA Triton Kernel 2-3× 前向加速和 2× 反向加速。

自 Qwen3-Next 发布以来，Gated Delta Network 已成为 Qwen 全系列的主力注意力层，覆盖 Qwen3-Next、Qwen3.5、Qwen3.6 等系列。

阿里通义千问团队发布 Qwen3.6-27B，一个 270 亿参数的稠密多模态模型。仅凭 27B 参数，在所有主要编程基准上全面超越上一代开源旗舰 Qwen3.5-397B-A17B（3970 亿参数 MoE，170 亿激活）。

Qwen3.6-27B 与前代旗舰的对比数据：

| 基准 | Qwen3.6-27B | Qwen3.5-397B-A17B

阿里发布 Qwen3.6-Max-Preview 预览版，旗舰模型聚焦智能体编程与世界知识能力的迭代。

相比 Qwen3.6-Plus，预览版在智能体编程方面取得显著提升：SciCode +10.8、SkillsBench +9.9、NL2Repo +5.0、Terminal-Bench 2.0 +3.8。在六项编程基准上登顶首位：SWE-bench Pro、Terminal-Bench 2.0、SkillsBench、QwenClawBench、QwenWebBench 和 SciCode。

![评测对比](https://linlog.top/api/uploads/