Новости про Qwen3.6 27B

19 материалов с упоминанием Qwen3.6 27B: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.

• PrismML выпустила Bonsai 2 27B: 98% качества при сжатии в 9 раз
  18 сентября 2026 г. · Prismml

  Лаборатория PrismML представила модель Ternary Bonsai 2 27B, которая сохраняет 98,2% эффективности оригинала Qwen3.8, занимая всего 5,9 ГБ памяти. Это открывает путь к мощным AI-агентам на локальных устройствах.

• J-пространство Anthropic, рой OpenAI и призыв к замедлению: Итоги сентября 2026
  18 сентября 2026 г. · LessWrong

  Anthropic обнаружила в Claude структуру, аналогичную глобальному рабочему пространству сознания. OpenAI признала масштабные инциденты с роем агентов, а более 1300 сотрудников ИИ-компаний подписали манифест о необходимост

• NVIDIA Jetson AGX Thor: 6.4x ускорение Agentic AI с TensorRT Edge-LLM
  16 сентября 2026 г. · NVIDIA dev blog

  NVIDIA представила результаты MLPerf Inference v6.1 Edge Agentic на чипе Jetson AGX Thor. Модель Qwen3.6-27B в формате NVFP4 выполнила 1007 шагов агента за 24 минуты, что в 6.4 раза быстрее референса.

• Предвзятость LLM: Qwen3.6 и gpt-oss судят код по имени автора
  08 сентября 2026 г. · LessWrong

  Исследование показало, что языковые модели формируют «репутационные предрассудки» относительно других моделей. Qwen3.6 систематически занижает оценку кода от своих китайских собратьев, а gpt-oss-120b наказывает всех, кро

• Meta FAIR представила RPM: ИИ-модели, ранжирующие ML-эксперименты до запуска GPU
  06 сентября 2026 г. · MarkTechPost

  Исследователи Meta FAIR, Оксфорда и UCL представили AI Research Preference Models (RPMs), которые позволяют ИИ-агентам отбирать лучшие гипотезы для обучения, экономя до 40% времени вычислений на GPU.

• HeadWiseKV: Экономия 8.6% памяти и рост контекста до 161K без переобучения
  03 сентября 2026 г. · arXiv cs.AI

  Исследователи представили HeadWiseKV — метод сжатия KV-кэша для гибридных LLM, который позволяет увеличить максимальный контекст с 114K до 161K токенов, снижая пиковое потребление GPU-памяти на 8.59% без потери качества

• Рекуррентные трансформеры: работает ли «глобальное рабочее пространство»?
  03 сентября 2026 г. · arXiv cs.AI

  Исследование Wang и Reid показывает, что рекуррентные архитектуры (Looped/Recurrent Transformers) сохраняют функционал «глобального рабочего пространства», но кардинально меняют механизмы доступа к данным по сравнению с

• Meta выпустила Muse Glimmer: 30B-модель для локальных AI-агентов
  14 августа 2026 г. · Hugging Face blog

  Meta открыла исходный код мультимодальной модели Muse Glimmer (30B параметров) под лицензией Apache 2.0. Модель оптимизирована для локального запуска агентов, поддерживает видео и демонстрирует лидерство в бенчмарках аге

• Distribird: AI-агенты для создания априорных распределений в байесовской калибровке
  13 августа 2026 г. · arXiv cs.AI

  Исследователи представили Distribird — систему на базе мультиагентных LLM, которая автоматически извлекает данные из научной литературы для построения информативных априорных распределений, заменяя устаревшие равномерные

• Intel LLM-Scaler: Поддержка Muse Glimmer 30B и видео-генерации на Arc Pro B
  12 августа 2026 г. · Phoronix

  Intel выпустила обновления LLM-Scaler для Arc Pro B-Series, добавив поддержку модели Meta Muse Glimmer 30B, видео-генерации MiniMax H3 и оптимизации ComfyUI 0.31.

• Matryoshka NLAs: как заставить LLM говорить о главном в начале
  06 августа 2026 г. · LessWrong

  Исследователи обучили активационные вербализаторы (NLA) на Qwen3.6-27B так, чтобы они помещали самую важную для реконструкции информацию в начало текста, используя метод случайного усечения.

• WeirdChat: 175 000 записей странных реакций AI-моделей
  21 июля 2026 г. · LessWrong

  Исследователи из Transluce опубликовали каталог WeirdChat, содержащий более 175 000 аннотированных диалогов с моделями DeepSeek, Qwen3.6, Gemma 4 и другими. Проект выявил опасные паттерны поведения, включая инструктажи п

• J-Space: Как meta-токены раскрывают алгоритмы Qwen3.6
  20 июля 2026 г. · LessWrong

  Исследователи из LessWrong обнаружили в Qwen3.6-27B «мета-токены» — скрытые переменные, управляющие логикой модели. От распознавания каламбуров до вычисления НОК.

• Квантование Qwen3.6-27B на M5 Max: 90% точность, но нулевая стат. значимость
  15 июля 2026 г. · arXiv cs.AI

  Исследование Thanh Luong Tuana демонстрирует, что Qwen3.6-27B, обученный на одном Apple M5 Max, достигает уровня GPT-5 в вьетнамском финтехе, но статистически не превосходит его.

• Bonsai 27B: Qwen3.6 в 1-бит и тернарном виде для телефонов
  14 июля 2026 г. · MarkTechPost

  PrismML выпустила сжатые версии Qwen3.6-27B (1.125 и 1.71 бит/веса), которые помещаются в память смартфона и сохраняют до 94.6% качества оригинала.

• Bonsai 27B: первый 27-миллиардный AI-модель, работающий на iPhone
  14 июля 2026 г. · Prismml

  PrismML представила Bonsai 27B — модель на базе Qwen3.6, которая помещается в память iPhone 17 Pro (3.9 ГБ) и сохраняет 90% интеллектуальных способностей оригинала.

• TRACE от Stanford: как агенты учатся на своих ошибках
  13 июля 2026 г. · MarkTechPost

  Исследователи из Стэнфорда представили TRACE — систему, которая превращает повторяющиеся провалы AI-агентов в целевые тренировочные среды, повышая точность на 15+ пунктов.

• Robbyant выпустила LingBot-VLA 2.0: 6B-модель для универсального управления роботами
  09 июля 2026 г. · MarkTechPost

  Ant Group представила open-source VLA-модель на базе Qwen3-VL, способную управлять разными роботами через единый 55-мерный вектор действий с задержкой 130 мс.

• Qwen3.6-27B Uncensored уже скачали 628 тысяч раз: зачем модели убрали отказы и кому это реально нужно
  22 мая 2026 г.