Qwen 生态大爆发：从 3.5 到 3.7，阿里开源模型已成第一梯队

如果你最近在关注开源大模型，你不可能没注意到 Qwen。

阿里 Qwen 团队最近的迭代节奏快得离谱：前脚 Qwen 3.5 刚站稳，后脚 3.6 就带着 27B 的旗舰编码能力冲上来了，然后话还没说完，Qwen 3.7 Preview 又发了。

Reddit 和 Hacker News 上的讨论热度说明了一切。

Qwen 3.6-27B：27B 参数的旗舰级编码

这篇文章在 HN 上拿了 993 个赞和 458 条评论——这是最近开源模型里讨论度最高的一篇之一。

标题很直接：《Qwen3.6-27B: Flagship-Level Coding in a 27B Dense Model》。核心观点：在 27B 这个参数量级上，Qwen 3.6 的编码能力已经可以和比它大几倍的模型竞争。

这对本地部署来说意义重大。27B 是消费级显卡（24GB VRAM）能跑得动的上限附近的密度模型。Qwen 3.6 在这个尺寸上做到了旗舰级的编码水平，意味着你可以在一张 4090 或者 3090 上跑一个编码能力不输给大模型的本地助手。

同一天发布的还有 Qwen 3.6-Max-Preview（705 个赞）。这个版本的定位更激进——直接对标 GPT 级别的闭源模型。虽然只是 preview 版本，但社区的初步测试反馈很好，尤其是在推理能力和多轮对话上。

到了 Qwen 3.7 Preview，节奏已经明显加快了。从 3.5 到 3.7 中间间隔的时间越来越短，说明阿里的训练 pipeline 已经跑得很顺了。每次小版本更新都能带来可感知的提升，不是挤牙膏式的升级。

还有一个值得关注的项目——Orthrus-Qwen3。它在 HN 上拿了 243 个赞。这个项目做的事情很有意思：通过对 Qwen 3 的推理过程进行优化，实现了最高 7.8 倍的 token/forward 吞吐提升，而且输出分布和原始模型完全一致。

这意味着 Qwen 3 的生态不只有官方模型本身，社区的配套优化工具也在快速跟上。

当然也不是没有争议。有一篇文章（60 个赞）分析 Qwen 3.5 内部的政治审查机制，通过分析模型权重来揭示它会在哪些话题上做出受限制的回答。这对于开源模型来说是个值得关注的问题——模型虽然开源了，但训练数据的偏向性依然存在。

Qwen 现在的迭代节奏让我想起 2023-2024 年 Llama 系列的快速迭代期。但 Qwen 有一点不一样：它的训练似乎更有方向感，每次更新都瞄准了特定方向提升——编码能力、推理能力、MTP 支持。不是那种"多加了些数据再训一遍"的更新，而是架构层面也在同步进化。

如果这个节奏保持下去，Qwen 成为开源 LLM 的事实标准之一，我不会感到意外。