Mindket

Qwen3.5-27B

新上架第 1 版 · 更新于

概览

读取文字和图片并写出文字,是带视觉编码器的 27B Qwen 模型,原生上下文为 262,144 个词元。适合在服务器级硬件上构建助手和智能体的开发者。

Qwen3.5-27B 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Windows、macOS 或 Linux 上的 Python
  • huggingface_hub 包
  • 一个兼容的运行环境,比如 Transformers 或 vLLM
  • 能放下权重的 GPU,或者放得下的量化副本
用在
  • Hugging Face Transformers,也就是这个仓库用的格式
  • vLLM、SGLang 和 KTransformers,模型卡说它们兼容
  • 装有 Python 的 Windows、macOS 或 Linux,用来下载文件
  • 内存足够放下权重的 GPU 服务器
先运行
pip install -U huggingface_hub
hf download Qwen/Qwen3.5-27B

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Qwen3.5-27B 是一个能读取文字和图片并写出文字的 Qwen 模型。它把一个 27B 的语言模型和一个视觉编码器配在一起,这个仓库里是 Transformers 格式的后训练版本。模型卡列出了对 201 种语言和方言的支持,以及 262,144 个词元的原生上下文。

适合谁

它适合想用开放多模态模型来做助手、智能体和编码、并且有服务器级硬件的开发者和团队。

行业谁在用怎么用例子
软件开发开发者构建能读文字和图片的助手就一张截图提问
全球客服多语言团队用多种语言回答用户用 201 种列出的语言之一回复
AI 智能体智能体开发者把它作为使用工具的智能体背后的模型在智能体框架里运行一个多步骤任务
AI 研究研究者研究混合注意力的视觉语言模型和早期的 Qwen3 模型做对比

如果你的机器比较小,可以跳过它,因为 BF16 权重约 55.6 GB。

用在哪里

  • Hugging Face Transformers,也就是这个仓库用的格式
  • vLLM、SGLang 和 KTransformers,模型卡说它们兼容
  • 装有 Python 的 Windows、macOS 或 Linux,用来下载文件
  • 内存足够放下权重的 GPU 服务器
用例谁用得到什么
图片提问开发者关于你发送的图片的文字回答
编码和推理工程师写好的代码和一步一步的回答
多语言聊天客服团队多种语言的回复

如何设置

你需要 Python 来使用下载工具,还需要上面列表里的一个运行环境。权重在 BF16 下约 55.6 GB,4-bit 下估计约 13.9 GB。

  • Windows、macOS 或 Linux 上的 Python
  • huggingface_hub 包
  • 一个兼容的运行环境,比如 Transformers 或 vLLM
  • 能放下权重的 GPU,或者放得下的量化副本
  1. 安装 huggingface_hub。
  2. 下载模型文件。
  3. 在你的运行环境里加载它们,机器较小时选一个量化副本。
pip install -U huggingface_hub
hf download Qwen/Qwen3.5-27B

如何使用

可见的模型卡给出了下载这一步、模型概览和基准表,但没有运行命令。你的运行环境加载文件后,你发送文字或一张图片和一个问题,读取文字回复。

部分说明
语言模型27B 参数,64 层
视觉同一个模型里内置的视觉编码器
上下文原生 262,144 个词元,可扩展到 1,010,000
语言201 种语言和方言

示例

你在 vLLM 这样的服务工具里加载模型,发送一张图片和一个问题,得到一个书面回答。

新手与专家

如果你刚接触这类模型,它是一个能看图片并谈论图片的大模型。第一次可以先用量化副本,因为完整文件需要大显卡。

对熟悉这个领域的人来说,16 个模块各自叠放三层 Gated DeltaNet 和一层 Gated Attention,每层之后都有一个前馈层。模型卡说,在多模态词元上做早期融合训练,让它在文字上与 Qwen3 持平,在视觉任务上胜过 Qwen3-VL 模型。

以词元计的上下文长度
Native context262144 tokens
Extended context1010000 tokens
  1. 你下载文件
  2. 你的运行环境加载语言模型和视觉编码器
  3. 你发送文字或图片加一个问题
  4. 模型写出文字回答

注意事项

基准表把它和 GPT-5-mini、GPT-OSS-120B、Qwen3-235B-A22B 以及其他 Qwen3.5 模型做了对比。分数来自作者。

  • License: Apache 2.0
  • Cost to run: 未提及
  • Data it reaches: 你发送的提示词和图片,以及下载的文件
  • Not for: 完整大小下的小型机器,因为 BF16 权重约 55.6 GB

README 和文件

README

Qwen3.5-27B

读取文字和图片并写出文字,是带视觉编码器的 27B Qwen 模型,原生上下文为 262,144 个词元。适合在服务器级硬件上构建助手和智能体的开发者。

由 Qwen 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么:Qwen3.5-27B 是一个能读取文字和图片并写出文字的 Qwen 模型。它把一个 27B 的语言模型和一个视觉编码器配在一起,这个仓库里是 Transformers 格式的后训练版本。模型卡列出了对 201 种语言和方言的支持,以及 262,144 个词元的原生上下文。

适合谁:它适合想用开放多模态模型来做助手、智能体和编码、并且有服务器级硬件的开发者和团队。

行业 | 谁在用 | 怎么用 | 例子
软件开发 | 开发者 | 构建能读文字和图片的助手 | 就一张截图提问
全球客服 | 多语言团队 | 用多种语言回答用户 | 用 201 种列出的语言之一回复
AI 智能体 | 智能体开发者 | 把它作为使用工具的智能体背后的模型 | 在智能体框架里运行一个多步骤任务
AI 研究 | 研究者 | 研究混合注意力的视觉语言模型 | 和早期的 Qwen3 模型做对比

如果你的机器比较小,可以跳过它,因为 BF16 权重约 55.6 GB。

用在哪里:

  • Hugging Face Transformers,也就是这个仓库用的格式
  • vLLM、SGLang 和 KTransformers,模型卡说它们兼容
  • 装有 Python 的 Windows、macOS 或 Linux,用来下载文件
  • 内存足够放下权重的 GPU 服务器
用例 | 谁用 | 得到什么
图片提问 | 开发者 | 关于你发送的图片的文字回答
编码和推理 | 工程师 | 写好的代码和一步一步的回答
多语言聊天 | 客服团队 | 多种语言的回复

如何设置:你需要 Python 来使用下载工具,还需要上面列表里的一个运行环境。权重在 BF16 下约 55.6 GB,4-bit 下估计约 13.9 GB。

  • Windows、macOS 或 Linux 上的 Python
  • huggingface_hub 包
  • 一个兼容的运行环境,比如 Transformers 或 vLLM
  • 能放下权重的 GPU,或者放得下的量化副本
  1. 安装 huggingface_hub。
  2. 下载模型文件。
  3. 在你的运行环境里加载它们,机器较小时选一个量化副本。
pip install -U huggingface_hub
hf download Qwen/Qwen3.5-27B

如何使用:可见的模型卡给出了下载这一步、模型概览和基准表,但没有运行命令。你的运行环境加载文件后,你发送文字或一张图片和一个问题,读取文字回复。

部分 | 说明
语言模型 | 27B 参数,64 层
视觉 | 同一个模型里内置的视觉编码器
上下文 | 原生 262,144 个词元,可扩展到 1,010,000
语言 | 201 种语言和方言

示例:你在 vLLM 这样的服务工具里加载模型,发送一张图片和一个问题,得到一个书面回答。

新手与专家:如果你刚接触这类模型,它是一个能看图片并谈论图片的大模型。第一次可以先用量化副本,因为完整文件需要大显卡。

对熟悉这个领域的人来说,16 个模块各自叠放三层 Gated DeltaNet 和一层 Gated Attention,每层之后都有一个前馈层。模型卡说,在多模态词元上做早期融合训练,让它在文字上与 Qwen3 持平,在视觉任务上胜过 Qwen3-VL 模型。

Title: 以词元计的上下文长度
Native context: 262144 tokens
Extended context: 1010000 tokens
你下载文件
你的运行环境加载语言模型和视觉编码器
你发送文字或图片加一个问题
模型写出文字回答

注意事项:基准表把它和 GPT-5-mini、GPT-OSS-120B、Qwen3-235B-A22B 以及其他 Qwen3.5 模型做了对比。分数来自作者。

  • License: Apache 2.0
  • Cost to run: 未提及
  • Data it reaches: 你发送的提示词和图片,以及下载的文件
  • Not for: 完整大小下的小型机器,因为 BF16 权重约 55.6 GB

Hugging Face 上的数据(2026年11月13日)

  • 任务:image text to text
  • 框架:transformers
  • 参数量:27.8B
  • Weights: about 55.6 GB in BF16; about 13.9 GB at 4-bit (estimate)
  • Formats: Safetensors
  • 最近 30 天下载:1,651,125
  • 点赞:1,091
  • 许可证:apache-2.0
  • Quantized versions: 243
  • Fine-tunes: 347
  • 标签:transformers, safetensors, qwen3_5, image-text-to-text, conversational

链接

  • 模型:https://huggingface.co/Qwen/Qwen3.5-27B
  • 文件:https://huggingface.co/Qwen/Qwen3.5-27B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件:

pip install -U huggingface_hub
hf download Qwen/Qwen3.5-27B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。

产品最近 30 天下载点赞参数量许可证最近更新
Qwen3.5-27B 本页1,651,1251,09127.8Bapache-2.0
Qwen3.8-27B共有 qwen3_5 · image-text-to-text · conversational6,960,39519,79527.8Bapache-2.0
Qwen3.5-9B共有 qwen3_5 · image-text-to-text · conversational6,259,8092,3539.7Bapache-2.0
Qwen3.8-27B-FP8共有 qwen3_5 · image-text-to-text · conversational5,442,81098427.8Bapache-2.0
Qwen3.5-4B共有 qwen3_5 · image-text-to-text · conversational5,083,7221,2264.7Bapache-2.0
Qwen3.5-2B共有 qwen3_5 · image-text-to-text · conversational4,044,7464792.3Bapache-2.0
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

大家怎么说

Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。

why_only_15Running Gemma 4 26B at 5 tokens/sec on a 13-year-old Xeon with no GPUThe correct comparison is not sonnet, but qwen3.5-27b on a cloud. Alibaba's pricing [0] is $0.20/m input $1.56/m output, so $0.72 for the prompt processing or $0.22 for the generation. Yours is still cheaper but the margins are less. My guess is that this math gets less good with MoE (because you…Gusanother pretty good comparison of Gemma vs Qwen (3.5 and 3.6) models more than the quality, there is the token efficiency!! kaitchup.substack.com/p/qwen36-27b...14 赞7402Ask HN: How do you use LLMs for private discussions?With llama.cpp, Intel i9-13900KS CPU, 96 GB RAM, RTX 4070 running locally. The models I'm using right now with that are: gpt-oss-120b-F16.gguf Qwen_Qwen3.5-27B-Q4_K_M.gguf Qwen3.6-35B-A3B-UD-Q5_K_XL.gguf gemma-4-31B-it-UD-Q6_K_XL.gguf@obolith.bsky.social3/5 The Qwen family moved up too. Output price per 1M tokens, same window: Qwen3.5-27B: $1.56 → $2.60 (+67%) Qwen3 VL 8B Instruct: $0.455 → $0.75 (+65%) Qwen3.6 27B: $2.00 → $3.20 (+60%)1 条回复modinfoA Comma and a Question Markbtw, even his dottxt.ai, look interesting, that gives for every query to llm a schema how to respond, i always tell my llm how to respond in system prompt, but this is much cleaner! $ dottxt generate --model Qwen/Qwen3.5-27B --prompt "Is this output valid?" --schema '{"valid": "boolean"}'…JauntyWunderKindgood suggestions for something else to try! i'm surprised to find how expensive Qwen3.5-27b is. double MiniMax prices seems a bit surprising! openrouter.ai/qwen/qwen3.5... i only have a 16GB card; could run it quantized locally.1 条回复zargonQwen3.6-27B: Flagship-Level Coding in a 27B Dense ModelThese calculators are almost entirely useless. They don't understand specific model architectures. Even the ones that try to support only specific models (like the apxml one) get it very wrong a lot of the time. For example, the one you linked, when I provide a Qwen3.5 27B Q_4_M GGUF [0], says…Swan AIAlibaba launched another open sourced Qwen model with Qwen3.5 27B that matches models on benchmarks with 8-25x more total parameters and trails the 397B flagship (1208) by only 3 points despite being ~14x smaller1 条回复storusQwen3.6-35B-A3B: Agentic coding power, now open to all> Qwen/Qwen3.6-35B-A3B is intended as a superior replacement of Qwen/Qwen3.5-27B Not at all, Qwen3.5-27B was much better than Qwen3.5-35B-A3B (dense vs MoE).@random-test.bsky.social4 new Qwen models for multimodal reasoning, agentic coding, and multilingual applications are now available in Amazon SageMaker JumpStart Today, we are excited to announce the availability of four new Qwen models in : Qwen3.5-27B-FP8, Qwen3.6-35B-A3B, Qwen3.5-0.8B, and Qwen3.5-2B. Th... #AWS #adrian_bQwen3.6-35B-A3B: Agentic coding power, now open to allTheir previous model Qwen3.5 was available in many sizes, from very small sizes intended for smartphones, to medium sizes like 27B and big sizes like 122B and 397B. This model is the first that is provided with open weights from their newer family of models Qwen3.6. Judging from its medium size,…@genticnews.bsky.socialQwen3.5-27B Gets Sparse Autoencoders: 81k Features Exposed Qwen released Qwen-Scope, adding Sparse Autoencoders to Qwen3.5-27B, exposing 81k features across 64 layers for steerable inference. https://gentic.news/article/qwen3-5-27b-gets-sparse

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

DeepSeek-R1-GGUF

unsloth · 工具包

671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。

新上架

Axion-1.0-35B-GGUF

prithivMLmods · 工具包

提供 Axion-1.0-35B 的 GGUF 文件,这是一个有约 30 亿激活参数的 35B 混合专家模型,面向科学推理、信息查找和工具使用。适合配合 llama.cpp 在本地使用。

新上架

HEART

Phips · 工具包

用一个超分辨率网络放大低分辨率图像,可以在一块消费级 GPU 上训练,并导出为 ONNX。适合训练或运行图像放大模型的人。

新上架

开发类的相似商品

查看开发类的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架