Managing proactive behavior in Qwen 3.6 27B

•Qwen 3.6 27B 於 2026 年 4 月 22 日發布，是阿里巴巴專為代理式編碼和儲存庫級推理設計的開源密集型語言模型，並引入了「思維保留 (Thinking Preservation)」功能，旨在跨多輪對話維持推理鏈，減少冗餘代幣生成並提高決策一致性。
•儘管 Qwen 3.6 27B 僅有 270 億參數，但其在 SWE-bench Verified、Terminal-Bench 2.0 和 SkillsBench 等主要編碼基準測試中，表現優於參數總數達 3970 億（活躍參數 170 億）的 Qwen 3.5-397B-A17B MoE 模型，顯示出其在編碼任務上的高效能。
•為緩解模型過度主動的行為，社群討論建議針對 Qwen 3.5 模型（可能適用於 Qwen 3.6），可嘗試在提示詞中使用 /no_think 指令以跳過推理鏈，或透過設定「思維區塊 (thinking block)」的 max_tokens 參數來限制推理預算，並建議將 temperature 參數調整至 0.6 左右以穩定輸出。

📊 競品分析▸ Show

模型名稱	參數數量	架構類型	授權	主要優勢/用途	SWE-bench Verified (%)	部署需求 (VRAM)
Qwen 3.6 27B	27B	密集型 (Dense)	Apache 2.0	代理式編碼、儲存庫級推理、思維保留	77.2%	18GB+ (4-bit 量化)
Gemma 4 31B	31B	密集型 (Dense)	Apache 2.0	多模態、數學推理	~75% (估計)	24GB+ (4-bit 量化)
Qwen 3.6 35B-A3B	35B (3B 活躍)	MoE (稀疏型)	Apache 2.0	快速響應、多模態	73.4%	24GB+ (4-bit 量化)
Claude Opus 4.6	數千億 (閉源)	閉源	專有	指令遵循、安全可靠、整體代理基準領導者	80.8%	雲端 API (無本地部署)
DeepSeek V4 Pro (Max)	284B (13B 活躍)	MoE (稀疏型)	專有/開源變體	高效率推理、長上下文、編碼	89.8% (BenchLM 編碼分數)	多 GPU 或雲端實例
Kimi K2.6	1T+ (MoE)	MoE (稀疏型)	MIT	實際執行、編碼、多步驟推理	87/100 (真實世界基準)	較重部署負擔

模型類型: 帶有視覺編碼器的因果語言模型 (Causal Language Model with Vision Encoder)。
參數數量: 270 億。
隱藏維度 (Hidden Dimension): 5120。
層數: 64 層。
混合注意力架構: 採用 16 個重複區塊，每個區塊包含 3 個 (Gated DeltaNet → FFN) 和 1 個 (Gated Attention → FFN)。
Gated DeltaNet: 48 個 V 線性注意力頭，16 個 QK 線性注意力頭，頭維度 128。
Gated Attention: 24 個 Q 注意力頭，4 個 KV 注意力頭，頭維度 256。
前饋網路 (FFN) 中間維度: 17408。
上下文長度: 原生支援 262,144 個代幣，可透過 YaRN 擴展至 1,010,000 個代幣。
多模態能力: 支援文字、圖像和影片輸入。
思維保留 (Thinking Preservation): 一種新的聊天模板選項，用於在多輪對話中保留模型的推理上下文，可透過 API 參數 preserve_thinking: True 啟用。
訓練方式: 使用多步驟訓練 (MTP)。
本地部署: 4-bit 量化版本可在約 18GB 的 GPU 上運行。

未來大型語言模型將更著重於提供精細的自主行為控制機制。

Qwen 3.6 27B 的過度主動行為凸顯了在代理式應用中，用戶對模型自主性精確控制的需求，這將促使開發者提供更豐富的提示詞工程選項和參數來調節模型行為。

開源模型在本地部署的編碼輔助能力將持續提升，進一步挑戰雲端 API 模型的市場主導地位。

Qwen 3.6 27B 在 270 億參數規模下展現出與頂級閉源模型相媲美的編碼性能，且可在消費級硬體上本地運行，這將加速本地 AI 開發的普及並降低對昂貴雲端服務的依賴。

模型的「思維保留」等內部推理機制將成為優化代理行為和減少冗餘輸出的關鍵技術。

Qwen 3.6 27B 引入的「思維保留」功能直接針對多輪對話中的推理連貫性問題，其成功應用將促使其他模型也探索類似機制，以提高代理任務的效率和穩定性。

2023-04

阿里巴巴推出 Qwen (通義千問) 測試版。

2023-09

Qwen 開放公眾使用。

2024-06

Qwen 2.0 發布，包含密集型和稀疏型模型。

2026-02-24

Qwen 3.5 系列發布，包括 Qwen 3.5-27B，該模型在 SWE-bench Verified 上達到 72.4%。

2026-04-22

Qwen 3.6 27B 發布，作為阿里巴巴首個密集型開源模型，專為代理式編碼設計，並引入「思維保留」功能。

管理 Qwen 3.6 27B 的過度主動行為