La evaluación de Qwen 3.6 27B rivaliza con GPT-5 como modelo local de vanguardia
Antes, ejecutar modelos de gran tamaño de forma local suponía tener que renunciar al rendimiento o a la funcionalidad. Pero con el lanzamiento de la serie Qwen 3.6, esa percepción está cambiando. El desarrollador Piotr Migdał ha puesto recientemente a prueba Qwen3.6-27B en un MacBook Max M5 con 128 GB de RAM, y los resultados son prometedores: no se trata solo de algo «utilizable», sino de una potente herramienta que satisface las necesidades de inteligencia general sin sacrificar la experiencia del usuario.
Técnicamente, el modelo es extraordinariamente eficiente. Utilizando una versión cuantificada GGUF de 8 bits con llama.cpp, predicción multitoken (MTP) y atención flash, ofrece una tasa estable de 32 tokens por segundo en un contexto de 64K. La variante A3B MoE de 35 000 millones supera incluso los 100 tokens por segundo con la misma configuración.

El verdadero avance se encuentra en el nivel de inteligencia. Según Artificial Analysis, Qwen3.6-27B obtiene una puntuación de 37 puntos, lo que equivale al GPT-5 de mediados de 2025 o al Claude Sonnet 4.5. En comparación, Gemma 3 31B —anteriormente el modelo de codificación local de referencia— obtuvo solo 29 puntos. Esto significa que, en tan solo un año, los modelos locales han pasado de ser «de vanguardia» hace dos años a alcanzar casi el nivel de los mejores modelos de API de pago de hace un año.
En pruebas en el mundo real, el modelo también destaca. Ya sea escribiendo un poema de ocho versos con esquemas de rima complejos o generando un juego de Buscaminas hexagonal utilizando pnpm, Qwen3.6‑27B ofrece resultados de alta calidad en una sola pasada. Para los desarrolladores, la mayor ventaja de un modelo local es el control: no hay que preocuparse por interrupciones del servicio ni por los elevados costes de las API, ya que todo se ejecuta en el propio disco duro.
Esto marca un punto de inflexión: cuando los modelos de código abierto en hardware de consumo alcancen niveles de inteligencia competitivos con los mejores modelos de pago, los desarrolladores podrán integrar con confianza la IA de alto rendimiento en sus flujos de trabajo personales. Para los creadores que valoran la productividad y la privacidad, esta es una de las opciones tecnológicas más destacadas en este momento.
Artículo relacionado
El lanzamiento global de la campaña de campus de Seed de ByteDance ofrece acciones virtuales para captar a los mejores talentos en modelos grandes
En el competitivo panorama de los modelos de lenguaje grandes, asegurar el talento de primer nivel sigue siendo el activo estratégico más crítico.El 1 de abril, ByteDance anunció el lanzamiento de su iniciativa global de reclutamiento de campus Seed
Suno añade marcas de agua a las canciones en medio de batallas legales
Suno, la plataforma que permite a los usuarios generar música creada por inteligencia artificial, ha presentado nuevas funciones para etiquetar las pistas producidas en la plataforma, restringir las descargas y actualizar las normas de la comunidad c
Musk admite que Grok filtró código de usuarios, promete borrar todos los datos históricos
Elon Musk abordó directamente la controversia por privacidad relacionada con Grok Build, comenzando con un simple "Verdadero" para confirmar la validez del incidente. Se comprometió a que todos los datos de usuario cargados previamente en SpaceXAI se
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
Antes, ejecutar modelos de gran tamaño de forma local suponía tener que renunciar al rendimiento o a la funcionalidad. Pero con el lanzamiento de la serie Qwen 3.6, esa percepción está cambiando. El desarrollador Piotr Migdał ha puesto recientemente a prueba Qwen3.6-27B en un MacBook Max M5 con 128 GB de RAM, y los resultados son prometedores: no se trata solo de algo «utilizable», sino de una potente herramienta que satisface las necesidades de inteligencia general sin sacrificar la experiencia del usuario.
Técnicamente, el modelo es extraordinariamente eficiente. Utilizando una versión cuantificada GGUF de 8 bits con llama.cpp, predicción multitoken (MTP) y atención flash, ofrece una tasa estable de 32 tokens por segundo en un contexto de 64K. La variante A3B MoE de 35 000 millones supera incluso los 100 tokens por segundo con la misma configuración.

El verdadero avance se encuentra en el nivel de inteligencia. Según Artificial Analysis, Qwen3.6-27B obtiene una puntuación de 37 puntos, lo que equivale al GPT-5 de mediados de 2025 o al Claude Sonnet 4.5. En comparación, Gemma 3 31B —anteriormente el modelo de codificación local de referencia— obtuvo solo 29 puntos. Esto significa que, en tan solo un año, los modelos locales han pasado de ser «de vanguardia» hace dos años a alcanzar casi el nivel de los mejores modelos de API de pago de hace un año.
En pruebas en el mundo real, el modelo también destaca. Ya sea escribiendo un poema de ocho versos con esquemas de rima complejos o generando un juego de Buscaminas hexagonal utilizando pnpm, Qwen3.6‑27B ofrece resultados de alta calidad en una sola pasada. Para los desarrolladores, la mayor ventaja de un modelo local es el control: no hay que preocuparse por interrupciones del servicio ni por los elevados costes de las API, ya que todo se ejecuta en el propio disco duro.
Esto marca un punto de inflexión: cuando los modelos de código abierto en hardware de consumo alcancen niveles de inteligencia competitivos con los mejores modelos de pago, los desarrolladores podrán integrar con confianza la IA de alto rendimiento en sus flujos de trabajo personales. Para los creadores que valoran la productividad y la privacidad, esta es una de las opciones tecnológicas más destacadas en este momento.
El lanzamiento global de la campaña de campus de Seed de ByteDance ofrece acciones virtuales para captar a los mejores talentos en modelos grandes
En el competitivo panorama de los modelos de lenguaje grandes, asegurar el talento de primer nivel sigue siendo el activo estratégico más crítico.El 1 de abril, ByteDance anunció el lanzamiento de su iniciativa global de reclutamiento de campus Seed
Suno añade marcas de agua a las canciones en medio de batallas legales
Suno, la plataforma que permite a los usuarios generar música creada por inteligencia artificial, ha presentado nuevas funciones para etiquetar las pistas producidas en la plataforma, restringir las descargas y actualizar las normas de la comunidad c
Musk admite que Grok filtró código de usuarios, promete borrar todos los datos históricos
Elon Musk abordó directamente la controversia por privacidad relacionada con Grok Build, comenzando con un simple "Verdadero" para confirmar la validez del incidente. Se comprometió a que todos los datos de usuario cargados previamente en SpaceXAI se





Hogar






