[HN] Qwen3.6-27B: Flagship-Level Coding in a 27B Dense Model

去年我還在用 qwen3.1-14B 跑藝術塗料報價腳本，3.5-27B dense 一出，我把整條 pipeline 從 14B → 27B 重拉一遍。重跑後發現：dense 模型真的比 MoE 好，但有一個前提——你得願意把 22 GB VRAM 鎖死在單任務，不然上下文斷層會讓你半夜爬起來 rollback。

我等了至少半年，才等到一顆 27B dense 能在 Ollama + RTX 5070 Ti 穩定跑 7+1 CrewAI Agent 的模型。最頭痛的不是速度，而是前一代 MoE 的「快一下、錯一下」：場景一分鏡搞錯，整條影片就要重算。27B dense 的回應變異 < 5%，讓我每 30 分鐘自動 git push 的劇本不再炸鍋。

但我也在擔心——Anthropic 把 Claude Code 的 Agent SDK 做起來後，個人模型再好，終究要面對「要不要把程式碼審查權讓給更貴的雲端」。現在的折衷是：27B dense 負責本地程式碼審查，雲端留給 vision 任務，分工明確，維護成本還算可控。

踩出來的痛點是，每次把 27B dense 拆去跑多模態，GPU 就會把系統 RAM 吃滿，整台機子變暖氣片。不知道大家有沒有遇過 24 GB 顯卡撐兩條 Ollama 服務的經驗？想聽大家怎麼處理這個記憶體邊際。