Qwen3.8-27B: Das Dense-27B-Modell in Alibabas Qwen3.8-Reihe

Eine Zahl entscheidet, ob Sie Qwen3.8-27B selbst ausführen können: 55,6 GB. Das ist die BF16-Gewichtssumme im Repository des Anbieters – achtzehn Safetensors-Shards, 27,8 Milliarden Parameter, sobald der Vision-Tower mitgezählt wird – und sie ist der Grund, warum die praktische Heimat des Modells eine 24-GB-Grafikkarte ist, die einen komprimierten Build ausführt, und nicht eine Workstation, die es so ausführt, wie es ausgeliefert wird. Alles andere an Qwen3.8-27B folgt aus dieser Form. Es ist ein dichtes Modell, kein Mixture of Experts: Jedes Token, das Sie generieren, aktiviert alle 27 Milliarden Parameter, was der entgegengesetzte Trade-off gegenüber den Sparse-Riesen ist, mit denen es eine Generation teilt. Und es ist das einzige Mitglied dieser Runde mit einer echten Nachbarschaft um seinen Namen – Leser suchen es allein und suchen die Qualifier drumherum –, deshalb ist diese Seite die schlichte Antwort darauf, was das Ding ist, wofür es gedacht ist und was Sie wählen, bevor Sie eine Größe oder ein Format auswählen.

Die genaue Einordnung, denn drei Namen in dieser Familie sind leicht zu verwechseln. Qwen3.8-27B ist das dichte, selbst hostbare Mitglied von Alibabas Qwen3.8-Generation. Seine Geschwister sind andere Produkte: Qwen3.8-2.4T-A95B ist das Sparse-Mixture-of-Experts-Modell mit 2,4 Billionen Parametern, dessen Gewichte ebenfalls im August 2026 veröffentlicht wurden, und Qwen3.8-Max ist die gehostete API, die auf derselben Architektur basiert und überhaupt keine herunterladbaren Gewichte hat. Die Generation wurde am 3. August 2026 angekündigt, und die Gewichte des 27B-Modells erschienen am 14. August 2026 unter Apache 2.0 auf Hugging Face und ModelScope — ein Datum, das es wert ist, präzise genannt zu werden, denn der Launch ist nur das, was dieses Modell datiert, nicht ein Ereignis, über das diese Seite berichtet.

Was es ist, in Alibabas eigenen Worten

Die Modellkarte beschreibt Qwen3.8-27B als ein „kompaktes, bereitstellungsfreundliches dichtes Modell“: ein natives Vision-Sprachmodell, das Bilder und Videos versteht, mit flexibler Denksteuerung, „darauf ausgelegt, komplexe, mehrstufige Aufgaben mit größerer Zuverlässigkeit bis zum Abschluss zu führen“. Das ist die Positionierung des Anbieters, mit Quellenangabe, und die Karte untermauert sie mit fünf beanspruchten Verbesserungen — Zugewinne bei Kernfähigkeiten in den Bereichen Programmierung, professioneller Arbeit, Forschung und langfristigen agentischen Aufgaben; stärkere autonome Planung und stärkerer Umgang mit Umgebungsfeedback; breitere Unterstützung für gängige Agent-Harnesse und Entwicklungswerkzeuge; Denkmodus, der standardmäßig aktiviert ist, aber pro Anfrage deaktiviert werden kann, wobei die Tiefe über reasoning_efforteingestellt werden kann; und natives Bild- und Videoverständnis, das laut Karte von MINT-Diagrammen und Dokumenten bis hin zu stundenlangen Videos reicht.

Die Architektur hinter dieser Behauptung ist ein Hybrid. Qwen3.8-27B ist als sechzehn wiederholende Blöcke angeordnet, von denen jeder drei Gated-DeltaNet-Linear-Attention-Schichten und eine vollständige Gated-Attention-Schicht enthält – insgesamt 64 Schichten, versteckte Dimension 5.120, 48 Linear-Attention-Köpfe für Werte gegenüber 16 für Abfragen. In einfachen Worten: Nur eine von vier Schichten behält einen herkömmlichen Attention-Cache. Deshalb kann ein 27B-Modell einen nativen Kontext von 262.144 Token tragen, ohne die Speicherrechnung, die ein herkömmlicher Transformer dieser Größe erfordern würde, und deshalb ist sein lokaler Fußabdruck auch freundlicher, als seine Parameteranzahl vermuten lässt. Der Kontext reicht mit YaRN-Skalierung bis zu 1.000.000 Token, wovon die Karte warnt, dass es die Leistung bei kürzeren Eingaben beeinträchtigen kann, wenn man es statisch eingeschaltet lässt. Der Denkmodus ist standardmäßig aktiviert; das von der Karte empfohlene Sampling ist Temperatur 1,0 mit top_p 0,95 beim Denken, 0,7 mit top_p 0,80, wenn nicht, und es wird vorgeschlagen, die Ausgabe großzügig zu bemessen – bis zu 262.144 Reasoning-Token und 131.072 für die endgültige Antwort innerhalb eines langen Fensters.

Nun der ehrliche allgemeine Teil, der eher Handwerkswissen ist als eine Messung dieses Modells. Ein dichtes 27B-Modell hat im Jahr 2026 einen ganz bestimmten Platz. Es ist groß genug, um wirklich nützlich zu sein, und klein genug, um auf Hardware zu passen, die eine Person oder ein kleines Team besitzt, was es zur richtigen Form macht für private Inferenz, für Batch-Arbeit, bei der Abrechnung pro Token der Feind ist, und für Agent-Schleifen, die viele günstige Aufrufe machen statt eines einzigen teuren. Es ist nicht die richtige Form für das härteste Reasoning, das Sie haben, für die längsten einzelnen Dokumente oder für irgendetwas, bei dem Sie lieber State-of-the-Art mieten als Gut-genug zu besitzen – ein dichtes 27B-Modell verliert am oberen Ende gegen ein gut bedientes Frontier-Modell und am unteren Ende gegen ein kleines MoE bei den Kosten pro Token. Dichte ist auch eine Latenz-Tatsache: Da bei jedem Token jeder Parameter aktiv ist, ist ein dichtes Modell pro Token in der Regel langsamer als ein spärliches Modell ähnlicher Qualität, und Qwen3.8-27B ist obendrein ein Reasoning-Modell, gibt also Ausgabe-Token fürs Nachdenken aus, bevor es antwortet. Nichts davon ist eine Bewertung für genau dieses Modell. Es ist die Form der Entscheidung, die Sie treffen.

Größe und Passform, zusammengefasst

Die Zusammenfassung, wobei die detaillierte Arithmetik dort bleibt, wo sie hingehört. Die vollen BF16-Gewichte sind 55,6 GB, was ein Thema für 80-GB-Beschleuniger ist. Das hybride Attention-Layout ist der Grund, warum die komprimierten Builds ungewöhnlich gut beherrschbar sind: Eine 4-Bit-Quantisierung landet im mittleren Zehnerbereich der Gigabyte und läuft bei üblichen Kontextlängen komfortabel auf einer 24-GB-Karte, eine 16-GB-Karte ist nur dann realistisch, wenn man eine niedrigere Quantisierung oder einen kurzen Kontext akzeptiert, und 8 GB kommen nicht infrage. Da nur 16 der 64 Schichten einen vollständigen Attention-Cache enthalten, kostet langer Kontext weniger, als es bei einem herkömmlichen 27B der Fall wäre — aber er ist nicht kostenlos, und der Cache ist es, der ein komfortables 24-GB-Setup an seine Obergrenze treibt, wenn man das Fenster vergrößert. Wir führen eine separate Seite mit der VRAM-Leiter pro Quantisierung, der Kontextlängen-Kurve und den Unified-Memory-Werten für Apple Silicon; wenn man Hardware kauft, sollte man lieber die andere statt dieser lesen.

Die Formate als Wahl statt als Anleitung

Es gibt vier Routen, und sie beantworten vier verschiedene Fragen. {{1}}GGUF{{/1}} ist die Kompatibilitätswahl – die llama.cpp-Linie, die breiteste Hardware-Unterstützung, das Format, das auf allem läuft, das Sie bereits besitzen, und es ist das, wonach die meisten Leute, die nach {{2}}Qwen3.8-27B{{/2}} suchen, tatsächlich suchen: Wählen Sie es, wenn Sie möchten, dass die Gewichte auf der Maschine vor Ihnen funktionieren, und wenn Sie bereit sind, eine Quantisierungsstufe zu wählen. {{3}}MLX{{/3}} ist die Wahl für Apple Silicon, und sie ist tatsächlich eine echte Option – dieses Modell läuft über MLX auf einem Mac, was bei einem 27B-Vision-Language-Modell keine Selbstverständlichkeit ist. Auf der Serving-Seite sind {{4}}NVFP4{{/4}} und {{5}}FP8{{/5}} die Formate, die man bereitstellt, statt sie interaktiv auszuführen: FP8 hält das Modell nahe an voller Präzision bei ungefähr halbem Gewichtsumfang für eine einzelne große GPU, und NVFP4 ist der aggressive Build aus der Blackwell-Ära, der rund 25 GB VRAM belegt, wobei der Vision-Tower in voller Präzision gehalten wird. {{6}}Unsloth{{/6}} ist die Fine-Tuning-Route – das GGUF-Paket mit angehängtem Trainingspfad, für den Fall, dass Sie die Gewichte ändern und nicht nur ausführen möchten. Jede davon hat ihre eigene Seite unter diesem Modell, und jede beantwortet eine andere Frage als diese hier.

Was die Lizenz tatsächlich erlaubt

Qwen3.8-27B wird unter Apache 2.0 veröffentlicht. Die LICENSE-Datei liegt im Repository, und die Lizenz ist der permissive Standard und keine individuelle Vereinbarung: kommerzielle Nutzung ohne Nutzerobergrenze oder Lizenzgebühr, Modifikation, Weitergabe und eine ausdrückliche Patentgewährung – vorausgesetzt, Sie führen die Lizenz und die Hinweise bei allem mit, was Sie weitergeben. Das ist wichtig, weil es sich um eine andere Datei handelt als die, die für den Rest der Familie gilt – Qwen3.8-2.4T-A95B wird unter einer individuellen Qwen-Lizenz veröffentlicht, nicht unter Apache 2.0 –, sodass „es ist ein Qwen, also ist es Apache" keine sichere Annahme ist, und dies ist das Mitglied, bei dem es zufällig zutrifft.

Apache 2.0 auf den Gewichten ist zugleich die schlichte Antwort auf die größte einzelne qualifizierte Suchanfrage, neben der diese Seite steht, die unzensierten und abliterierten. Was die Lizenz erlaubt, ist einfach und verdient es, ohne Umschweife gesagt zu werden: Die veröffentlichten Gewichte dürfen geändert und weiterverbreitet werden, einschließlich Änderungen, die das Verhalten des Modells verändern, und abgeleitete Builds dürfen unter denselben Bedingungen veröffentlicht werden. Das ist der gesamte Mechanismus hinter einer abliterierten Veröffentlichung – eine Community oder ein Labor veröffentlicht eine modifizierte Kopie offen lizenzierter Gewichte und verbreitet sie weiter. Diesen Weg gehen wir für dieses Modell selbst: Die Qwen3.8-27B-Uncensored-GGUF-, NVFP4- und MLX-Builds sind unsere, veröffentlicht unter denselben Apache-2.0-Bedingungen wie das Original. Was ein gehosteter Dienst erzeugen wird oder nicht, ist eine andere Frage als das, was die Lizenz erlaubt, und diese Seite beantwortet sie nicht – die unzensierten Seiten pro Format decken die Downloads ab.

Was nicht geklärt ist

Drei Punkte sind tatsächlich offen. Der Kontext von 1 Mio. Tokens ist eine YaRN-Erweiterung und kein natives Fenster, und die Modellkarte selbst warnt davor, dass statische YaRN-Skalierung die Leistung bei kurzen Eingaben beeinträchtigen kann, sodass die praktische Obergrenze für die meisten lokalen Setups das native Fenster von 262.144 Tokens ist und die Erweiterung eine Entscheidung pro Deployment ist, die man testen muss. Alibabas eigene Modellkarte verweist Leser, die einen Managed Service suchen, auf Qwen Cloud, den sie für dieses Modell als „coming soon“ beschreibt – daher können wir den gehosteten Tarif, den die Karte bewirbt, mit Stand Oktober 2026 nicht als allgemein verfügbar bestätigen, und wir werden seine Bedingungen nicht anhand eines Teasers beschreiben. Und die Benchmark-Tabelle auf der Karte ist Alibabas eigene Evaluierung, die von der veröffentlichenden Stelle nicht reproduziert wurde, was ein Vorbehalt ist, der den Launch überdauert.

Verfügbarkeit

Wir stellen dieses Modell bereit. Die Kennung ist qwen/qwen3.8-27b in unserer Live-Modellliste — es ist das dichte multimodale 27B-Modell, es akzeptiert Text, Bilder und Video mit einem Kontextfenster von 262.144 Positionen, und ein Leser kann einen OpenAI-kompatiblen Client heute darauf richten. Das ist alles, was wir hier zur Route sagen: keine Preisangabe, keine Durchsatzangabe. Wenn Sie nach den Kosten entscheiden, ermitteln Sie es aus Ihrem eigenen Traffic statt aus einer Zahl auf dieser Seite.

Die Entscheidung, die noch zu treffen ist, ist das Format, und es ist eine Hardware-Frage, bevor es eine Software-Frage ist. Wenn du es auf dem Rechner vor dir laufen lässt, ist der GGUF-Weg der, wo die Quantisierungsstufen angesiedelt sind und wo du herausfindest, ob deine Karte ausreicht. Wenn du auf einem Mac bist, der MLX-Weg ist derjenige, der bestimmt, ob du überhaupt den Unified Memory hast. Lies als Nächstes einen der beiden, und komm nur dann auf diese Seite zurück, wenn du dich daran erinnern möchtest, was das Modell ist, bevor du den Speicherplatz belegst.