
Qwen3.8-27B Review: das Open-Weight-27B-Modell, das „Opus für zu Hause" ist — gegen den Hype getestet
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 187 tok/s
- openaiNEUOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 pro 1 Mio. Tokens · 87 tok/s
- openaiNEUOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 pro 1 Mio. Tokens · 152 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 194 tok/s
- AlibabaNEUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 pro 1 Mio. Tokens · 86 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 705 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 pro 1 Mio. Tokens · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 101 tok/s
Qwen3.8 27B ist das beste Open-Weights-27B-Modell, das man derzeit selbst hosten kann – und das mit deutlichem Abstand. Die Gewichte wurden am 14. August 2026 unter Apache 2.0 veröffentlicht: ein dichtes 27B (28B inklusive Vision-Encoder) mit nativem Kontext von 262K, nativer Bild- und Videoeingabe sowie vom Anbieter angegebenen Agentic-Coding-Werten, die auf oder über Claude Opus 4.6 Max liegen – SWE-bench Pro 61,7, DeepSWE 1.1 42,2, LiveCodeBench v6 90,3. Der Schlagzeilenpreis ist null: 55,6 GB herunterladen und loslegen. Auch die Einschränkungen sind real – unabhängige Tests kommen zu dem Ergebnis, dass es etwa dreimal langsamer und tokenhungriger ist als sein Vorgänger, hinter der Benchmark-Tabelle des Anbieters steht nach wie vor keine Reproduktion, und der 1M-Kontext ist ein reines Hosted-Feature. Die interessante Entwicklung seit dem Launch liegt unterhalb des Datenblatts: Am 13. Oktober meldete ein Community-Port für llama.cpp, diese Gewichte auf der GPU einer gejailbreakten PlayStation 5 mit rund 20 Tokens pro Sekunde auszuführen. Fazit: Wer eine GPU mit 24 GB+ hat und Frontier-nahe Fähigkeiten ohne abgerechnete Rechnung möchte, sollte es selbst hosten – aber mit dem klaren Wissen, wo genau die Zahlen weich sind.
Fazit zuerst: Sollten Sie Qwen3.8 27B verwenden?
Kurzantwort — ja für lokale und private Workloads; warten Sie auf Zahlen von Drittanbietern, bevor Sie eine Beschaffungsentscheidung treffen. Qwen3.8 27B ist das seltene Modell, bei dem die offenen Gewichte das Produkt sind und die API der Komfort ist. Da die Lizenz Apache 2.0 ist, ist der Preis pro Token dauerhaft null, sobald Sie die Hardware haben, und nichts, was Sie darauf aufbauen, kann nachträglich neu lizenziert oder in Rechnung gestellt werden. Was Sie aufgeben, sind Geschwindigkeit, Verifizierung und Komfort.
Wenn Sie bereits Qwen3.6-27B ausführen und damit zufrieden sind, ist das Upgrade real, aber zeitlich nicht kostenlos. Wenn Sie von der Qwen3.8-Max-Veröffentlichung hierhergekommen sind, ist dies das kleinere, selbst hostbare Mitglied derselben Generation – ein anderes Werkzeug für eine andere Aufgabe.
Die wichtigsten Fakten, geprüft am 15. Oktober 2026
• Veröffentlicht — die Gewichte wurden am 14. August 2026 unter Qwen/Qwen3.8-27B auf Hugging Face veröffentlicht, gespiegelt auf ModelScope; die zeitzonenbezogene Berichterstattung nennt auch den 13. August, und die Veröffentlichung erfolgte etwa eine Woche nach der Ankündigung der Qwen3.8-Generation.
• Lizenz — Apache 2.0: herunterladen, modifizieren, weiterverbreiten, kommerzielle Nutzung, mit ausdrücklicher Patenterteilung. Dauerhaft.
• Parameter — 27B dicht (28B einschließlich des Vision-Encoders), 64 Schichten, verborgene Größe 5.120, Vokabular 248.320.
• Architektur — hybride Aufmerksamkeit: 48 Gated-DeltaNet-Linear-Attention-Schichten gegenüber 16 vollständigen Gated-Attention-Schichten (ein 3:1-Verhältnis). Deshalb kann ein dichtes 27B-Modell 262K Token nativen Kontexts verarbeiten.
• Kontext — 262.144 Token nativ; erweiterbar auf 1.000.000 über YaRN auf der gehosteten Version.
• Eingabe — native Bilder und Videos neben Text; gibt Text zurück. Der Vision-Encoder ist der Grund, warum die Parameteranzahl 28B beträgt.
• Denken — Denkmodus standardmäßig aktiviert und pro Anfrage deaktivierbar; reasoning_effort (niedrig/mittel/hoch) und preserve_thinking für lange Agentenläufe.
• Gewichte — 55,6 GB an BF16-Safetensors in 18 Shards; FP8 und Community-GGUFs sind ebenfalls enthalten.
Die oben genannten Spezifikationen stammen aus der Modellkarte und Konfiguration von Hugging Face für Qwen3.8 27B, gelesen am 15. Oktober 2026. Die Benchmark-Tabelle des Anbieters wurde von Alibaba gemeldet und ist weiterhin nicht reproduziert. Die einzige dokumentierte unabhängige Bewertung ist die von Artificial Analysis; sie bewertet Qwen3.8 27B mit 34 auf ihrem Intelligence Index und misst 41,2 Ausgabe-Token pro Sekunde – ein einzelner Index gegen eine Karte voller Anbieterangaben, und sie reproduziert diese nicht.
Worin Qwen3.8 27B wirklich gut ist
Der stärkste Fall ist agentische Softwareentwicklung. Alibaba berichtet über einen 3x-Sprung bei DeepSWE 1.1 gegenüber dem vorherigen 27B (42.2 vs. 13.3) und einen Score über Claude Opus 4.6 Max auf SWE-bench Pro (61.7 vs. 53.4). Das sind die Zahlen, die ihm den Spitznamen „Opus at home“ eingebracht haben – ein dichtes 27B, das Coding-Arbeit nahe am Spitzenniveau auf Hardware leistet, die man tatsächlich besitzen kann.

Drei Dinge neben den nackten Zahlen machen es zu einem vertretbaren Kauf:
• Nativ multimodal. Bild- und Videoeingabe, Textausgabe – ein Dokument mit Diagrammen oder ein Video-Walkthrough ist kein separates Modell. Die visuellen Reasoning-Werte (85,6 bei aktiviertem Chain-of-Thought-Feature, 94,6 visuelle Mathematik, beide vom Anbieter gemeldet) sind der Punkt, an dem der Vision-Encoder seinen Wert beweist.
• 262K nativer Kontext. Langfristige Agentenaufgaben, große Codebasen und mehrstündige Transkripte passen in ein einziges Fenster. Das hybride Linear-Attention-Design hält die KV-Kosten dieses Kontexts niedriger als bei einem reinen Full-Attention-Modell gleicher Größe.
• Kostenlose, dauerhafte Gewichte. Das ist der ganze Sinn dieser Kategorie: Ein Closed-API-Modell wird gemietet; Qwen3.8 27B ist Eigentum. Bei 4-Bit läuft es auf einer 24-GB-Karte (RTX 3090/4090-Klasse), und AMD hat Day-0-Support bereitgestellt (bis zu 24,5 Token/s auf einem Ryzen AI Max+ 395 und 51,8 Token/s auf einer Radeon AI PRO R9700, laut AMDs eigenem Blog).
Wo die Bewertung unschön wird: Geschwindigkeit, Tokens und Verifizierung
Unabhängige Tests sind bisher nur der Testaufbau eines einzelnen Testers, kein Labor – aber es ist das beste Signal, das wir haben. Beim Vergleich von Qwen3.8 27B mit Qwen3.6-27B bei zehn realen Aufgaben (bewertet von GPT-5.5 über die llmcompare-Umgebung) gewann die 3.8 neun von zehn und erzielte durchschnittlich 8,838 gegenüber 6,862 – „einen der beeindruckendsten Intelligenzsprünge“, die der Tester gesehen hatte. Sie verbrauchte außerdem fast dreimal so viele Token und war erheblich langsamer; eine Aufgabe dauerte etwa 600 % länger. Der Qualitätssprung ist also real, und das gilt auch für den Preis in Echtzeit.
Vier weitere Dinge, die dagegen sprechen:
• Unabhängige Benchmarks – weniger, als das Datenblatt suggeriert. Das Datenblatt des Anbieters ist detailliert, und jede Zahl darauf stammt weiterhin von Alibaba selbst. Der Intelligence Index Score von Artificial Analysis mit 34 Punkten, abgelesen am 15. Oktober, ist die erste unabhängige Bewertung, die dieses Modell überhaupt hat – ein einzelner Score, aus einem einzigen Labor, der nichts über SWE-bench Pro 61.7 oder DeepSWE 1.1 42.2 aussagt. Wenn Ihre Entscheidung darauf angewiesen ist, dass die agentischen Behauptungen reproduziert werden: Sie wurden es nicht.
• Die VRAM-Untergrenze ist real. BF16 benötigt eine GPU der 80-GB-Klasse. Um auf einer 24-GB-Karte Platz zu finden, muss man 4-Bit verwenden, und Berichte aus der Community (dev.to-Kommentarthread, Tage nach der Veröffentlichung) besagen, dass quantisierte Builds „nach langem Kontext den Fokus verlieren“. Offizielle Gewichte, wenn Sie den VRAM haben; quantisiert, wenn nicht — und der Quantisierungspfad erreicht jetzt Hardware weit unterhalb einer 24-GB-Karte, wofür die unten stehende PlayStation-5-Messung der erste echte Beweis ist.
• Der 1M-Kontext ist nur in der gehosteten Version verfügbar. Die offenen Gewichte sind auf 262K begrenzt. Die Erweiterbarkeit auf 1M ist ein gehostetes Feature von Qwen Cloud, nicht etwas, das eine lokale Kopie von Haus aus bietet.
• „Beats Opus" braucht Einschränkungen. Agentic Benchmarks belohnen harness-spezifisches Verhalten, und ein Top-Kommentar unter dem dev.to-Launchbeitrag brachte es unverblümt auf den Punkt: „Im realen Einsatz schlagen sie Opus nicht." Behandelt die Bestenliste im besten Fall als Obergrenze, nicht als Versprechen.
Wie es sich in die Qwen 3.8-Familie einfügt
• im Vergleich zu Qwen3.6-27B – dieselbe Hardwareklasse und 262K-Kontext, aber ein großer Fähigkeitssprung auf Kosten von Geschwindigkeit und Tokeneffizienz. Wenn Sie bereits 3.6 ausführen und durch den Durchsatz begrenzt sind, ist ein Bleiben vertretbar.
• vs Qwen3-Coder-30B-A3B — der Coder ist ein MoE mit etwa 3,3B aktiven Parametern, der viel schneller läuft (~90–110 Tokens/s). Das dichte 27B-Modell ist pro Token langsamer, erbt aber die agentischen Vorteile der Generation; wenn die Software-Engineering-Werte des 27B bei unabhängigen Tests Bestand haben, schrumpft die Rolle des Coder-30B.
• vs Qwen3.8-Max — das 2.4T-MoE-Flaggschiff ist ein Rechenzentrumsmodell (nur per API, laut veröffentlichten Berichten etwa $2/$6 pro Million Tokens) mit 1M Kontext und Video. Die 27B ist die einsetzbare Variante. Sie beantworten unterschiedliche Fragen.
Der Hardware-Mindeststandard wurde am 13. Oktober geändert.
PS5LM ist ein llama.cpp-Port, der GGUF-Modelle auf einer gejailbreakten PlayStation 5 ausführt – in einer Konsole, die du bereits besitzt. Sein veröffentlichter Build ist bescheiden – v0.1.1, eine einzelne Payload, die auf etwa 1,6 GB Modell beschränkt ist, also Qwen3.5 2B bei 4-Bit und nichts Größeres, ausschließlich auf der CPU. Am 13. Oktober erhielt das Projekt einen Pull Request, der verändert, wie die Hardwareliste aussieht: einen Native-App-Pfad, der llama-server gegen einen Community-Vulkan-Treiber für die Konsole linkt und Qwen3.8 27B mit 20,7 Tokens pro Sekunde bei der UD-IQ2_XXS-Quantisierung (6,77 GiB, 64k-Kontext) und 20,3 Tokens pro Sekunde bei UD-Q2_K_XL (9,15 GiB, 32k-Kontext, q4_0-Cache) meldet, wobei eine einzelne Antwort mit 7.775 Tokens bei 19,7 Tokens pro Sekunde durchgehalten wurde. Dieselbe Konsole lieferte 61 Tokens pro Sekunde bei Gemma 4 E4B und 124 bei Llama 3.2 3B Instruct, was die 27B-Zahl lesenswert macht: Es ist kein kleines Modell, das einer großen Zahl schmeichelt.
Ordne es ein, bevor du darauf reagierst. Diese Zahlen sind die eigenen Messungen des Pull-Request-Autors auf einem nicht gemergten Branch, kein Hersteller-Benchmark und kein veröffentlichter Build. Das Repository von PS5LM selbst führt sowohl GPU-Offload als auch Qwen 3.8 27B weiterhin als Roadmap-Punkte, die es noch nicht ausgeliefert hat, und der Kommentar des Maintainers zum Pull Request besagt, dass er die Zahlen auf seiner eigenen Konsole reproduzieren wird, bevor das README sie aufführt. Ein zweiter Tester berichtet, dass die App überhaupt läuft – Firmware 4.50, 7B- und 9B-Modelle mit etwa 30 Token pro Sekunde –, was den Mechanismus untermauert, ohne das 27B-Ergebnis zu reproduzieren. Um so weit zu kommen, braucht man außerdem eine eigene Konsole, Firmware 7.00 bis 13.60 und einen Jailbreak.
Was sich ändert, ist die Form der Kostenfrage, nicht ihre Antwort. Ein dichtes 27B-Modell mit ungefähr 20 Tokens pro Sekunde auf einer Spielkonsole ist langsamer als dasselbe Modell, das von einer echten GPU bereitgestellt wird – Artificial Analysis misst 41,2 Tokens pro Sekunde über Alibabas eigene API, und 20 Tokens pro Sekunde ist die Geschwindigkeit des 2-Bit-Builds, mit dem Qualitätsverlust, den eine solche Komprimierung mit sich bringt. Das ist also kein Grund, die 24-GB-Karte zu überspringen; es ist ein Beleg dafür, dass diese Klasse weit unterhalb davon lauffähig ist. Wenn du eigentlich wissen willst, ob das Modell gut ist, bevor du ein Wochenende in einen Jailbreak investierst, ist der günstige Weg ein nutzungsabhängig abgerechneter Aufruf: ein Schlüssel über 200+ Modelle, kein zweiter Vertrag und automatisches Failover über Anbieter hinweg, falls der Endpunkt schwankt, während du evaluierst.
Kosten: die Frage lokal versus API, geklärt
Bei einem geschlossenen Modell vergleicht man die Preise pro Token. Bei Qwen3.8 27B kostet das marginale Token auf eigener Hardware nichts — der eigentliche Preis sind die vorab anzuschaffende GPU und Ihre Zeit. Bei 4 Bit ist das eine 24-GB-Karte; bei BF16 ist es eine Maschine der 80-GB-Klasse. Wenn Ihnen die Maschine fehlt oder Sie Antworten möchten, bevor Sie 55,6 GB Festplattenplatz binden, gibt es den gehosteten Weg: OrcaRouter listet Qwen3.8 27B zu 0,33 $ pro Million Input- und 2,40 $ pro Million Output-Token auf der OrcaRouter-Modellseite, was dem durchgereichten Listenpreis des Anbieters mit 0 % Aufschlag entspricht (Stand: 15. Oktober 2026). Die kostenlose, ratenbegrenzte Stufe, die diese Seite im August beschrieb, erscheint dort nicht mehr — betrachten Sie sie als veraltet, sofern sie nicht ausdrücklich genannt wird. Alibabas eigene API ist der andere gehostete Weg, den Artificial Analysis mit 0,50 $ und 3,00 $ pro Million für die Xhigh-Reasoning-Konfiguration angibt. Die gehostete Version von Qwen Cloud mit dem 1M-Kontext ist weiterhin als „coming soon“ gekennzeichnet.

Die ehrliche Einordnung: Für ein Open-Weights-Modell ist ein Anbieter eine Annehmlichkeit, keine Abhängigkeit. Ein nach Verbrauch abgerechneter gehosteter Aufruf ist der günstigstmögliche Weg zu entscheiden, ob ein Download von 55,6 GB es wert ist; er ist außerdem die einzige Möglichkeit, das Modell zu testen, ohne zuerst das Hardwareproblem zu lösen, das der Absatz zur PlayStation 5 beschreibt. Aber sobald man sich entschieden hat, sind die Gewichte das Entscheidende – und sie sind kostenlos.
Wie man es tatsächlich ausprobiert
• Schnellste Evaluierung — rufen Sie es auf einem gehosteten Endpoint für $0,33/$2,40 pro Million auf; ein paar hunderttausend Tokens echter Arbeit kosten nur Cents und klären die Frage, bevor Sie irgendetwas herunterladen.
• Echter Test auf deiner Hardware — lade ein Community-GGUF herunter (der Q4_K_M-Build ist etwa 17 GB groß und passt auf eine 24-GB-Karte) und führe es in llama.cpp oder Ollama aus. Übergib die Jinja-Chatvorlage, sonst antwortet dir das Modell in Thought-Tags. Für Vision mit einem GGUF benötigst du außerdem die separate mmproj-Datei. Unser Runbook zum lokalen Ausführen von Qwen3.8 27B führt dich Schritt für Schritt durch.
• Volle Präzision — huggingface-cli download Qwen/Qwen3.8-27B auf eine GPU der 80-GB-Klasse.
• Überprüfe, was du heruntergeladen hast — prüfe, dass der Herausgeber die Qwen-Org ist, und validiere Shards gegen crc32.txt; Nachahmer-Repos sind vor der Veröffentlichung aufgetaucht.
Wann diese Bewertung falsch ist (und wer Qwen3.8 27B überspringen sollte)
• Du hast keine GPU und wirst auch keine mieten. Die gehostete Stufe kostet $0.33/$2.40 pro Million — ein kleines API-Modell kann dich günstiger und zuverlässiger bedienen. Dieses Modell ist für Leute gedacht, die die Inferenz selbst betreiben wollen.
• Sie benötigen eine SLA. Der gehostete Tarif ging Mitte August online; die OrcaRouter-Modellseite, abgerufen am 15. Oktober, zeigt für die zurückliegenden sieben Tage eine Fehlerrate von 2,8 %, eine p50-Latenz bis zum ersten Token von 3,23 s und eine Ausgabegeschwindigkeit von 156 Token pro Sekunde bei 77,2 Mio. in diesem Zeitraum gerouteten Token. Nach zwei Monaten ist das ein funktionierender Endpunkt, keine Starttag-Warteschlange – aber ein Durchschnitt der letzten Woche ist noch kein Produktionsvertrag. Self-Hoster sollten ihren Download-Commit pinnen und eine Fallback-Option bereithalten.
• Sie benötigen die agentischen Behauptungen des Anbieters reproduziert, nicht nur einen einzigen Indexwert. Der Intelligence Index Score von 34 von Artificial Analysis ist die einzige unabhängige Zahl, die dieses Modell hat, und sie sagt nichts über SWE-bench Pro 61.7 oder DeepSWE 1.1 42.2 aus – beides weiterhin von Alibaba gemeldet. Richtungsweisend, nicht beschaffungsreif.
• Ein 262K-Kontext mit Open Weights reicht nicht aus. Die 1M-Erweiterung ist derzeit nur in der gehosteten Version verfügbar.
• Durchsatz ist Ihr Engpass. Bulk-Zusammenfassungen oder große Batches werden zum Problem: Dies ist ein dichtes 27B-Modell, das außerdem etwa 3x so viele Token verbraucht wie sein Vorgänger. Für günstige Massenverarbeitung ist ein kleineres oder schnelleres Modell die bessere Wahl.
• Du hast eine 12-GB-Karte. 2-Bit-GGUFs quetschen sich mit sichtbarem Qualitätsverlust hinein — das ist die Konfiguration hinter dem obigen PlayStation-5-Datenpunkt —, also ist dies ein Modell zum Experimentieren, nicht zum Standardisieren.

Unterm Strich
Qwen3.8 27B ist das derzeit stärkste verfügbare 27B-Modell mit offenen Gewichten, und es ist für immer kostenlos unter Apache 2.0. Wenn Sie eine GPU mit 24 GB+ haben und agentisches Coding, 262K Kontext und native Bild-/Videoeingabe ohne verbrauchsabhängige Abrechnung wollen, dann ist das der Kauf. Die Gründe, noch abzuwarten, sind ebenso konkret: Sie brauchen die agentischen Coding-Versprechen des Anbieters, belegt an anderer Stelle als dem Model Card, ein SLA, mehr als 262K Kontext mit offenen Gewichten oder einen höheren Durchsatz, als ein dichtes 27B-Modell liefert. Das Modell ist draußen, die Gewichte sind echt, die bisher einzige unabhängige Bewertung ist ein respektabler Wert von 34, und die Hardware-Untergrenze liegt letztlich niedriger, als die Berichterstattung zum Launch annahm. Denken Sie nur daran, welche Zahlen aus einem Labor stammen und welche vom Anbieter.
