LBS-27B vs Qwen3.8 27B: el listón en 27B y el laboratorio que lo ha estado leyendo

Seis semanas antes de que LBS-27B apareciera como un repositorio vacío, inclusionAI publicó un modelo diferente: inclusionAI/Qwen3.8-27B-singprobe, una pequeña sonda de salvaguarda en streaming construida sobre el Qwen3.8 27B de Alibaba. No es un modelo de lenguaje y no es un competidor. Es un clasificador de seguridad que lee los estados ocultos de Qwen3.8 27B mientras ese modelo genera, y su existencia te dice algo que una hoja de especificaciones no puede: el laboratorio que acaba de reservar el nombre LBS-27B ha estado trabajando directamente con el modelo que ocupa la misma franja de parámetros.

Por eso esta es la comparación que más importa del lote. Gemma 4 26B A4B es una arquitectura distinta y una clase de precio distinta; Granite 4.2 30B es una apuesta empresarial densa; LFM2.5 24B A2B es un experimento de eficiencia. Qwen3.8 27B es el modelo al que más plausiblemente apuntaría un nuevo 27B de un laboratorio chino serio. Si LBS-27B es un reto para él, una alternativa más barata o algo completamente distinto no puede saberse a partir de un repositorio que contiene un archivo de licencia de 28 bytes, pero el listón que Qwen ha fijado sí puede saberse, y es alto.

Qué es realmente Qwen3.8 27B

Qwen3.8 27B se comercializa como un modelo de 27B, figura con 28B parámetros en BF16 en Hugging Face y está construido sobre una pila de atención híbrida en lugar de un transformer estándar. La ficha describe dieciséis bloques repetidos, cada uno de los cuales contiene tres capas Gated DeltaNet seguidas de una capa Gated Attention, con un tamaño oculto de 5.120, 64 capas, 24 cabezas de atención, 4 cabezas clave-valor y una dimensión feed-forward de 17.408. El vocabulario es de 248.320 tokens.

La ventana de contexto es de 262 144 tokens de forma nativa, extensible a aproximadamente un millón con YaRN. Es multimodal de forma nativa: acepta texto, imágenes y vídeo, y genera texto. El pensamiento está activado por defecto, con niveles de esfuerzo de razonamiento xhigh, medium y low, y un indicador preserve-thinking habilitado por defecto. La licencia es Apache-2.0. Los pesos aparecieron en agosto de 2026.

La arquitectura es la parte que merece detenerse a analizar. Las capas Gated DeltaNet son variantes de atención lineal que escalan mejor con la longitud de secuencia que la atención completa, e intercalarlas con un pequeño número de capas de atención completa es una forma de lograr un comportamiento de contexto largo sin pagar el coste cuadrático en cada capa. Es un diseño más ambicioso que una pila densa simple, y es el tipo de cosa que resulta difícil igualar en un primer intento.

El bar, en cifras

Todos los siguientes son resultados reportados por el propio Qwen y no han sido reproducidos de forma independiente por nosotros. Siguen siendo la referencia relevante, porque son aquello con lo que un comprador comparará.

• Programación e ingeniería de software — LiveCodeBench v6 90,3, QwenSWEBench 79,0, SWE-bench Pro 61,7, DeepSWE 1.1 42,2, NL2Repo-Bench 42,3.

• Trabajo en terminal y agéntico — Terminal-Bench 2.1 (Terminus) 73,0, CoWorkBench 70,7, JobBench 33,4, Agents' Last Exam 20,4 pass@1 y una puntuación de 42,9.

• Conocimiento y razonamiento — GPQA Diamond 89,2; Humanity's Last Exam 30,8; IFBench 79,5. La cifra de HLE es inusualmente alta para un modelo de 27B y es el número más llamativo de la ficha.

• Visión y uso de computadora — OSWorld-Verified 84,3; AndroidWorld 81,9; WebArena Verified 64,8; MathVision 90,0 sin integración de cadena de pensamiento y 94,6 con ella; OmniDocBench 1.5 91,1; RealWorldQA 85,9; razonamiento CharXiv 83,7 y 90,2 con integración.

• Filas más débiles — SWE-MM 38.6, RecreationBench 47.1, ClawEval-MM 57.4 pass@3. Incluso las filas débiles son respetables.

No es un modelo que gane en un solo eje. Es competitivo a la vez en programación, conocimiento, visión y uso de computadora, que es exactamente el perfil que hace difícil posicionar a un competidor del mismo tamaño. Un nuevo modelo de 27B no puede superarlo por ser ligeramente mejor en una sola cosa; necesita un argumento diferente.

Lo que ha demostrado LBS-27B

Nada que pueda evaluarse. El repositorio se creó a las 05:36 UTC del 26 de octubre de 2026 y contiene un .gitattributes de 1.519 bytes y un README de 28 bytes. El README es la declaración de licencia y únicamente la declaración de licencia: license: apache-2.0. No hay pesos, ni configuración, ni tokenizador, ni ficha del modelo, ni filas de benchmarks. Las descargas no se registran y los me gusta son cero, y no pudimos encontrar ningún anuncio, artículo ni debate público sobre el modelo en ningún sitio.

"27B" es un nombre. No se ha confirmado que sea un recuento total de parámetros, y mucho menos un recuento de parámetros activos, y no hay indicios de si el modelo es denso, disperso o está construido sobre una pila de atención híbrida como la de Qwen.

La sonda es la pista más interesante.

El Qwen3.8-27B-singprobe de inclusionAI fue creado el 14 de septiembre de 2026 y está etiquetado para seguridad, salvaguardas, streaming y detección de alucinaciones. Se basa en Qwen3.8 27B, con licencia Apache-2.0, y ha atraído poca atención: 219 descargas y dos me gusta en el momento de escribir esto.

Su importancia no radica en su popularidad. Demuestra que inclusionAI ha estado instrumentando Qwen3.8 27B a nivel de estados ocultos, lo que significa que el laboratorio comprende lo suficiente las representaciones internas del modelo como para construir un clasificador sobre ellas. Esa es una forma de familiaridad más profunda que la comparación de benchmarks. No prueba que LBS-27B derive de Qwen3.8 27B —no hay evidencia de ello, y las dos organizaciones son empresas separadas, Ant Group y Alibaba—, pero sí sugiere que la clase 27B no es un objetivo aleatorio para este laboratorio.

También plantea una posibilidad que merece mencionarse: un laboratorio que entrega sondas de seguridad junto con los modelos podría posicionar su propio 27B en torno a la controlabilidad y las salvaguardas, en lugar del liderazgo en benchmarks puros. Si ese es el argumento de venta, la comparación con Qwen3.8 27B pasa de «quién obtiene mejores puntuaciones» a «cuál es más fácil de desplegar de forma segura» — una pregunta distinta con una respuesta distinta.

Tres formas en que esto podría salir

Sin una tarjeta de modelo, el enfoque honesto es describir las formas plausibles en lugar de elegir una.

• Una alternativa más barata a Qwen. Si LBS-27B es un modelo denso de 27B con una calidad comparable y un coste de servicio menor, compite en precio. Eso es difícil frente a un modelo a 0,33 dólares por millón de tokens de entrada, pero no imposible si la receta de entrenamiento de inclusionAI es más eficiente o si apunta a un número menor de parámetros activos.

• Una apuesta por la eficiencia. Si LBS-27B es disperso y tiene pocos activos, elude por completo el perfil de cómputo de Qwen. Qwen3.8 27B es denso, lo que lo encarece por token en contextos largos; un 27B disperso con una fracción activa podría ofrecer un costo menor a cambio de ceder algo de calidad. Esa es la estrategia de LFM2.5 aplicada a un tamaño mayor.

• Un nicho diferente. Si LBS-27B se posiciona con la seguridad, la cobertura multilingüe, el trabajo con documentos largos o un arnés agéntico específico, puede que no esté intentando superar a Qwen3.8 27B en todos los frentes. El singprobe es una evidencia débil de esto, pero es la única evidencia disponible.

Cada una de esas formas implica un archivo de configuración distinto. Por eso, la divulgación de la arquitectura, cuando llegue, será más informativa que cualquier publicación de blog de lanzamiento.

La comparación, con los espacios en blanco marcados.

• Parámetros — Qwen3.8 27B se comercializa como 27B y figura como 28B en BF16; LBS-27B es un 27B no verificado.

• Arquitectura — un híbrido de capas Gated DeltaNet y Gated Attention para Qwen; desconocido para LBS.

• Contexto — 262,144 nativos y aproximadamente un millón con YaRN para Qwen; desconocido para LBS.

• Modalidad — entrada de texto, imagen y video con salida de texto para Qwen; desconocida para LBS.

• Controles de pensamiento — esfuerzo de razonamiento en xhigh, medium o low para Qwen; desconocido para LBS.

• Licencia — Apache-2.0 para Qwen; Apache-2.0 declarada para LBS.

• Precio — $0.33 por millón de tokens de entrada y $2.40 por millón de tokens de salida para Qwen en OrcaRouter; sin precio para LBS.

• Evaluaciones — una ficha de proveedor completa para Qwen, incluidas filas de programación, agénticas y de visión; ninguna para LBS.

El precio y el argumento de una sola API

Qwen3.8 27B está disponible en OrcaRouter como qwen/qwen3.8-27b a $0,33 por millón de tokens de entrada y $2,40 por millón de tokens de salida, con el contexto completo de 262.144 tokens. OrcaRouter aplica el precio de lista del proveedor sin ningún margen (0 %), así que si Alibaba o sus socios de alojamiento modifican la tarifa, la cifra de nuestro lado cambia el mismo día. También hay un segundo listado de Qwen3.8 27B en la plataforma con una tarifa más alta bajo el nombre de otro proveedor, que conviene revisar si estás comparando presupuestos.

LBS-27B no está en OrcaRouter. No hay nada a lo que enrutar. Cuando los pesos estén disponibles, la forma práctica de responder a la pregunta que este artículo no puede responder —¿es el nuevo modelo realmente mejor para mi carga de trabajo?— es enviarle una porción del tráfico a través del mismo endpoint mientras Qwen sigue siendo el respaldo. La conmutación automática por error hace que eso sea un experimento reversible en lugar de una migración, y el DSL de enrutamiento permite expresar la división como una política en vez de una bifurcación en el código. Ese es el papel útil de un enrutador en una comparación de 27B: no elegir al ganador, sino permitirte medir uno frente al otro con tus propias entradas.

¿Qué haría que esto fuera una comparación real?

El primer artefacto es un archivo de configuración. Resolverá lo de denso frente a disperso y dará un recuento de parámetros activos, lo que determina si LBS-27B compite con Qwen en calidad o lo esquiva en coste.

El segundo es una torre de visión. La capacidad multimodal de Qwen3.8 27B no es una función secundaria; es una parte importante de por qué el modelo es competitivo en tareas de documentos, interfaces de usuario y uso de computadora. Un LBS-27B solo de texto sería un producto más pequeño dirigido a un segmento más reducido de los mismos compradores.

El tercero es una declaración de posicionamiento de inclusionAI. El laboratorio no ha dicho para qué sirve LBS-27B, y el nombre tampoco lo indica. Todo lo que se dice en este artículo sobre la intención es una inferencia a partir de una sonda, una licencia y una marca temporal.

Por ahora, la conclusión defendible es limitada. Qwen3.8 27B es uno de los modelos de 27B más potentes disponibles, con una arquitectura híbrida, multimodalidad nativa, una vía de extensión de un millón de tokens y un precio de alojamiento agresivo. LBS-27B es un repositorio que aún no se ha convertido en un modelo. La brecha entre ambos no es una brecha de capacidad; es la distancia entre un producto terminado y un nombre reservado, y la pregunta interesante es si un laboratorio que ha estado leyendo los estados ocultos de Qwen se prepara para competir con él o para complementarlo.