Qwen3.8-27B: El 27B denso de la línea Qwen3.8 de Alibaba

Un solo número decide si puedes ejecutar Qwen3.8-27B por tu cuenta: 55,6 GB. Ese es el total de pesos en BF16 en el repositorio propio del proveedor —dieciocho fragmentos de safetensors, 27,8 mil millones de parámetros una vez contada la torre de visión— y es la razón por la que el hogar práctico del modelo es una tarjeta gráfica de 24 GB ejecutando una versión comprimida y no una estación de trabajo ejecutándolo tal como se distribuye. Todo lo demás sobre Qwen3.8-27B se deriva de esa forma. Es un modelo denso, no una mezcla de expertos: cada token que generas activa los 27 mil millones de parámetros, justo el intercambio opuesto al de los gigantes dispersos con los que comparte generación. Y es el único miembro de esta ronda con un vecindario real alrededor de su nombre: los lectores lo buscan por sí solo y buscan los calificativos que lo rodean, así que esta página es la respuesta llana a qué es, para qué sirve y qué estás eligiendo antes de decantarte por un tamaño o un formato.

La identificación precisa, porque tres nombres de esta familia son fáciles de confundir. Qwen3.8-27B es el miembro denso y autoalojable de la generación Qwen3.8 de Alibaba. Sus hermanos son productos diferentes: Qwen3.8-2.4T-A95B es la mezcla dispersa de expertos de 2,4 billones de parámetros cuyos pesos también se publicaron en agosto de 2026, y Qwen3.8-Max es la API alojada construida sobre esa misma arquitectura, que no tiene pesos descargables en absoluto. La generación se anunció el 3 de agosto de 2026, y los pesos del 27B llegaron a Hugging Face y ModelScope el 14 de agosto de 2026 bajo Apache 2.0 — una fecha que merece precisarse porque el lanzamiento es solo lo que data a este modelo, no un evento que esta página esté reportando.

Qué es, en palabras del propio Alibaba

La ficha del modelo describe Qwen3.8-27B como un "modelo denso compacto y fácil de desplegar": un modelo nativo de visión y lenguaje que entiende imágenes y vídeos, con un control flexible del razonamiento, "diseñado para llevar a término tareas complejas de varios pasos con mayor fiabilidad". Esa es la posición del proveedor, atribuida, y la ficha la respalda con cinco mejoras declaradas: avances en capacidades fundamentales en programación, trabajo profesional, investigación y tareas agénticas de largo horizonte; una planificación autónoma más sólida y un mejor manejo de la retroalimentación del entorno; un soporte más amplio para los entornos de agentes y herramientas de desarrollo más populares; un modo de razonamiento activado por defecto pero que puede desactivarse por solicitud, con una profundidad ajustada mediante reasoning_effort; y una comprensión nativa de imágenes y vídeo que, según la ficha, abarca desde diagramas y documentos de STEM hasta vídeos de una hora de duración.

La arquitectura que hay detrás de esa afirmación es híbrida. Qwen3.8-27B se organiza en dieciséis bloques repetidos, cada uno de los cuales contiene tres capas de atención lineal Gated DeltaNet y una capa completa de Gated Attention: 64 capas en total, dimensión oculta de 5.120, 48 cabezas de atención lineal para los valores frente a 16 para las consultas. En términos sencillos: solo una de cada cuatro capas mantiene una caché de atención convencional. Por eso un modelo de 27B puede soportar un contexto nativo de 262.144 tokens sin la factura de memoria que exigiría un transformer convencional de este tamaño, y también por eso su huella local es más amable de lo que sugiere su número de parámetros. El contexto se extiende hasta 1.000.000 de tokens con el escalado YaRN, que, según advierte la ficha, puede degradar el rendimiento en entradas más cortas si se deja activado de forma estática. El modo de pensamiento está activado de forma predeterminada; el muestreo recomendado en la ficha es temperatura 1.0 con top_p 0.95 cuando se piensa, y 0.7 con top_p 0.80 cuando no, y sugiere asignar una salida generosa: hasta 262.144 tokens de razonamiento y 131.072 para la respuesta final dentro de una ventana larga.

Ahora la parte general honesta, que es conocimiento del oficio más que una medición de este modelo. Un 27B denso en 2026 ocupa un lugar específico. Es lo bastante grande para ser genuinamente útil y lo bastante pequeño para caber en hardware que una persona o un equipo pequeño posee, lo que lo convierte en la forma adecuada para inferencia privada, para trabajo por lotes donde la facturación por token es el enemigo, y para bucles de agentes que hacen muchas llamadas baratas en lugar de una costosa. No es la forma adecuada para el razonamiento más difícil que tengas, para los documentos individuales más largos, ni para nada donde prefieras alquilar lo más avanzado que poseer algo suficientemente bueno — un 27B denso pierde frente a un modelo de frontera bien servido en el extremo superior, y pierde frente a un MoE pequeño en coste por token en el extremo inferior. La densidad también es un hecho de latencia: con cada parámetro activo en cada token, un modelo denso es generalmente más lento por token que un modelo disperso de calidad similar, y Qwen3.8-27B es además un modelo de razonamiento, así que gasta tokens de salida en pensar antes de responder. Nada de esto es una puntuación para este modelo en particular. Es la forma de la decisión que estás tomando.

Talla y ajuste, en resumen

El resumen, con la aritmética detallada donde corresponde. Los pesos completos en BF16 ocupan 55,6 GB, lo que es una conversación de aceleradores de 80 GB. El diseño de atención híbrida es lo que hace que las compilaciones comprimidas sean inusualmente manejables: una cuantización de 4 bits se sitúa en torno a los quince gigabytes y funciona cómodamente en una tarjeta de 24 GB con longitudes de contexto normales, una tarjeta de 16 GB solo es realista si aceptas una cuantización inferior o un contexto corto, y 8 GB queda descartado. Como solo 16 de las 64 capas contienen una caché de atención completa, el contexto largo cuesta menos de lo que costaría en un 27B convencional, pero no es gratis, y la caché es lo que empuja una configuración cómoda de 24 GB hacia su límite a medida que amplías la ventana. Mantenemos una página aparte con la escala de VRAM por cuantización, la curva de longitud de contexto y las cifras de memoria unificada de Apple-silicon; si vas a comprar hardware, lee esa en lugar de esta.

Los formatos, como una opción en lugar de una guía práctica

Existen cuatro rutas y responden a cuatro preguntas distintas. GGUF es la opción de compatibilidad —el linaje de llama.cpp, el mayor soporte de hardware, el formato que se ejecutará en lo que ya tengas, y es lo que la mayoría de la gente que busca Qwen3.8-27B realmente está buscando: elígelo cuando quieras que los pesos funcionen en la máquina que tienes delante y estés dispuesto a elegir un nivel de cuantización. MLX es la opción para Apple Silicon, y lo es de verdad —este modelo se ejecuta en una Mac mediante MLX, lo cual, para un modelo de visión-lenguaje de 27B, no es algo que deba darse por sentado. En el lado del servicio, NVFP4 y FP8 son los formatos que se despliegan en lugar de ejecutarse de forma interactiva: FP8 mantiene el modelo cerca de la precisión completa con aproximadamente la mitad del tamaño de pesos para una única GPU grande, y NVFP4 es la construcción agresiva de la era Blackwell que mide alrededor de 25 GB de VRAM con la torre de visión mantenida a precisión completa. Unsloth es la ruta de ajuste fino —el paquete GGUF con una ruta de entrenamiento adjunta, para cuando pretendes cambiar los pesos en lugar de solo ejecutarlos. Cada uno de esos tiene su propia página bajo este modelo, y cada uno responde una pregunta distinta a la que responde esta.

Lo que la licencia realmente permite

Qwen3.8-27B se distribuye bajo Apache 2.0. El archivo LICENSE está en el repositorio, y la licencia es el estándar permisivo en lugar de un acuerdo personalizado: uso comercial sin límite de usuarios ni regalías, modificación, redistribución y una concesión explícita de patentes, siempre que incluyas la licencia y los avisos con todo lo que redistribuyas. Esto importa porque es un archivo distinto del que rige el resto de la familia — Qwen3.8-2.4T-A95B se distribuye bajo una licencia Qwen personalizada, no Apache 2.0 —, así que «es un Qwen, luego es Apache» no es una suposición segura, y este es el miembro en el que resulta ser cierto.

Apache 2.0 sobre los pesos es también la respuesta sencilla a la mayor consulta cualificada individual junto a la que se sitúa esta página: las versiones sin censura y abliterated. Lo que la licencia permite es simple y merece decirse sin adornos: los pesos publicados pueden modificarse y redistribuirse, incluidas las modificaciones que cambian el comportamiento del modelo, y las compilaciones derivadas pueden publicarse bajo los mismos términos. Ese es todo el mecanismo que hay detrás de una publicación abliterated: una comunidad o un laboratorio publica una copia modificada de unos pesos con licencia abierta y la redistribuye. Nosotros seguimos esa vía para este modelo: las compilaciones Qwen3.8-27B-Uncensored-GGUF, NVFP4 y MLX son nuestras, publicadas bajo los mismos términos Apache 2.0 que el original. Qué generará o no generará un servicio alojado es una cuestión aparte de lo que permite la licencia, y esta página no la responde: las páginas sin censura por formato cubren las descargas.

Lo que no está resuelto

Hay tres cosas que siguen genuinamente abiertas. El contexto de 1M de tokens es una extensión YaRN y no una ventana nativa, y la propia ficha del modelo advierte que el escalado estático de YaRN puede perjudicar el rendimiento con entradas cortas, por lo que el techo práctico para la mayoría de las configuraciones locales es la ventana nativa de 262.144 y la extensión es una decisión por despliegue que hay que probar. La propia ficha del modelo de Alibaba dirige a quienes buscan un servicio gestionado hacia Qwen Cloud, que describe como próximamente para este modelo, así que a fecha de octubre de 2026 el nivel alojado que anuncia la ficha no es algo que podamos confirmar como disponible de forma general, y no vamos a describir sus condiciones a partir de un avance. Y la tabla de benchmarks de la ficha es la propia evaluación de Alibaba, no reproducida por la parte que la publicó, una salvedad que perdura más allá del lanzamiento.

Disponibilidad

Servimos este modelo. El identificador es qwen/qwen3.8-27b en nuestra lista de modelos activos: es el 27B multimodal denso, acepta texto, imágenes y video con una ventana de contexto de 262.144 posiciones, y un lector puede apuntar un cliente compatible con OpenAI hacia él hoy mismo. Eso es todo lo que diremos aquí sobre la ruta: ninguna afirmación de precio, ninguna afirmación de rendimiento. Si estás eligiendo en función del costo, calcúlalo a partir de tu propio tráfico en lugar de un número en esta página.

La elección que queda por hacer es el formato, y es una cuestión de hardware antes que de software. Si lo vas a ejecutar en la máquina que tienes delante, la ruta GGUF es donde residen los niveles de cuantización y donde descubres si tu tarjeta es suficiente. Si estás en un Mac, la ruta de MLX es la que determina si tienes memoria unificada o no. Lee una de esas dos a continuación, y vuelve a esta página solo si quieres recordarte qué es el modelo antes de comprometer el espacio en disco.