LBS-27B vs Qwen3.8 27B : la barre des 27B, et le laboratoire qui la lit

Six semaines avant que LBS-27B n’apparaisse comme un dépôt vide, inclusionAI a publié un autre modèle : inclusionAI/Qwen3.8-27B-singprobe, une petite sonde de garde-fou en streaming construite au-dessus du modèle d’Alibaba Qwen3.8 27B. Ce n’est pas un modèle de langage et ce n’est pas un concurrent. C’est un classificateur de sécurité qui lit les états cachés de Qwen3.8 27B pendant que ce modèle génère, et son existence vous dit quelque chose qu’une fiche technique ne peut pas dire : le laboratoire qui vient de réserver le nom LBS-27B travaille directement avec le modèle qui occupe le même créneau de paramètres.

C'est pourquoi c'est l'affrontement qui compte le plus dans ce lot. Gemma 4 26B A4B relève d'une autre architecture et d'une autre gamme de prix ; Granite 4.2 30B est une offre dense destinée aux entreprises ; LFM2.5 24B A2B est une expérience d'efficacité. Qwen3.8 27B est le modèle que viserait le plus vraisemblablement un nouveau 27B d'un laboratoire chinois sérieux. Savoir si LBS-27B est un défi pour lui, une alternative moins chère ou quelque chose d'entièrement différent est impossible à partir d'un dépôt contenant un fichier de licence de 28 octets — mais le niveau fixé par Qwen, lui, est connu, et il est élevé.

Ce qu'est réellement Qwen3.8 27B

Qwen3.8 27B est commercialisé comme un modèle 27B, listé à 28B paramètres en BF16 sur Hugging Face, et repose sur une pile d’attention hybride plutôt que sur un transformateur standard. La fiche décrit seize blocs répétitifs, chacun contenant trois couches Gated DeltaNet suivies d’une couche Gated Attention, avec une taille cachée de 5 120, 64 couches, 24 têtes d’attention, 4 têtes clé-valeur et une dimension feed-forward de 17 408. Le vocabulaire compte 248 320 tokens.

La fenêtre de contexte est de 262 144 tokens nativement, extensible jusqu'à environ un million grâce à YaRN. Le modèle est nativement multimodal : texte, images et vidéo en entrée, texte en sortie. La réflexion est activée par défaut, avec des niveaux d'effort de raisonnement xhigh, medium et low, ainsi qu'un indicateur preserve-thinking activé par défaut. La licence est Apache-2.0. Les poids sont apparus en août 2026.

L’architecture est l’élément sur lequel il vaut la peine de s’arrêter. Les couches Gated DeltaNet sont des variantes d’attention linéaire qui passent mieux à l’échelle avec la longueur de séquence que l’attention complète, et les entrelacer avec un petit nombre de couches d’attention complète est un moyen d’obtenir un comportement en contexte long sans payer un coût quadratique à chaque couche. C’est une conception plus ambitieuse qu’un simple empilement dense, et c’est le genre de chose difficile à égaler du premier coup.

Le bar, en chiffres

Tous les résultats ci-dessous sont ceux rapportés par Qwen elle-même et n’ont pas été reproduits indépendamment par nos soins. Ils restent néanmoins la référence pertinente, car c’est à eux qu’un acheteur comparera.

• Codage et ingénierie logicielle — LiveCodeBench v6 90,3, QwenSWEBench 79,0, SWE-bench Pro 61,7, DeepSWE 1.1 42,2, NL2Repo-Bench 42,3.

• Travaux sur terminal et agents — Terminal-Bench 2.1 (Terminus) 73,0 ; CoWorkBench 70,7 ; JobBench 33,4 ; Agents' Last Exam 20,4 pass@1 et score de 42,9.

• Connaissances et raisonnement — GPQA Diamond 89,2, Humanity's Last Exam 30,8, IFBench 79,5. Le chiffre HLE est inhabituellement élevé pour un modèle 27B et constitue le nombre le plus frappant de la fiche.

• Vision et utilisation de l’ordinateur — OSWorld-Verified 84,3, AndroidWorld 81,9, WebArena Verified 64,8, MathVision 90,0 sans intégration de chaîne de pensée et 94,6 avec, OmniDocBench 1.5 91,1, RealWorldQA 85,9, raisonnement CharXiv 83,7 et 90,2 avec intégration.

• Lignes plus faibles — SWE-MM 38,6, RecreationBench 47,1, ClawEval-MM 57,4 pass@3. Même les lignes faibles restent respectables.

Ce n’est pas un modèle qui gagne sur un seul axe. Il est compétitif à la fois en codage, en connaissances, en vision et en utilisation d’ordinateur, ce qui est exactement le profil qui rend un concurrent de même taille difficile à positionner. Un nouveau 27B ne peut pas le battre en étant légèrement meilleur sur une seule chose ; il lui faut un argument différent.

Ce que LBS-27B a montré

Rien qui puisse être évalué. Le dépôt a été créé à 05:36 UTC le 26 octobre 2026 et contient un fichier de 1 519 octets .gitattributes ainsi qu’un README de 28 octets. Le README est la déclaration de licence et uniquement la déclaration de licence : license: apache-2.0. Il n’y a pas de poids, pas de configuration, pas de tokeniseur, pas de fiche modèle et aucune ligne de benchmark. Les téléchargements ne sont pas suivis et les mentions J’aime sont à zéro, et nous n’avons trouvé aucune annonce, aucun article ni aucune discussion publique du modèle nulle part.

Le « 27B » est un nom. Il n'a pas été confirmé comme un nombre total de paramètres, encore moins comme un nombre de paramètres actifs, et rien n'indique si le modèle est dense, creux ou construit sur une architecture d'attention hybride comme celle de Qwen.

La sonde est l’indice le plus intéressant.

Le Qwen3.8-27B-singprobe d'inclusionAI a été créé le 14 septembre 2026 et est étiqueté pour la sécurité, les garde-fous, le streaming et la détection d'hallucinations. Il est basé sur Qwen3.8 27B, sous licence Apache-2.0, et il a suscité peu d'attention — 219 téléchargements et deux mentions J'aime au moment de la rédaction.

Son importance ne réside pas dans sa popularité. Il montre qu’inclusionAI instrumente Qwen3.8 27B au niveau des états cachés, ce qui signifie que le laboratoire comprend suffisamment bien les représentations internes du modèle pour construire un classificateur à partir de celles-ci. C’est une forme de familiarité plus profonde qu’une comparaison de benchmarks. Cela ne prouve pas que LBS-27B est dérivé de Qwen3.8 27B — il n’en existe aucune preuve, et les deux organisations sont des entreprises distinctes, Ant Group et Alibaba — mais cela suggère que la classe 27B n’est pas une cible aléatoire pour ce laboratoire.

Cela soulève aussi une possibilité qui mérite d’être nommée : un laboratoire qui livre des sondes de sécurité avec ses modèles pourrait positionner son propre 27B autour de la contrôlabilité et des garde-fous plutôt que d’une domination brute sur les benchmarks. Si c’est là l’argument de vente, la comparaison avec Qwen3.8 27B passe de « qui obtient le meilleur score » à « lequel est plus facile à déployer en toute sécurité » — une autre question, avec une autre réponse.

Trois façons dont cela pourrait se dérouler

Sans fiche de modèle, l'approche honnête consiste à décrire les formes plausibles plutôt qu'à en choisir une.

• Une alternative à Qwen moins chère. Si LBS-27B est un modèle dense de 27B avec une qualité comparable et un coût de service inférieur, il est compétitif sur le prix. C’est difficile face à un modèle à 0,33 $ par million de jetons d’entrée, mais pas impossible si la recette d’entraînement d’inclusionAI est plus efficace ou s’il cible un plus petit nombre de paramètres actifs.

• Un pari sur l’efficacité. Si LBS-27B est clairsemé avec un faible nombre de paramètres actifs, il contourne entièrement le profil de calcul de Qwen. Qwen3.8 27B est dense, ce qui le rend coûteux par token en contexte long ; un modèle 27B clairsemé dont seule une fraction est active pourrait le battre sur le coût, au prix d’une certaine qualité. C’est la stratégie de LFM2.5 appliquée à une taille supérieure.

• Un créneau différent. Si LBS-27B se distingue par la sécurité, la couverture multilingue, le travail sur documents longs ou un harnais agentique spécifique, il ne cherche peut-être pas du tout à surpasser Qwen3.8 27B sur tous les tableaux. Le singprobe en est une preuve faible, mais c'est la seule preuve dont on dispose.

Chacune de ces formes implique un fichier de configuration différent. C'est pourquoi la révélation de l'architecture, lorsqu'elle viendra, sera plus instructive que n'importe quel article de blog annonçant un lancement.

La comparaison, avec les blancs indiqués

• Paramètres — Qwen3.8 27B est commercialisé comme 27B et indiqué comme 28B en BF16 ; LBS-27B est un 27B non vérifié.

• Architecture — un hybride de couches Gated DeltaNet et Gated Attention pour Qwen ; inconnu pour LBS.

• Contexte — 262 144 natifs et environ un million avec YaRN pour Qwen ; inconnu pour LBS.

• Modalité — entrée texte, image et vidéo avec sortie texte pour Qwen ; inconnue pour LBS.

• Contrôles du raisonnement — effort de raisonnement à xhigh, medium ou low pour Qwen ; inconnu pour LBS.

• Licence — Apache-2.0 pour {{1}}Qwen{{/1}} ; Apache-2.0 déclarée pour {{2}}LBS{{/2}}.

• Prix — 0,33 $ par million de jetons d'entrée et 2,40 $ par million de jetons de sortie pour Qwen sur OrcaRouter ; aucun prix pour LBS.

• Évaluations — une fiche fournisseur complète pour Qwen, comprenant des lignes dédiées au codage, à l’agentique et à la vision ; aucune pour LBS.

Le prix et l’argument en faveur d’une API unique

Qwen3.8 27B est disponible sur OrcaRouter sous la référence qwen/qwen3.8-27b à 0,33 $ par million de tokens d'entrée et 2,40 $ par million de tokens de sortie, avec la fenêtre de contexte complète de 262 144 tokens. OrcaRouter répercute le prix catalogue du fournisseur avec 0 % de marge, donc si Alibaba ou ses partenaires d'hébergement modifient le tarif, le montant affiché de notre côté évolue le jour même. Une seconde offre Qwen3.8 27B existe également sur la plateforme, à un tarif plus élevé et sous un autre nom de fournisseur, ce qui vaut la peine d'être vérifié si vous comparez des devis.

LBS-27B n'est pas disponible sur OrcaRouter. Il n'y a rien vers quoi router. Lorsque les poids existent, la manière pratique de répondre à la question à laquelle cet article ne peut pas répondre — le nouveau modèle est-il réellement meilleur pour ma charge de travail ? — consiste à lui envoyer une partie du trafic via le même point de terminaison, tandis que Qwen reste la solution de repli. Le basculement automatique transforme cela en une expérience réversible plutôt qu'en une migration, et le DSL de routage permet d'exprimer la répartition sous forme de politique plutôt que de branche de code. C'est le rôle utile d'un routeur dans une comparaison de modèles 27B : non pas choisir le gagnant, mais vous permettre de mesurer l'un par rapport à l'autre sur vos propres entrées.

Qu’est-ce qui en ferait une véritable comparaison ?

Le premier artefact est un fichier de configuration. Il tranchera entre une architecture dense et une architecture sparse et donnera un nombre de paramètres actifs, ce qui déterminera si LBS-27B rivalise avec Qwen sur la qualité ou contourne cette concurrence par le coût.

Le second est une tour de vision. La capacité multimodale de Qwen3.8 27B n'est pas une fonctionnalité accessoire ; elle explique en grande partie pourquoi le modèle est compétitif sur les tâches liées aux documents, aux interfaces utilisateur et à l'utilisation d'un ordinateur. Un LBS-27B uniquement textuel serait un produit plus restreint, destiné à un segment plus étroit des mêmes acheteurs.

Le troisième est une déclaration de positionnement d’inclusionAI. Le laboratoire n’a pas précisé à quoi sert LBS-27B, et le nom ne l’indique pas non plus. Tout ce qui, dans cet article, concerne l’intention relève d’une inférence à partir d’une sonde, d’une licence et d’un horodatage.

Pour l'instant, la conclusion défendable est étroite. Qwen3.8 27B est l'un des modèles 27B les plus performants disponibles, avec une architecture hybride, une multimodalité native, une voie d'extension à un million de tokens et un prix d'hébergement agressif. LBS-27B est un dépôt qui n'est pas encore devenu un modèle. L'écart entre eux n'est pas un écart de capacité ; c'est la distance entre un produit fini et un nom réservé — et la question intéressante est de savoir si un laboratoire qui lit les états cachés de Qwen se prépare à lui faire concurrence ou à le compléter.