Qwen3.8-27B : le 27B dense de la gamme Qwen3.8 d'Alibaba

Un seul chiffre détermine si vous pouvez exécuter Qwen3.8-27B vous-même : 55,6 Go. C'est le total des poids BF16 dans le dépôt du fournisseur lui-même — dix-huit fragments safetensors, 27,8 milliards de paramètres une fois la tour de vision comptée — et c'est la raison pour laquelle le foyer pratique du modèle est une carte graphique de 24 Go exécutant une version compressée, plutôt qu'une station de travail l'exécutant tel quel. Tout le reste à propos de Qwen3.8-27B découle de cette forme. C'est un modèle dense, et non un mélange d'experts : chaque token que vous générez active la totalité des 27 milliards de paramètres, soit le compromis inverse de celui des géants clairsemés avec lesquels il partage une génération. Et c'est le seul membre de cette série autour duquel s'est constitué un véritable voisinage nominal — les lecteurs le recherchent pour lui-même, et ils recherchent les qualificatifs qui l'entourent — cette page est donc la réponse sans détour à ce qu'est la chose, à quoi elle sert, et à ce que vous choisissez avant d'opter pour une taille ou un format.

L'identification précise, car trois noms de cette famille sont faciles à confondre. Qwen3.8-27B est le membre dense et auto-hébergeable de la génération Qwen3.8 d'Alibaba. Ses homologues sont des produits différents : Qwen3.8-2.4T-A95Best le mélange d'experts clairsemé de 2,4 billions de paramètres dont les poids ont également été publiés en août 2026, et Qwen3.8-Max est l'API hébergée bâtie sur cette même architecture, qui ne dispose d'aucun poids téléchargeable. La génération a été annoncée le 3 août 2026, et les poids du 27B sont arrivés sur Hugging Face et ModelScope le 14 août 2026 sous licence Apache 2.0 — une date qu'il vaut la peine de citer avec précision, car le lancement ne sert qu'à dater ce modèle, et non d'événement que cette page rapporte.

Ce que c'est, dans les propres mots d'Alibaba

La fiche modèle décrit Qwen3.8-27B comme un « modèle dense compact, adapté au déploiement » : un modèle vision-langage natif qui comprend les images et les vidéos, doté d'un contrôle flexible de la réflexion, « conçu pour mener à bien des tâches complexes à plusieurs étapes avec une fiabilité accrue ». Il s'agit là du positionnement du fournisseur, attribué, et la fiche l'étaye par cinq améliorations annoncées — des gains de capacités fondamentales en programmation, en travail professionnel, en recherche et sur les tâches agentiques à long horizon ; une planification autonome renforcée et une meilleure prise en compte des retours de l'environnement ; une prise en charge élargie des harnais d'agents et des outils de développement populaires ; un mode réflexion activé par défaut mais désactivable au cas par cas, dont la profondeur se règle via reasoning_effort ; et une compréhension native des images et des vidéos qui, selon la fiche, couvre les diagrammes et les documents STIM jusqu'aux vidéos d'une heure.

L’architecture qui sous-tend cette affirmation est hybride. Qwen3.8-27B est agencé en seize blocs répétitifs, chacun contenant trois couches d’attention linéaire Gated DeltaNet et une couche Gated Attention complète — 64 couches au total, dimension cachée de 5 120, 48 têtes d’attention linéaire pour les valeurs contre 16 pour les requêtes. En clair : une seule couche sur quatre conserve un cache d’attention conventionnel. C’est pourquoi un modèle de 27B peut porter un contexte natif de 262 144 jetons sans la facture mémoire qu’exigerait un transformer conventionnel de cette taille, et c’est aussi pourquoi son empreinte locale est plus favorable que ne le suggère son nombre de paramètres. Le contexte s’étend jusqu’à 1 000 000 de jetons avec la mise à l’échelle YaRN, dont la fiche avertit qu’elle peut dégrader les performances sur des entrées plus courtes si vous la laissez activée statiquement. Le mode réflexion est activé par défaut ; l’échantillonnage recommandé par la fiche est une température de 1,0 avec top_p 0,95 en mode réflexion, 0,7 avec top_p 0,80 sinon, et il suggère d’allouer généreusement la sortie — jusqu’à 262 144 jetons de raisonnement et 131 072 pour la réponse finale dans une fenêtre longue.

Maintenant, la partie générale honnête, qui relève du savoir-faire plutôt que d’une mesure de ce modèle. Un modèle dense de 27B en 2026 occupe une place bien précise. Il est assez grand pour être réellement utile et assez petit pour tenir sur du matériel qu’une personne ou une petite équipe possède, ce qui en fait la bonne forme pour l’inférence privée, pour le travail par lots où la facturation au token est l’ennemi, et pour les boucles d’agents qui font de nombreux appels peu coûteux plutôt qu’un seul appel onéreux. Ce n’est pas la bonne forme pour le raisonnement le plus difficile que vous ayez, pour les documents uniques les plus longs, ni pour quoi que ce soit où vous préférez louer l’état de l’art plutôt que posséder le suffisamment bon — un modèle dense de 27B perd face à un modèle frontière bien servi dans le haut de gamme, et il perd face à un petit MoE sur le coût par token dans le bas de gamme. La densité est aussi un fait de latence : avec chaque paramètre actif sur chaque token, un modèle dense est généralement plus lent par token qu’un modèle sparse de qualité similaire, et Qwen3.8-27B est en plus un modèle de raisonnement, donc il dépense des tokens de sortie à réfléchir avant de répondre. Rien de tout cela n’est un score pour ce modèle en particulier. C’est la forme de la décision que vous prenez.

Taille et coupe, en résumé

Le résumé, avec les calculs détaillés laissés là où ils appartiennent. Les poids BF16 complets font 55,6 Go, ce qui est une affaire d'accélérateurs de 80 Go. C'est l'agencement d'attention hybride qui rend les versions compressées étonnamment maniables : une quantification 4 bits tombe dans la quinzaine de gigaoctets et tourne confortablement sur une carte de 24 Go aux longueurs de contexte ordinaires, une carte de 16 Go n'est réaliste que si vous acceptez une quantification plus basse ou un contexte court, et 8 Go, c'est exclu. Comme seules 16 des 64 couches détiennent un cache d'attention complet, le contexte long coûte moins cher qu'il ne le ferait sur un 27B classique — mais ce n'est pas gratuit, et c'est le cache qui pousse une configuration confortable de 24 Go vers son plafond à mesure que vous augmentez la fenêtre. Nous tenons une page séparée avec l'échelle de VRAM par quantification, la courbe de longueur de contexte et les chiffres de mémoire unifiée Apple silicon ; si vous achetez du matériel, lisez celle-là plutôt que celle-ci.

Les formats, comme un choix plutôt qu’un mode d’emploi

Quatre voies existent et elles répondent à quatre questions différentes. GGUF est le choix de compatibilité — la lignée llama.cpp, la prise en charge matérielle la plus large, le format qui tournera sur ce que vous possédez déjà, et c’est ce que la plupart des gens qui recherchent Qwen3.8-27B cherchent en réalité : choisissez-le quand vous voulez que les poids fonctionnent sur la machine devant vous et que vous êtes prêt à choisir un niveau de quantification. MLX est le choix pour Apple silicon, et c’en est un vrai — ce modèle tourne sur un Mac via MLX, ce qui, pour un modèle vision-langage de 27B, n’est pas quelque chose que l’on peut supposer. Du côté du service, NVFP4 et FP8 sont les formats que l’on déploie plutôt que ceux que l’on exécute de manière interactive : FP8 maintient le modèle proche de la pleine précision avec une empreinte de poids réduite de moitié environ pour un seul grand GPU, et NVFP4 est la version agressive de l’ère Blackwell qui occupe environ 25 GB de VRAM, la tour de vision étant maintenue en pleine précision. Unsloth est la voie du fine-tuning — le pack GGUF auquel est attaché un parcours d’entraînement, pour les cas où vous avez l’intention de modifier les poids plutôt que de simplement les exécuter. Chacune de ces voies a sa propre page sous ce modèle, et chacune répond à une question différente de celle à laquelle répond celle-ci.

Ce que la licence permet réellement

Qwen3.8-27B est distribué sous Apache 2.0. Le fichier LICENSE se trouve dans le dépôt, et la licence est la licence standard permissive plutôt qu'un accord personnalisé : utilisation commerciale sans plafond d'utilisateurs ni redevance, modification, redistribution et concession explicite de brevet, à condition de joindre la licence et les mentions à tout ce que vous transmettez. Cela compte, car il s'agit d'un fichier différent de celui qui régit le reste de la famille — Qwen3.8-2.4T-A95B est distribué sous une licence Qwen personnalisée, et non Apache 2.0 — donc « c'est un Qwen, donc c'est Apache » n'est pas une supposition sûre, et c'est le membre de la famille pour lequel c'est justement vrai.

Apache 2.0 sur les poids est aussi la réponse toute simple à la plus grande requête qualifiée unique à côté de laquelle se trouve cette page, les requêtes non censurées et abliterated. Ce que la licence permet est simple et mérite d’être dit sans fard : les poids publiés peuvent être modifiés et redistribués, y compris par des modifications qui changent le comportement du modèle, et des builds dérivés peuvent être publiés sous les mêmes conditions. C’est tout le mécanisme derrière une publication abliterated — une communauté ou un laboratoire publie une copie modifiée de poids sous licence ouverte et la redistribue. Nous suivons nous-mêmes cette voie pour ce modèle : les builds Qwen3.8-27B-Uncensored-GGUF, NVFP4 et MLX sont les nôtres, publiés sous les mêmes termes Apache 2.0 que l’original. Ce qu’un service hébergé générera ou non est une question distincte de ce que la licence permet, et cette page n’y répond pas — les pages non censurées par format couvrent les téléchargements.

Qu’est-ce qui n’est pas réglé ?

Trois points restent réellement en suspens. Le contexte de 1 M de tokens est une extension YaRN plutôt qu'une fenêtre native, et la fiche du modèle elle-même avertit que la mise à l'échelle YaRN statique peut nuire aux performances sur les entrées courtes ; le plafond pratique pour la plupart des configurations locales est donc la fenêtre native de 262 144 tokens, et l'extension relève d'une décision par déploiement que vous devez tester. La fiche du modèle d'Alibaba elle-même oriente les lecteurs en quête d'un service géré vers Qwen Cloud, qu'elle présente comme bientôt disponible pour ce modèle — ainsi, en octobre 2026, l'offre hébergée annoncée par la fiche n'est pas quelque chose que nous pouvons confirmer comme généralement disponible, et nous n'allons pas décrire ses conditions à partir d'un simple aperçu. Et le tableau de benchmarks de la fiche provient de l'évaluation d'Alibaba elle-même, non reproduite par l'entité qui l'a publiée, une réserve qui persistera au-delà du lancement.

Disponibilité

Nous proposons ce modèle. L'identifiant est qwen/qwen3.8-27b dans notre liste de modèles en direct — c'est le modèle dense multimodal 27B, il accepte le texte, les images et la vidéo avec une fenêtre de contexte de 262 144 positions, et un lecteur peut pointer un client compatible OpenAI vers lui dès aujourd'hui. C'est tout ce que nous dirons ici au sujet de la route : aucune affirmation sur le prix, aucune affirmation sur le débit. Si vous faites votre choix en fonction du coût, calculez-le à partir de votre propre trafic plutôt qu'à partir d'un chiffre figurant sur cette page.

Le choix qui reste à faire est celui du format, et c'est une question de matériel avant d'être une question de logiciel. Si vous l'exécutez sur la machine devant vous, la voie GGUF est celle où résident les paliers de quantification et où vous découvrez si votre carte est suffisante. Si vous êtes sur un Mac, la voie MLX est celle qui détermine si vous disposez bel et bien de la mémoire unifiée. Lisez ensuite l'une de ces deux, et ne revenez à cette page que si vous voulez vous rappeler ce qu'est le modèle avant d'engager l'espace disque.