
Qwen3.8-27B סקירה: ה-27B במשקל פתוח שהוא "אופוס בבית" — נבחן מול ההייפ
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 187 tok/s
- openaiחדשOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 לכל 1M טוקנים · 87 tok/s
- openaiחדשOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 לכל 1M טוקנים · 152 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 194 tok/s
- AlibabaחדשQwen: Qwen4 Max2026-11-16$1.50 / $4.50 לכל 1M טוקנים · 86 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 705 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 לכל 1M טוקנים · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 101 tok/s
Qwen3.8 27B הוא מודל ה-27B הטוב ביותר במשקולות פתוחות שתוכלו לארח בעצמכם כרגע, וזה לא ממש צמוד. המשקולות שוחררו ב-14 באוגוסט 2026 תחת רישיון Apache 2.0: מודל dense של 27B (28B כולל מקודד הראייה) עם חלון הקשר מקורי של 262K, קלט תמונות ווידאו מקורי, וציוני קידוד סוכני כפי שדווחו על ידי הספק, שנמצאים ברמה של Claude Opus 4.6 Max או מעליה — SWE-bench Pro 61.7, DeepSWE 1.1 42.2, LiveCodeBench v6 90.3. המחיר הכותרתי הוא אפס: הורידו 55.6 GB והריצו אותו. גם ההסתייגויות אמיתיות — בדיקות בלתי תלויות מגלות שהוא איטי פי שלושה בערך ורעב יותר לטוקנים מקודמו, ולטבלת הבנצ'מרקים של הספק עדיין אין שחזור מאחוריה, וההקשר של 1M הוא תכונה הזמינה באירוח בלבד. התנועה המעניינת מאז ההשקה נמצאת מתחת לדף המפרט: ב-13 באוקטובר פורט קהילתי של llama.cpp דיווח על הרצת המשקולות האלה על ה-GPU של PlayStation 5 פרוצה, בקצב של כ-20 טוקנים לשנייה. שורה תחתונה: אם יש לכם GPU של 24 GB ומעלה ואתם רוצים יכולת הקרובה לחזית בלי חשבון מחויב לפי שימוש, ארחו אותו בעצמכם — אבל היכנסו לזה בידיעה היכן בדיוק המספרים רכים.
קודם כל, פסק הדין: האם כדאי לך להשתמש ב-Qwen3.8 27B?
תשובה קצרה — כן עבור עומסים מקומיים ופרטיים; המתן למספרים של צד שלישי לפני החלטת רכש. Qwen3.8 27B הוא המודל הנדיר שבו המשקולות הפתוחות הן המוצר וה-API הוא הנוחות. מכיוון שהרישיון הוא Apache 2.0, המחיר לכל token הוא אפס לצמיתות ברגע שיש לך את החומרה, וכל מה שאתה בונה עליו לא יכול להיות ברישוי מחדש או לחיוב רטרואקטיבית. מה שאתה מוותר עליו הוא מהירות, אימות ונוחות.
אם אתה כבר מריץ Qwen3.6-27B ומרוצה ממנו, השדרוג אמיתי אבל לא בחינם במונחי זמן־שעון. אם הגעת לכאן מההשקה של Qwen3.8-Max, זה החבר הקטן יותר מאותו דור שניתן לאירוח עצמי — כלי שונה למשימה שונה.
העובדות המהירות, נבדקו ב־15 באוקטובר 2026
• שוחרר — המשקלים הפכו לזמינים ב-14 באוגוסט 2026 ב-Qwen/Qwen3.8-27B ב-Hugging Face, ומשוקפים ב-ModelScope; סיקור הנוקב באזורי זמן מציין גם את 13 באוגוסט, והשחרור הגיע כשבוע לאחר שהוכרז דור Qwen3.8.
• רישיון — Apache 2.0: הורדה, שינוי, הפצה מחדש, שימוש מסחרי, עם הענקת פטנט מפורשת. לצמיתות.
• פרמטרים — 27B דחוס (28B כולל מקודד הראייה), 64 שכבות, גודל חבוי 5,120, אוצר מילים 248,320.
• ארכיטקטורה — קשב היברידי: 48 שכבות קשב ליניארי של Gated DeltaNet לעומת 16 שכבות Gated Attention מלאות (יחס של 3:1). זו הסיבה שמודל צפוף עם 27B פרמטרים יכול להכיל קונטקסט מקורי של 262K טוקנים.
• הקשר — 262,144 טוקנים באופן מקורי; ניתן להרחיב ל-1,000,000 באמצעות YaRN בגרסה המתארחת.
• קלט — תמיכה מקורית בתמונה ובווידאו לצד טקסט; מחזיר טקסט. מקודד הראייה הוא הסיבה לכך שמספר הפרמטרים עומד על 28B.
• חשיבה — מצב חשיבה מופעל כברירת מחדל וניתן להשביתו לפי בקשה; reasoning_effort (נמוך/בינוני/גבוה) ו-preserve_thinking לריצות סוכן ארוכות.
• משקלים — 55.6 GB של safetensors בפורמט BF16 ב-18 מקטעים; FP8 ו-GGUFs של הקהילה גם זמינים.
המפרטים שלעיל לקוחים מכרטיס המודל ומקובץ התצורה של Hugging Face עבור Qwen3.8 27B, שנקראו ב-15 באוקטובר 2026. טבלת הבנצ'מרקים של הספק מבוססת על דיווחי אליבאבא ועדיין לא שוחזרה. ההערכה העצמאית היחידה שתועדה היא של Artificial Analysis, שמעניקה ל-Qwen3.8 27B ציון 34 במדד האינטליגנציה שלה ומודדת 41.2 אסימוני פלט בשנייה — מדד בודד מול כרטיס מלא בנתוני ספק, והוא אינו משחזר אותם.
במה Qwen3.8 27B באמת טוב
המקרה החזק ביותר הוא הנדסת תוכנה סוכנתית. Alibaba מדווחת על קפיצה של פי 3 ב-DeepSWE 1.1 לעומת ה-27B הקודם (42.2 לעומת 13.3) וציון גבוה מ-Claude Opus 4.6 Max ב-SWE-bench Pro (61.7 לעומת 53.4). אלה הם המספרים שהקנו לו את הכינוי "Opus at home" — 27B דחוס שעושה עבודת קידוד קרובה לחזית על חומרה שאדם יכול להחזיק בפועל.

שלושה דברים מלבד המספרים הגולמיים הופכים את זה לרכישה מוצדקת:
• רב-מודאלי טבעי.תמונה ווידאו כקלט, טקסט כפלט — מסמך עם דיאגרמות או סרטון הדגמה אינו מודל נפרד. הציונים של חשיבה חזותית (85.6 כשתכונת שרשרת החשיבה מופעלת, 94.6 מתמטיקה חזותית, שניהם לפי דיווח הספק) הם המקום שבו מקודד הראייה מוכיח את ערכו.
• 262K קונטקסט מקורי.משימות סוכן ארוכות טווח, בסיסי קוד גדולים ותמלילים רב-שעתיים נכנסים בחלון אחד. עיצוב הקשב הליניארי ההיברידי שומר על עלות ה-KV של אותו קונטקסט נמוכה יותר מאשר מודל קשב מלא טהור באותו גודל.
• משקלים חופשיים וקבועים. זה כל העניין בקטגוריה: מודל API סגור מושכר; Qwen3.8 27B הוא בבעלותך. ב-4-bit הוא רץ על כרטיס של 24 GB (מחלקת RTX 3090/4090), ו-AMD סיפקה תמיכה כבר ביום ההשקה (עד 24.5 tokens/s על Ryzen AI Max+ 395 ו-51.8 tokens/s על Radeon AI PRO R9700, לפי הבלוג של AMD).
כאן הסקירה נעשית מכוערת: מהירות, טוקנים ואימות
הבדיקות הבלתי תלויות עד כה הן מסגרת בדיקות של בודק אחד, לא מעבדה — אבל זה האות הטוב ביותר שיש לנו. הרצת Qwen3.8 27B נגד Qwen3.6-27B על עשר משימות בעולם האמיתי (שנשפטו על ידי GPT-5.5 באמצעות מסגרת ה-llmcompare), ה-3.8 ניצח בתשע מתוך עשר וקיבל ציון ממוצע של 8.838 לעומת 6.862 — "אחת מהקפיצות האינטליגנטיות המרשימות ביותר" שהבודק ראה. הוא גם השתמש בכמעט פי שלושה טוקנים והיה איטי באופן ניכר; משימה אחת ארכה בערך 600% יותר זמן. אז הקפיצה באיכות היא אמיתית, וכך גם המחיר בזמן שעון.
עוד ארבעה דברים לחובתו:
• בנצ'מרקים עצמאיים, פחות ממה שהכרטיס מרמז. כרטיס הספק מפורט, וכל מספר בו עדיין מדווח על ידי Alibaba. הציון של Artificial Analysis במדד Intelligence Index, 34, בקריאה מ-15 באוקטובר, הוא ההערכה העצמאית הראשונה שיש למודל הזה — ציון אחד, ממעבדה אחת, שאינו אומר דבר על SWE-bench Pro 61.7 או DeepSWE 1.1 42.2. אם ההחלטה שלך מחייבת שטענות האייג'נטיות ישוחזרו, הן לא שוחזרו.
• רצפת ה-VRAM אמיתית. BF16 דורש GPU בדרגת 80 GB. כדי להיכנס לכרטיס של 24 GB עליכם להריץ 4-bit, ודיווחים מהקהילה (שרשור תגובות ב-dev.to, ימים לאחר ההשקה) אומרים שבניינים מכומתים "מאבדים פוקוס אחרי הקשר ארוך". משקולות רשמיות אם יש לכם VRAM; מכומתים אם אין — ומסלול הכימות מגיע כעת לחומרה הרבה מתחת לכרטיס של 24 GB, וזו העדות הממשית הראשונה לכך — המדידה של PlayStation 5 שלהלן.
• הקשר של 1M זמין רק בגרסת האירוח. המשקלים הפתוחים מוגבלים ל-262K. ההרחבה ל-1M היא תכונה של Qwen Cloud בגרסת האירוח, לא משהו שעותק מקומי עושה כברירת מחדל.
• "עוקף את Opus" זקוק להסתייגויות.בנצ'מרקים של סוכנים מתגמלים התנהגויות ספציפיות למעטפת הבדיקה, ותגובה מובילה בפוסט ההשקה ב-dev.to ניסחה זאת בלא כפפות: "הם לא גוברים על Opus בשימוש בעולם האמיתי." תייחסו ללוח התוצאות כאל חסם עליון ביום מוצלח, לא כהבטחה.
איך זה משתלב במשפחת Qwen 3.8
• לעומת Qwen3.6-27B — אותה קטגוריית חומרה והקשר של 262K, אבל קפיצת יכולת משמעותית במחיר של מהירות ויעילות טוקנים. אם אתה כבר מריץ 3.6 ומוגבל על ידי תפוקה, להישאר עם זה מוצדק.
• לעומת Qwen3-Coder-30B-A3B — ה-Coder הוא MoE עם כ-3.3B פרמטרים פעילים שרץ הרבה יותר מהר (~90–110 אסימונים/שנייה). ה-27B הדחוס איטי יותר לכל אסימון אבל יורש את הרווחים האג'נטיים של הדור; אם הציונים של ה-27B בהנדסת תוכנה יעמדו במבחנים בלתי תלויים, תפקידו של ה-Coder-30B מצטמצם.
• לעומת Qwen3.8-Max — הדגם המוביל מסוג 2.4T MoE הוא מודל למרכז נתונים (דרך API בלבד, בסביבות $2/$6 למיליון טוקנים לפי הסיקורים שפורסמו) עם חלון הקשר של 1M ווידאו. ה-27B הוא הדגם הניתן לפריסה. הם עונים על שאלות שונות.
רצפת החומרה השתנתה ב-13 באוקטובר
PS5LM הוא פורט של llama.cpp שמריץ מודלי GGUF על PlayStation 5 פרוצה, בתוך קונסולה שכבר בבעלותך. הבילד שפורסם שלו צנוע — v0.1.1, payload בודד המוגבל למודל של כ־1.6 GB, שהוא Qwen3.5 2B ב־4-bit ולא משהו גדול יותר, על CPU בלבד. ב־13 באוקטובר הפרויקט קיבל pull request שמשנה את מה שנראה ברשימת החומרה: מסלול של אפליקציה נייטיבית שמקשר את llama-server מול דרייבר Vulkan קהילתי לקונסולה, ומדווח על Qwen3.8 27B בקצב של 20.7 טוקנים לשנייה בקוונטיזציה UD-IQ2_XXS (6.77 GiB, הקשר 64k) ו־20.3 טוקנים לשנייה ב־UD-Q2_K_XL (9.15 GiB, הקשר 32k, מטמון q4_0), עם תשובה אחת בת 7,775 טוקנים שנשמרה בקצב של 19.7 טוקנים לשנייה. אותה קונסולה החזירה 61 טוקנים לשנייה עם Gemma 4 E4B ו־124 עם Llama 3.2 3B Instruct, וזה מה שהופך את הנתון של 27B לשווה קריאה: זה לא מודל קטן שמחמיא למספר גדול.
תייגו את זה לפני שאתם מסתמכים על זה. הנתונים האלה הם המדידות של מחבר ה-pull request בעצמו על ענף שלא מוזג, לא בנצ'מרק של ספק ולא build ששוחרר. המאגר של PS5LM עצמו עדיין מפרט גם GPU offload וגם Qwen 3.8 27B כפריטים במפת הדרכים שטרם שוחררו, והתגובה של המתחזק ב-pull request אומרת שהוא ישחזר את המספרים בקונסולה שלו לפני שה-README יציג אותם. בודק שני מדווח שהאפליקציה פועלת בכלל — קושחה 4.50, מודלים 7B ו-9B בקצב של בערך 30 טוקנים לשנייה — מה שמאשש את המנגנון בלי לשחזר את תוצאת ה-27B. ההגעה לשם גם מניחה קונסולה בבעלותכם, קושחה 7.00 עד 13.60, ו-jailbreak.
מה שזה משנה הוא צורת שאלת העלות, לא התשובה שלה. מודל 27B צפוף במהירות של בערך 20 טוקנים לשנייה על קונסולת משחקים איטי יותר מאותו מודל המוגש מ-GPU אמיתי — Artificial Analysis מודדת 41.2 טוקנים לשנייה דרך ה-API של Alibaba עצמה, ו-20 טוקנים לשנייה הוא הקצב של גרסת 2-bit, עם אובדן האיכות שמשתמע מדחיסה. אז זו לא סיבה לוותר על כרטיס ה-24 GB; זו עדות לכך שהמחלקה הזו יכולה לרוץ גם בהרבה פחות מכך. אם מה שאתם באמת רוצים הוא לדעת אם המודל טוב לפני שאתם משקיעים סוף שבוע בג'יילברייק, הדרך הזולה היא קריאה בתשלום לפי שימוש: מפתח אחד עבור יותר מ-200 מודלים, בלי חוזה שני, ומעבר אוטומטי לגיבוי בין ספקים אם נקודת הקצה מתנדנדת בזמן שאתם מעריכים.
עלות: שאלת "מקומי לעומת API" — הוכרעה
במודל סגור משווים מחירים לפי טוקן. בשביל Qwen3.8 27Bהטוקן השולי לא עולה דבר על החומרה שלך — המחיר האמיתי הוא ה-GPU הראשוני והזמן שלך. ב-4 סיביות מדובר בכרטיס של 24 GB; ב-BF16 מדובר במכונה בדרגת 80 GB. אם אין לך את המכונה, או שאתה רוצה תשובות לפני שאתה מתחייב ל-55.6 GB של דיסק, קיים המסלול המתארח: OrcaRouter מפרט את Qwen3.8 27Bב-$0.33 למיליון טוקני קלט ו-$2.40 למיליון טוקני פלט בעמוד המודל של OrcaRouter, שזה מחיר המחירון של הספק כפי שהוא, בתוספת של 0% תוספת (נבדק ב-15 באוקטובר 2026). השכבה החינמית המוגבלת בקצב שהעמוד הזה תיאר באוגוסט כבר לא מופיעה שם — התייחס לכך כמיושן אלא אם תראה זאת מוצהר. ה-API של Alibaba עצמו הוא המסלול המתארח האחר, ש-Artificial Analysis מפרט ב-$0.50 ו-$3.00 למיליון עבור תצורת החשיבה Xhigh. הגרסה המתארחת של Qwen Cloud, עם ההקשר של 1M, עדיין מסומנת כ"בקרוב".

הניסוח הכנה: עבור מודל עם משקלים פתוחים, ספק הוא נוחות, לא תלות. קריאה מתארחת בתשלום לפי שימוש היא הדרך הזולה ביותר להחליט אם הורדה של 55.6 GB שווה את זה; היא גם הדרך היחידה לבדוק את המודל בלי לפתור תחילה את בעיית החומרה שפסקת ה-PlayStation 5 מתארת. אבל ברגע שהחלטת, המשקלים הם העיקר — והם בחינם.
איך לנסות את זה בפועל
• ההערכה המהירה ביותר — הריצו אותו בנקודת קצה מתארחת במחיר של 0.33$ / 2.40$ למיליון; כמה מאות אלפי טוקנים של עבודה אמיתית עולים אגורות ומכריעים את השאלה עוד לפני שתורידו משהו.
• בדיקה אמיתית על החומרה שלך — הורד GGUF קהילתי (גרסת Q4_K_M היא בערך 17 GB ומתאימה לכרטיס של 24 GB) והרץ אותו ב-llama.cpp או Ollama. העבר את תבנית הצ'אט של Jinja או שהמודל עונה לך בתגי מחשבה. עבור ראייה מ-GGUF אתה צריך גם את קובץ ה-mmproj הנפרד. המדריך שלנו להרצת Qwen3.8 27B מקומית מסביר את זה.
• דיוק מלא — huggingface-cli download Qwen/Qwen3.8-27B אל GPU ברמת 80 GB.
• ודא את מה שהורדת — בדוק שהמפרסם הוא ארגון Qwen ואמת shards מול crc32.txt; מאגרים דומים הופיעו לפני המהדורה.
כאשר הביקורת הזו שגויה (ומי צריך לדלג על Qwen3.8 27B)
• אין לך GPU ולא תשכור אחד. המסלול המאוחסן עולה $0.33/$2.40 למיליון — ייתכן שמודל API קטן ישרת אותך בזול יותר ובאופן אמין יותר. המודל הזה מיועד לאנשים שרוצים להחזיק בעצמם את ההסקה.
• אתה צריך SLA. השכבה המתארחת הושקה באמצע אוגוסט; דף המודל של OrcaRouter, שנקרא ב-15 באוקטובר, מציג שיעור שגיאות של 2.8% על פני שבעת הימים האחרונים, השהיית אסימון ראשון (p50) של 3.23 שניות ופלט של 156 אסימונים לשנייה על פני 77.2 מיליון אסימונים שנותבו בחלון הזה. כעבור חודשיים, מדובר בנקודת קצה עובדת ולא בתור של יום השקה — אבל ממוצע של השבוע האחרון עדיין אינו חוזה ייצור. מארחים עצמאיים צריכים לנעוץ את קומיט ההורדה שלהם ולהחזיק חלופה.
• אתה צריך שהטענות הסוכניות של הספק יושחזו, לא רק ציון אינדקס אחד. ציון ה-Intelligence Index של Artificial Analysis, 34, הוא המספר העצמאי היחיד שיש למודל הזה, והוא לא אומר דבר על SWE-bench Pro 61.7 או DeepSWE 1.1 42.2 — שניהם עדיין מדווחים על ידי Alibaba. מצביע על כיוון, לא בדרגת רכש.
• קונטקסט של 262K למשקלים פתוחים לא מספיק.ההרחבה ל-1M זמינה כיום רק בגרסה מאוחסנת (hosted).
• תפוקה היא צוואר הבקבוק שלך.סיכום בתפזורת או אצוות גדולות יפגעו: זהו מודל 27B דחוס שצורך גם בערך פי 3 טוקנים של קודמו. לעבודה בתפזורת זולה, מודל קטן יותר או מהיר יותר עדיף.
• אתה נמצא על כרטיס של 12 GB. קבצי GGUF של 2-bit נדחסים פנימה עם אובדן איכות גלוי — זו התצורה שמאחורי נקודת הנתונים של PlayStation 5 שלמעלה — אז זהו מודל להתנסות בו, לא לקבוע אותו כתקן.

השורה התחתונה
Qwen3.8 27B הוא המודל החזק ביותר עם משקולות פתוחות בנפח 27B הזמין היום, והוא חינמי לנצח תחת Apache 2.0. אם יש לך כרטיס גרפי עם 24GB+ ואתה רוצה קידוד סוכני, הקשר של 262K, וקלט תמונה/וידאו מקורי בלי חשבון מדוד, זו הקנייה. הסיבות להמתין קונקרטיות באותה מידה: אתה צריך שטענות הספק לגבי קידוד סוכני יאומתו במקום אחר מלבד כרטיס המודל, SLA, הקשר של יותר מ-262K עם משקולות פתוחות, או תפוקה גבוהה יותר ממה שמודל 27B צפוף נותן לך. המודל יצא, המשקולות אמיתיות, הציון העצמאי היחיד עד כה הוא 34 מכובד, ורצפת החומרה התבררה כנמוכה מזו שסיקור ההשקה הניח. רק תזכור אילו מספרים הגיעו ממעבדה ואילו הגיעו מהספק.
