Qwen3.8-27B: Model Multimodal Kompak dalam Jajaran Qwen3.8 Alibaba

Qwen3.8-27B adalah anggota dense, node tunggal dari generasi Qwen3.8 milik Alibaba: model visi-bahasa native berparameter 27 miliar, diterbitkan di Hugging Face di bawah Apache 2.0, yang menerima teks, gambar, dan video serta mengembalikan teks dengan jendela konteks 262.144 token. Ini adalah halaman referensi untuk model tersebut — tulisan kanonis tentang apa model itu, berapa biaya untuk memanggilnya, dan apa yang dapat dilakukannya — dan perlu dikatakan di awal mengapa sebuah halaman ada untuk model yang bobotnya pertama kali muncul pada Agustus 2026 dan bukan dalam tujuh hari terakhir. Kami tidak melaporkan peluncuran. Kami menjawab pertanyaan yang sudah lama ada: pembaca mendatangi kami untuk nama "Qwen3.8-27B" ribuan kali sebulan, dan sampai sekarang tidak ada halaman kami yang memiliki jawaban itu. Rilis model itu sendiri, bertanggal pada kartu Qwen dan tercatat sebagai 2026-08-14 oleh Artificial Analysis, adalah fakta yang digunakan halaman ini untuk menentukan tanggal model, bukan peristiwa yang dilaporkannya.

Bacalah itu sebagai pengecualian sebagaimana adanya: dalam pembacaan ketat selama tujuh hari, model dari pertengahan Agustus 2026 bukanlah hal yang baru, dan item ini akan dilewati sebagai berita. Dasar pertimbangannya di sini berbeda. Ini adalah halaman referensi yang angka-angkanya telah diverifikasi terhadap kartu model Qwe​n sendiri, berkas lisensi repositori, kartu tarif Qwe​n Cloud, dan Artificial Analysis pada 2026-09-28, dan alasan keberadaannya adalah permintaan pencarian yang kami ukur secara first-party pada hari yang sama. Ini bukan pengumuman kedua, dan tidak seorang pun boleh membacanya sebagai pengumuman kedua.

Posisi 27B dalam jajaran Qwen3.8

Generasi Qwe​n3.8 bukanlah satu model, dan sufiks ukuran justru menjadi inti dari nama tersebut. Catatan repositori Qwe​n sendiri di seluruh keluarga membuat pemisahan itu eksplisit:

• Qwen3.8-27B — 27B parameter dense, input gambar dan video native, Apache 2.0. Anggota yang ramah penerapan: model yang berukuran untuk dijalankan pada satu GPU atau node kecil, dan menjadi topik halaman ini.

• Qwen3.8-Max, yang dibangun di atas Qwen3.8-2.4T-A95B — 2,4 triliun total parameter dengan 95B aktif, model kelas Qwen-Max yang untuk pertama kalinya dibuka oleh Alibaba pada generasi ini. Repositorinya membawa lisensi khusus qwen3.8-max alih-alih Apache 2.0.

• Qwen3.8-Flash-Next — pratinjau arsitektur eksperimental yang menurut Qwen akan menjadi dasar Qwen4, dirilis di bawah lisensi qwen-community-1.0. Qwen3.8-Flash yang dihosting dibangun di atasnya.

Jadi, "27B" bukanlah tingkat trim dari model Max; ini adalah kelas ukuran yang benar-benar dapat dilayani oleh satu tim. Yang diklaim Alibaba sebagai warisannya adalah resep pelatihan: kartu tersebut menggambarkan Qwen3.8-27B sebagai model yang mengambil kemajuan generasi dalam pengodean, pekerjaan profesional, penelitian, dan tugas agentik jangka panjang lalu memadatkannya menjadi checkpoint padat.

Arsitektur yang diterbitkan Qwen

Setiap angka di bawah ini berasal dari kartu model di Qwe​n/Qwen3.8-27B, yang merupakan dokumentasi resmi vendor:

• Parameter — 27B sebagaimana dipasarkan. Metadata safetensors milik repositori itu sendiri berjumlah 27.781.427.952 parameter dalam BF16 di seluruh 18 shard, jadi kira-kira 27,8B setelah menara visi dihitung. Tidak ada mixture-of-experts di sini: semua parameter aktif pada setiap token.

• Bentuk — 64 lapisan, dimensi tersembunyi 5,120, dimensi perantara feed-forward 17,408, embedding token dan keluaran LM 248,320 (dengan padding).

• Atensi hibrida — tata letak yang dicetak Qwe​n adalah 16 × (3 × (Gated DeltaNet → FFN) → 1 × (Gated Attention → FFN)): tiga blok atensi linear untuk setiap blok atensi penuh, rasio 3:1. Gated DeltaNet menjalankan 48 head atensi linear untuk V dan 16 untuk QK pada dimensi head 128; Gated Attention menjalankan 24 head query terhadap 4 head KV pada dimensi head 256, dengan dimensi rotary 64. Rasio itulah yang membuat jendela 262K terjangkau pada model 27B, dan merupakan garis keturunan yang sama yang diperluas Qwen3.8-Flash-Next dengan atensi sparse.

• Prediksi multi-token — kartu tersebut menyatakan model dilatih dengan MTP selama beberapa langkah, trik penyusunan draf yang mempercepat generasi di stack penyajian yang mendukung MTP.

• Kontrol pemikiran — mode berpikir aktif secara default dan dapat dimatikan per permintaan. reasoning_effort menerima xhigh (default), medium atau low, dan preserve_thinking aktif secara default sehingga jejak penalaran terbawa antar giliran alih-alih dihasilkan ulang.

Jendela konteks dan batas maksimum keluaran

Kartu model tersebut menyatakan 262.144 token secara native, dapat diperluas hingga 1.000.000 dengan penskalaan RoPE (YaRN). Panduan serving Qwen sendiri untuk eksekusi agentik yang panjang, di dalam cakupan 1M itu, adalah mengizinkan hingga 262.144 token untuk konten penalaran dan hingga 131.072 token untuk respons akhir — batas atasnya adalah konfigurasi serving, bukan properti tetap dari checkpoint.

Dua jendela patut dipisahkan, karena keduanya mudah tertukar. Adapun bobot terbuka berjalan pada 262.144 secara native; versi hosted di Qwe​n Cloud, yang menurut kartu model masih akan datang ("layanan ini akan segera hadir"), tercantum di halaman model Qwe​n Cloud dengan konteks 1M, input maksimum 991K, output maksimum 131K, dan anggaran penalaran maksimum 262K. Lembar spesifikasi produk hosted bukan lembar spesifikasi checkpoint-nya.

Modalitas: apa yang masuk dan apa yang keluar

Masukan berupa teks, gambar, dan video; keluaran hanya teks. Kartu tersebut menyebut Qwen3.8-27B "model visi-bahasa native yang memahami gambar dan video" dan kode contohnya meneruskan ketiga jenis masukan. Tidak ada masukan audio, tidak ada pembuatan gambar, dan tidak ada keluaran suara. Catatan model Artificial Analysis untuk checkpoint yang sama sepakat tentang cakupannya — gambar, video, dan teks masuk, teks keluar — yang merupakan pembacaan kedua yang berguna karena itu bukan halaman milik Alibaba sendiri.

Apa yang sebenarnya diizinkan oleh rilis Apache 2.0

Lisensi ini bukan ringkasan di postingan blog; repositori memuat teks Apache License, Version 2.0 itu sendiri, dan metadata kartu menyatakan license: apache-2.0. Hak yang diberikannya, sebagaimana dibaca dari teks lisensi: lisensi hak cipta yang berlaku selamanya, di seluruh dunia, bebas royalti untuk mereproduksi, membuat karya turunan dari, menampilkan secara publik, memberikan sublisensi, dan mendistribusikan karya beserta turunannya, serta lisensi paten dari para kontributor — dengan penggunaan komersial termasuk di antara tujuan yang diizinkan dan tanpa pembatasan bidang penggunaan, tanpa ambang batas jumlah pengguna, dan tanpa perjanjian komersial terpisah. Apache 2.0 juga bersifat permisif dalam arti yang penting untuk merilis produk: bobot turunan dapat didistribusikan kembali di bawah ketentuan yang berbeda, asalkan Anda mempertahankan lisensi dan pemberitahuan atribusi serta menyatakan apa yang Anda ubah (Bagian 4a–4c). Bagian 6 tidak memberikan hak apa pun atas nama atau merek dagang Qwe​n, sehingga fork Apache-2.0 tidak dapat memasarkan dirinya sebagai Qwe​n.

Perbandingan di dalam keluarga ini memberi wawasan, dan hal itu terlihat dari repositori, bukan dari cakupan: checkpoint 2.4T-A95B menyebut dirinya lainnya dengan qwen3.8-max lisensi, dan Qwen3.8-Flash-Next menggunakan qwen-community-1.0. 27B adalah satu-satunya dari ketiganya yang hadir di bawah Apache 2.0 biasa.

Posisi tolok ukur independen

Artificial Analysis telah menjalankan model tersebut, dan rekornya layak dipisahkan dari tabel milik Aliba​ba sendiri karena keduanya menjawab pertanyaan yang berbeda. Indeks independen, diukur pada xhighkonfigurasi

• Intelligence Index 33.7 — Nilai tersimpan Artificial Analysis, yang pada halaman modelnya ditampilkan dibulatkan menjadi 34. Dua peringkat dipublikasikan dan keduanya mengukur kumpulan yang berbeda: tile ringkasan halaman itu sendiri menempatkan model ini di peringkat 1 dari 142 model di kelas ukurannya, pada perbandingan kelas yang sama yang dijelaskan tooltip halaman tersebut, sedangkan baris katalog kami yang bersumber dari Artificial Analysis mencatat peringkat ke-45 dari 145, sekitar persentil ke-67. Tidak satu pun merupakan peringkat terhadap bidang yang sama dengan yang lain, jadi jangan membacanya sebagai satu angka dalam dua format.

• Indeks Coding 68.1 — tercantum dalam katalog kami dengan artificialanalysis.ai sebagai sumber yang disebutkan namanya, menempati peringkat ke-35 dari 138 dalam kumpulan indeks tersebut. Model ini lebih unggul dalam hal coding dibandingkan kecerdasan umum, yang sejalan dengan bentuk tabel milik vendor itu sendiri.

• Tangga upaya, harness yang sama — menurunkan upaya penalaran menggerakkan indeks cukup jauh: 33,7 pada xhigh, 27,6 pada medium, 26,2 pada low, dan 20,2 dengan penalaran dimatikan sepenuhnya. Itu adalah sebaran terukur sebesar 13,5 poin, dan ini adalah argumen paling konkret untuk menyetel upaya per beban kerja alih-alih per model.

• Di mana kedua sumber sependapat dan tidak sependapat — pada GPQA Diamond, kartu Aliba​ba melaporkan 89,2 dan Artificial Analysis mengukur 90,5. Pada Humanity's Last Exam kartu tersebut melaporkan 30,8 dan Artificial Analysis 33,9. Dekat, tetapi bukan angka yang sama, dan itu normal: harness berbeda, run berbeda. Satu peringatan sebaiknya ada di artikel, bukan di catatan kaki — tidak ada pihak ketiga yang menerbitkan perbandingan head-to-head antara Qwen3.8-27B dan model mana pun dalam tabel perbandingan Aliba​ba yang dijalankan pada effort yang disamakan di harness yang sama, jadi setiap perbandingan lintas model di halaman ini adalah perbandingan pengukuran yang terpisah, bukan suatu hasil.

Apa yang Dilaporkan Qwen, dan Cara Membacanya

Kartu model ini memuat sekitar dua lusin skor dengan kolom perbandingan untuk Qwen3.6-27B, Qwen3.7-Plus, Muse Glimmer-30B, dan Opus4.6 Max. Semuanya berasal dari vendor dan tidak direproduksi — evaluasi Aliba​ba sendiri, dicetak oleh Aliba​ba — dan beberapa baris menggunakan harness Claude Code yang dinilai oleh build GPT-5.4, sebagaimana dinyatakan dalam catatan kaki kartu tersebut. Angka utama dari vendor, atas dasar itu:

• Pengodean terminal agentik — Terminal Bench 2.1 (Terminus) 73,0, dibandingkan dengan 63,4 untuk Qwen3.6-27B yang digantikannya, dengan Opus4.6 Max memimpin baris tersebut pada 78,2.

• Pengodean agentik — SWE-bench Pro 61.7, QwenSWEBench 79.0, DeepSWE 1.1 42.2, NL2Repo-Bench 42.3, LiveCodeBench v6 90.3.

• Agen dan pekerjaan kantor — CoWorkBench 70,7, JobBench 33,4, Agents' Last Exam 42,9 berdasarkan skor (Pass@1 20,4).

• Penalaran umum — GPQA Diamond 89,2, HLE 30,8, IFBench 79,5. Opus4.6 Max memimpin kedua baris penalaran dalam tabel milik vendor sendiri, pada 91,3 dan 40,0.

• Visi dan penggunaan komputer — OSWorld-Verified 84.3, AndroidWorld 81.9, WebArena-Verified 64.8, OmniDocBench 1.5 91.1, RealWorldQA 85.9.

Ringkasan yang jujur tentang tabel itu lebih sempit daripada yang terlihat dari tabel itu. Dibandingkan dengan pendahulu langsungnya, peningkatannya besar dan konsisten — QwenSWEBench 79.0 versus 49.3, DeepSWE 42.2 versus 13.3 — dan itu adalah klaim tentang satu generasi perubahan resep. Dibandingkan dengan model frontier di kolom-kolom di sebelahnya, ia menang di beberapa baris dan kalah di baris lainnya, berdasarkan angka Aliba​ba sendiri, dengan harness pilihan Aliba​ba sendiri.

Menjalankannya

Bobotnya adalah 18 pecahan BF16 dalam format Transformers, dan kartu tersebut mencantumkan Hugging Face Transformers, vLLM, SGLang dan sebagai stack yang didukung. Kami telah menulis jalur penerapan lokal dan kuantisasi dan itu adalah tempat yang tepat untuk detail tersebut: Qwen3.8-27B di Ollamauntuk daemon lokal, panduan penerapan untuk skor lengkap termasuk apa yang berubah dari Qwen3-27B. Halaman ini tentang model itu sendiri.

Qwen3.8-27B di katalog kami

Dua kartu sudah aktif di OrcaRouter hari ini, berdampingan, dan keduanya dibaca ulang pada 2026-09-28 sebelum paragraf ini ditulis. qwen/qwen3.8-27bdibanderol $0,33 per juta token input dan $2,40 per juta token output dengan jendela penuh 262.144 token, input teks, gambar, dan video, serta permukaan reasoning, tools, structured-output, dan JSON yang diekspos sebagai parameter. Saudaranya, obsidian/Qwen3.8-27B — bobot yang sama disajikan dalam block-FP8 dengan menara visi yang dipertahankan pada presisi penuh, dan, dalam kata-kata kartunya sendiri, "dirancang untuk memberikan respons yang langsung dan lengkap di berbagai macam prompt" — dibanderol $0,40 untuk input dan $4,21 untuk output. Keduanya melayani chat completions dan Responses API, sehingga pekerjaan parsing dokumen atau screenshot dapat diarahkan ke salah satu model dengan satu kunci dan satu endpoint, tanpa kontrak kedua dan tanpa perubahan kode.

Sebagai gambaran skala, playground kami sendiri telah memproses 105,1 juta token melalui qwen/qwen3.8-27b dalam tujuh hari terakhir, dengan median waktu ke byte pertama 3,8 detik dan tingkat kesalahan 3,3% selama periode yang sama. Itu adalah angka penyajian kami, bukan penilaian atas model tersebut.

Pencarian yang mengarah ke sini

Permintaan di balik halaman ini tersebar tipis dan berada tepat di luar klik. Dalam 28 hari hingga 2026-09-25, properti kami memperoleh 8.931 tayangan dan 273 klik di 69 ejaan persis yang berbeda dari nama model — "qwen3.8 27b", "qwen3.8-27b", "qwen 3.8 27b" dan puluhan cara lain untuk menulis tiga token yang sama. Posisi terbaik kami pada ejaan terbesar berkisar 9,0 hingga 10,6. Itu adalah posisi yang kami peroleh secara kebetulan dari halaman lain, yang justru merupakan masalah yang diperbaiki oleh halaman kanonis: di peringkat kesembilan Anda berada di halaman, dan tidak ada yang mengklik. Satu-satunya tempat trafik berkonversi adalah non-Inggris — ejaan nama dalam bahasa Rusia berada di posisi 1,8 bagi kami dan berkonversi sebesar 14,4%.

Tidak satu pun dari itu merupakan bukti tentang model tersebut. Itu adalah bukti tentang apa yang orang ketik, dan itulah sebabnya halaman ini ada.

Yang dihasilkannya: checkpoint dense 27B dengan tata letak attention yang sungguh tidak biasa, lisensi permisif, pemahaman video native, ketentuan Apache-2.0 yang memungkinkan Anda merilis produk turunan, peringkat coding independen di kuartal teratas dari apa yang diukur Artificial Analysis, dan tabel vendor yang kuat dibandingkan pendahulunya serta beragam terhadap frontier. Pertanyaan terbukanya adalah hal yang belum bisa dijawab siapa pun di luar Aliba​ba — bagaimana perilaku jalur hosted 1M token di produksi, dan apakah arsitektur Flash-Next hadir dalam model sebesar ini.

Inti 2.4T-A95B di balik Qwen3.8-Max sudah aktif di katalog yang sama: qwen/qwen3.8-max dengan harga $2.00 / $6.00 per juta token, jika 27B bukan ukuran yang Anda butuhkan.