LBS-27B vs Qwen3.8 27B: l'asticella a 27B e il laboratorio che la sta leggendo

Sei settimane prima che LBS-27B comparisse come repository vuoto, inclusionAI ha pubblicato un modello diverso: inclusionAI/Qwen3.8-27B-singprobe, una piccola sonda di guardrail in streaming costruita sopra il modello di Alibaba Qwen3.8 27B. Non è un modello linguistico e non è un concorrente. È un classificatore di sicurezza che legge gli stati nascosti di Qwen3.8 27B mentre quel modello genera, e la sua esistenza ti dice qualcosa che una scheda tecnica non può: il laboratorio che ha appena riservato il nome LBS-27B ha lavorato direttamente con il modello che occupa lo stesso slot di parametri.

Ecco perché questo è il confronto che conta di più nel lotto. Gemma 4 26B A4B è un'architettura diversa e una diversa fascia di prezzo; Granite 4.2 30B è un modello dense orientato all'enterprise; LFM2.5 24B A2B è un esperimento di efficienza. Qwen3.8 27B è il modello a cui un nuovo 27B di un laboratorio cinese serio sarebbe più plausibilmente destinato. Se LBS-27B sia una sfida per esso, un'alternativa più economica o qualcosa di completamente diverso non è dato saperlo da un repository che contiene un file di licenza da 28 byte — ma l'asticella fissata da Qwen è conoscibile, ed è alta.

Che cos'è realmente Qwen3.8 27B

Qwen3.8 27B è commercializzato come modello da 27B, indicato con 28B parametri in BF16 su Hugging Face e costruito su uno stack di attenzione ibrido anziché su un transformer standard. La scheda descrive sedici blocchi ripetuti, ciascuno contenente tre layer Gated DeltaNet seguiti da un layer Gated Attention, con una dimensione nascosta di 5.120, 64 layer, 24 teste di attenzione, 4 teste chiave-valore e una dimensione feed-forward di 17.408. Il vocabolario è di 248.320 token.

La finestra di contesto è di 262.144 token nativamente, estendibile a circa un milione con YaRN. È nativamente multimodale: testo, immagini e video in input, testo in output. Thinking è attivo per impostazione predefinita, con livelli di reasoning effort xhigh, medium e low, e un flag preserve-thinking abilitato per impostazione predefinita. La licenza è Apache-2.0. I pesi sono apparsi in agosto 2026.

L'architettura è la parte su cui vale la pena soffermarsi. I layer Gated DeltaNet sono varianti di linear attention che scalano meglio con la lunghezza della sequenza rispetto alla full attention, e intercalarli con un numero ridotto di layer di full attention è un modo per ottenere un comportamento a contesto lungo senza pagare un costo quadratico a ogni layer. È un progetto più ambizioso di un semplice stack denso, ed è il tipo di cosa che è difficile eguagliare al primo tentativo.

Il bar, in numeri

Tutti i seguenti sono risultati dichiarati da Qwen stessa e non sono stati riprodotti in modo indipendente da noi. Restano comunque il riferimento pertinente, perché sono ciò con cui un acquirente si confronterà.

• Programmazione e ingegneria del software — LiveCodeBench v6 90.3, QwenSWEBench 79.0, SWE-bench Pro 61.7, DeepSWE 1.1 42.2, NL2Repo-Bench 42.3.

• Lavoro da terminale e agentico — Terminal-Bench 2.1 (Terminus) 73.0, CoWorkBench 70.7, JobBench 33.4, Agents' Last Exam 20.4 pass@1 e punteggio 42.9.

• Conoscenza e ragionamento — GPQA Diamond 89,2, Humanity's Last Exam 30,8, IFBench 79,5. Il valore HLE è insolitamente alto per un modello da 27B ed è il singolo numero più sorprendente della scheda.

• Visione e utilizzo del computer — OSWorld-Verified 84.3, AndroidWorld 81.9, WebArena Verified 64.8, MathVision 90.0 senza integrazione della catena di pensiero e 94.6 con essa, OmniDocBench 1.5 91.1, RealWorldQA 85.9, ragionamento CharXiv 83.7 e 90.2 con integrazione.

• Righe più deboli — SWE-MM 38.6, RecreationBench 47.1, ClawEval-MM 57.4 pass@3. Anche le righe deboli sono rispettabili.

Non è un modello che vince su un singolo asse. È competitivo allo stesso tempo su coding, conoscenza, visione e utilizzo del computer, ed è esattamente il profilo che rende difficile posizionare uno sfidante della stessa dimensione. Un nuovo 27B non può batterlo essendo leggermente migliore in una sola cosa; ha bisogno di un argomento diverso.

Ciò che LBS-27B ha dimostrato

Nulla che possa essere valutato. Il repository è stato creato alle 05:36 UTC del 26 ottobre 2026 e contiene un file da 1.519 byte, .gitattributes e un README da 28 byte. Il README è la dichiarazione di licenza e solo la dichiarazione di licenza: license: apache-2.0. Non ci sono pesi, né configurazione, né tokenizer, né model card e nessuna riga di benchmark. I download non sono tracciati e i like sono zero, e non è stato possibile trovare alcun annuncio, paper o discussione pubblica del modello da nessuna parte.

Il "27B" è un nome. Non è stato confermato come numero totale di parametri, tanto meno come numero di parametri attivi, e non c'è alcuna indicazione se il modello sia denso, sparso o basato su uno stack di attenzione ibrido come quello di Qwen.

La sonda è l'indizio più interessante.

Qwen3.8-27B-singprobe di inclusionAI è stato creato il 14 settembre 2026 ed è contrassegnato per sicurezza, guardrail, streaming e rilevamento delle allucinazioni. È basato su Qwen3.8 27B, con licenza Apache-2.0, e ha attirato poca attenzione: 219 download e due "mi piace" al momento della stesura.

Il suo significato non sta nella sua popolarità. Dimostra che inclusionAI ha strumentato Qwen3.8 27B a livello di hidden state, il che significa che il laboratorio comprende le rappresentazioni interne del modello abbastanza bene da costruirvi sopra un classificatore. Si tratta di una forma di familiarità più profonda rispetto al confronto tramite benchmark. Non prova che LBS-27B derivi da Qwen3.8 27B — non ce n'è evidenza, e le due organizzazioni sono società separate, Ant Group e Alibaba — ma suggerisce che la classe 27B non sia un obiettivo casuale per questo laboratorio.

Solleva anche una possibilità che vale la pena menzionare: un laboratorio che distribuisce sonde di sicurezza insieme ai modelli potrebbe posizionare il proprio 27B sulla controllabilità e sulle barriere di sicurezza anziché sulla leadership nei benchmark grezzi. Se è questa la proposta, il confronto con Qwen3.8 27B passa da «chi ottiene punteggi più alti» a «quale dei due è più facile da distribuire in sicurezza» — una domanda diversa con una risposta diversa.

Tre modi in cui potrebbe andare

Senza una scheda del modello, l'approccio onesto è descrivere le forme plausibili anziché sceglierne una.

• Un'alternativa Qwen più economica. Se LBS-27B è un modello denso da 27B con qualità comparabile e un costo di servizio inferiore, compete sul prezzo. È difficile contro un modello a $0,33 per milione di token di input, ma non impossibile se la ricetta di addestramento di inclusionAI è più efficiente o se punta a un numero inferiore di parametri attivi.

• Una mossa sull'efficienza. Se LBS-27B è sparso con un piccolo numero di parametri attivi, aggira del tutto il profilo di calcolo di Qwen. Qwen3.8 27B è denso, il che lo rende costoso per token nei contesti lunghi; un 27B sparso con una frazione attiva potrebbe batterlo sul costo rinunciando a parte della qualità. È la strategia LFM2.5 applicata a una scala maggiore.

• Una nicchia diversa. Se LBS-27B si distingue per sicurezza, copertura multilingue, lavoro su documenti lunghi o uno specifico harness agentico, potrebbe non stare affatto cercando di battere Qwen3.8 27B su tutti i fronti. Il singprobe è una prova debole a questo riguardo, ma è l'unica prova disponibile.

Ognuna di queste forme implica un file di configurazione diverso. Ecco perché la divulgazione dell'architettura, quando arriverà, sarà più informativa di qualsiasi post di lancio sul blog.

Il confronto, con gli spazi vuoti contrassegnati

• Parametri — Qwen3.8 27B è commercializzato come 27B e indicato come 28B in BF16; LBS-27B è un 27B non verificato.

• Architettura — un ibrido di layer Gated DeltaNet e Gated Attention per Qwen; sconosciuto per LBS.

• Contesto — 262,144 nativi e circa un milione con YaRN per Qwen; sconosciuto per LBS.

• Modalità — input di testo, immagini e video con output testuale per Qwen; sconosciuto per LBS.

• Controlli del pensiero — impegno di ragionamento a xhigh, medio o basso per Qwen; sconosciuto per LBS.

• Licenza — Apache-2.0 per Qwen; Apache-2.0 dichiarata per LBS.

• Prezzo — 0,33 $ per milione di token di input e 2,40 $ per milione di token di output per Qwen su OrcaRouter; nessun prezzo per LBS.

• Valutazioni — una scheda completa del fornitore per Qwen, incluse le righe coding, agentic e vision; nessuna per LBS.

Prezzo e l'argomento dell'API unica

Qwen3.8 27B è disponibile su OrcaRouter come qwen/qwen3.8-27b a $0,33 per milione di token di input e $2,40 per milione di token di output, con l'intera finestra di contesto di 262.144 token. OrcaRouter applica il prezzo di listino del provider con markup dello 0%, quindi se Alibaba o i suoi partner di hosting modificano la tariffa, il numero dalla nostra parte cambia lo stesso giorno. C'è anche una seconda voce Qwen3.8 27B sulla piattaforma a una tariffa più alta con un nome provider diverso, che vale la pena controllare se stai confrontando preventivi.

LBS-27B non è su OrcaRouter. Non c'è nulla a cui indirizzare il traffico. Quando i pesi saranno disponibili, il modo pratico per rispondere alla domanda a cui questo articolo non può rispondere — il nuovo modello è davvero migliore per il mio carico di lavoro? — sarà inviare una porzione del traffico verso di esso attraverso lo stesso endpoint, mantenendo Qwen come fallback. Il failover automatico rende questo un esperimento reversibile anziché una migrazione, e il DSL di routing consente di esprimere la suddivisione come policy invece che come ramo di codice. Questo è il ruolo utile di un router in un confronto tra modelli da 27B: non scegliere il vincitore, ma permetterti di misurarne uno rispetto all'altro sui tuoi stessi input.

Cosa renderebbe questo un vero confronto

Il primo artefatto è un file di configurazione. Stabilirà la scelta tra dense e sparse e fornirà un conteggio dei parametri attivi, che determina se LBS-27B compete con Qwen sulla qualità o la aggira sul costo.

Il secondo è una torre visiva. La capacità multimodale di Qwen3.8 27B non è una funzione accessoria; è in gran parte il motivo per cui il modello è competitivo su attività relative a documenti, UI e uso del computer. Un LBS-27B solo testo sarebbe un prodotto più piccolo, rivolto a una fetta più ristretta degli stessi acquirenti.

Il terzo è una dichiarazione di posizionamento di inclusionAI. Il laboratorio non ha detto a cosa serve LBS-27B, e nemmeno il nome lo dice. Tutto ciò che in questo articolo riguarda l’intento è un’inferenza basata su una sonda, una licenza e un timestamp.

Per ora, la conclusione difendibile è ristretta. Qwen3.8 27B è uno dei modelli da 27B più forti disponibili, con un'architettura ibrida, multimodalità nativa, un percorso di estensione fino a un milione di token e un prezzo hosting aggressivo. LBS-27B è un repository che non è ancora diventato un modello. Il divario tra i due non è un divario di capacità; è la distanza tra un prodotto finito e un nome riservato — e la domanda interessante è se un laboratorio che ha letto gli stati nascosti di Qwen si stia preparando a competere con esso o a completarlo.