Qwen3.8-27B: il 27B denso nella linea Qwen3.8 di Alibaba

Un numero decide se puoi eseguire Qwen3.8-27B per conto tuo: 55,6 GB. È il totale dei pesi BF16 nel repository del fornitore stesso — diciotto shard safetensors, 27,8 miliardi di parametri una volta contata anche la torre di visione — ed è il motivo per cui il modello, in pratica, abita su una scheda grafica da 24 GB che esegue una build compressa anziché su una workstation che lo esegue così come viene distribuito. Tutto il resto di Qwen3.8-27B deriva da quella forma. È un modello denso, non un mixture of experts: ogni token che generi attiva tutti i 27 miliardi di parametri, che è il compromesso opposto rispetto ai giganti sparsi con cui condivide una generazione. Ed è l'unico membro di questa tornata ad avere un vero vicinato attorno al suo nome — i lettori lo cercano da solo e cercano i qualificatori che lo circondano — quindi questa pagina è la risposta semplice a che cosa sia, a che cosa serva e a che cosa stai scegliendo prima di selezionare una dimensione o un formato.

L'identificazione precisa, perché tre nomi di questa famiglia sono facili da confondere. Qwen3.8-27B è il membro dense e ospitabile autonomamente della generazione Qwen3.8 di Alibaba. I suoi fratelli sono prodotti diversi: Qwen3.8-2.4T-A95Bè il mixture-of-experts sparso da 2,4 trilioni di parametri i cui pesi sono stati pubblicati anch'essi in agosto 2026, mentre Qwen3.8-Max è l'API ospitata costruita su quella stessa architettura, che non ha alcun peso scaricabile. La generazione è stata annunciata il 3 agosto 2026, e i pesi del 27B sono arrivati su Hugging Face e ModelScope il 14 agosto 2026 con licenza Apache 2.0 — una data che vale la pena indicare con precisione perché il lancio è soltanto ciò che data questo modello, non un evento che questa pagina riporta.

Di cosa si tratta, nelle parole di Alibaba stesso

La model card descrive Qwen3.8-27B come un "modello dense compatto e facile da distribuire": un modello visione-linguaggio nativo che comprende immagini e video, con un controllo flessibile del pensiero, "progettato per portare a termine con maggiore affidabilità compiti complessi e articolati in più passaggi". Questa è la posizione del fornitore, attribuita, e la card la supporta con cinque miglioramenti dichiarati — progressi nelle capacità di base su coding, lavoro professionale, ricerca e attività agentiche a lungo orizzonte; pianificazione autonoma più solida e migliore gestione del feedback dell'ambiente; supporto più ampio per i più diffusi agent harness e strumenti di sviluppo; modalità di pensiero attiva per impostazione predefinita ma disattivabile su richiesta, con profondità regolata tramite reasoning_effort; e comprensione nativa di immagini e video che, secondo la card, spazia dai diagrammi e documenti STEM fino a video della durata di ore.

L'architettura dietro quell'affermazione è ibrida. Qwen3.8-27B è strutturato come sedici blocchi ripetuti, ciascuno contenente tre livelli di attenzione lineare Gated DeltaNet e un livello di Gated Attention completa — 64 livelli in totale, dimensione nascosta 5.120, 48 teste di attenzione lineare per i valori contro 16 per le query. In parole semplici: solo un livello su quattro mantiene una cache di attenzione convenzionale. È per questo che un modello da 27B può sostenere un contesto nativo di 262.144 token senza il costo di memoria che richiederebbe un transformer convenzionale di queste dimensioni, ed è anche per questo che la sua impronta locale è più amichevole di quanto suggerisca il numero di parametri. Il contesto si estende fino a 1.000.000 di token con lo scaling YaRN, che la scheda avverte può degradare le prestazioni su input più brevi se lo si lascia attivo in modo statico. La modalità di pensiero è attiva per impostazione predefinita; il campionamento consigliato dalla scheda è temperatura 1.0 con top_p 0.95 quando si pensa, 0.7 con top_p 0.80 quando no, e suggerisce di allocare generosamente l'output — fino a 262.144 token di ragionamento e 131.072 per la risposta finale all'interno di una finestra lunga.

Ora la parte generale onesta, che è conoscenza artigianale più che una misurazione di questo modello. Un 27B denso nel 2026 occupa un posto specifico. È abbastanza grande da essere davvero utile e abbastanza piccolo da stare su hardware che una persona o un piccolo team possiede, il che lo rende la forma giusta per l'inferenza privata, per il lavoro in batch dove la fatturazione per token è il nemico, e per i cicli degli agenti che fanno molte chiamate economiche invece di una sola costosa. Non è la forma giusta per il ragionamento più difficile che avete, per i singoli documenti più lunghi, o per qualsiasi cosa in cui preferireste affittare lo stato dell'arte piuttosto che possedere il buono-e-sufficiente — un 27B denso perde contro un modello di frontiera ben servito all'estremo superiore, e perde contro un piccolo MoE sul costo per token all'estremo inferiore. La densità è anche un fatto di latenza: con ogni parametro attivo su ogni token, un modello denso è generalmente più lento per token di un modello sparso di qualità simile, e Qwen3.8-27B è per di più un modello di ragionamento, quindi spende token di output per pensare prima di rispondere. Niente di tutto questo è un punteggio per questo particolare modello. È la forma della decisione che state prendendo.

Taglia e vestibilità, in sintesi

Il riepilogo, con l'aritmetica dettagliata lasciata dove deve stare. I pesi BF16 completi sono 55,6 GB, ovvero una questione da acceleratori da 80 GB. La struttura ibrida dell'attenzione è ciò che rende le build compresse insolitamente gestibili: una quantizzazione a 4 bit si colloca nella fascia medio-bassa delle decine di gigabyte e gira comodamente su una scheda da 24 GB a lunghezze di contesto ordinarie, una scheda da 16 GB è realistica solo se si accetta una quantizzazione inferiore o un contesto breve, e 8 GB sono fuori discussione. Poiché solo 16 dei 64 layer contengono una cache di attenzione completa, il contesto lungo costa meno di quanto costerebbe su un 27B convenzionale — ma non è gratis, ed è la cache a spingere una comoda configurazione da 24 GB verso il suo limite quando si aumenta la finestra. Teniamo una pagina separata con la scala della VRAM per quantizzazione, la curva della lunghezza del contesto e i dati sulla memoria unificata dei chip Apple silicon; se state comprando hardware, leggete quella invece di questa.

I formati, come una scelta più che come una guida pratica.

Esistono quattro percorsi e rispondono a quattro domande diverse. GGUF è la scelta della compatibilità — la discendenza llama.cpp, il supporto hardware più ampio, il formato che funzionerà su qualunque cosa tu già possieda, ed è ciò che la maggior parte delle persone che cercano Qwen3.8-27B sta effettivamente cercando: sceglilo quando vuoi che i pesi funzionino sulla macchina che hai davanti e sei disposto a scegliere un livello di quantizzazione. MLX è la scelta per il silicio Apple, ed è una scelta concreta — questo modello gira su un Mac tramite MLX, cosa che per un modello visione-linguaggio da 27B non è da dare per scontata. Sul fronte del serving, NVFP4 e FP8 sono i formati che si distribuiscono anziché eseguire in modo interattivo: FP8 mantiene il modello vicino alla precisione piena con circa la metà dell'occupazione dei pesi per una singola GPU di grandi dimensioni, e NVFP4 è la build aggressiva dell'era Blackwell che misura circa 25 GB di VRAM con la torre di visione mantenuta a precisione piena. Unsloth è il percorso di fine-tuning — il pacchetto GGUF con un percorso di addestramento allegato, per quando intendi modificare i pesi anziché semplicemente eseguirli. Ognuno di questi ha la propria pagina sotto questo modello, e ciascuno risponde a una domanda diversa da questa.

Che cosa consente effettivamente la licenza

Qwen3.8-27B è distribuito con licenza Apache 2.0. Il file LICENSE è nel repository, e la licenza è quella permissiva standard, non un accordo personalizzato: uso commerciale senza limite di utenti né royalty, modifica, ridistribuzione e una concessione esplicita di brevetti, a condizione che si includano la licenza e gli avvisi con qualsiasi cosa si trasmetta. Questo è importante perché è un file diverso da quello che disciplina il resto della famiglia — Qwen3.8-2.4T-A95B è distribuito con una licenza Qwen personalizzata, non Apache 2.0 — quindi «è un Qwen, quindi è Apache» non è un presupposto sicuro, e questo è il membro per cui invece è vero.

Apache 2.0 sui pesi è anche la risposta semplice alla più grande singola query qualificata a cui questa pagina si affianca, quelle uncensored e abliterated. Ciò che la licenza permette è semplice e vale la pena dirlo senza girarci intorno: i pesi pubblicati possono essere modificati e ridistribuiti, incluse modifiche che cambiano il comportamento del modello, e le build derivate possono essere rilasciate con gli stessi termini. Questo è l'intero meccanismo dietro un rilascio abliterated: una community o un laboratorio pubblica una copia modificata di pesi con licenza aperta e la ridistribuisce. Per questo modello seguiamo noi stessi quella strada: le build Qwen3.8-27B-Uncensored-GGUF, NVFP4 e MLX sono nostre, pubblicate con gli stessi termini Apache 2.0 dell'originale. Ciò che un servizio ospitato genererà o non genererà è una questione separata da ciò che la licenza consente, e questa pagina non vi risponde: le pagine uncensored per formato coprono i download.

Ciò che non è stabilito

Tre cose sono davvero aperte. Il contesto da 1M token è un'estensione YaRN, non una finestra nativa, e la model card stessa avverte che lo scaling YaRN statico può danneggiare le prestazioni sugli input brevi, quindi il tetto pratico per la maggior parte delle configurazioni locali è la finestra nativa da 262.144, e l'estensione è una decisione per ogni deployment, che va testata. La model card di Alibaba stessa indirizza chi cerca un servizio gestito verso Qwen Cloud, che descrive come in arrivo per questo modello — quindi a ottobre 2026 il livello hosted pubblicizzato dalla card non è qualcosa che possiamo confermare come disponibile in generale, e non ne descriveremo i termini basandoci su un teaser. E la tabella di benchmark sulla card è una valutazione di Alibaba stessa, non riprodotta da chi l'ha pubblicata, il che è un caveat che sopravvive al lancio.

Disponibilità

Serviamo questo modello. L'identificatore è qwen/qwen3.8-27b nella nostra lista di modelli live — è il modello dense multimodale da 27B, accetta testo, immagini e video con una finestra di contesto di 262.144 posizioni, e un lettore può puntare un client compatibile con OpenAI ad esso oggi. È tutto ciò che diremo sul percorso qui: nessuna affermazione sul prezzo, nessuna affermazione sul throughput. Se scegli in base al costo, calcolalo dal tuo traffico invece che da un numero su questa pagina.

La scelta che resta da fare è il formato, ed è una questione hardware prima che software. Se lo stai eseguendo sulla macchina davanti a te, la via GGUF è dove risiedono i livelli di quantizzazione e dove scopri se la tua scheda è sufficiente. Se sei su un Mac, la via MLX è quella che determina se hai la memoria unificata o meno. Leggi uno di quei due successivamente, e torna a questa pagina solo se vuoi ricordarti cos'è il modello prima di impegnare lo spazio su disco.