Hugging Face 上の Qwen3.8-27B：公式リポジトリ、その内容、そしてダウンロード方法

Qwen3.8 27BはHugging FaceのQwen/Qwen3.8-27Bにあります。Qwen orgが2026年8月14日にApache 2.0ライセンスで公開しました。リポジトリには55.6GBのBF16 safetensorsが18シャードに分かれて格納され、トークナイザー、チャットテンプレート、設定ファイルも同梱されています。ダウンロード無料、商用利用無料、トークンごとの料金もかかりません。よくつまずく点が2つあります。公式リポジトリはsafetensorsのみを提供し、コンシューマー向けGPUで動かすGGUF量子化版は別のコミュニティリポジトリにあります。また、リリース前に類似リポジトリが出現したため、Qwen orgのコピーだけが本物です。この記事はダウンロード手順の解説です。リポジトリの内容、3つの取得方法、そして本物の重みを入手したことを確認する方法を説明します。

重要な事実、2026年8月15日確認済み

• リポジトリ — Qwen/Qwen3.8-27B（Hugging Face上、公開元：Qwen org）。ミラー：Qwen/Qwen3.8-27B（ModelScope）。

• 公開 — ウェイトは2026年8月14日に公開された。タイムゾーンの違いにより8月13日とする報道もあり、その前の週のプレリリース記事では公開待ちと報じられていた。

• ライセンス — Apache 2.0: ダウンロード、改変、再配布が可能で、商用利用も含まれます。

• サイズ — 18個のシャードに分割されたsafetensors形式で合計55.57 GB（各2.1〜3.99 GB）。リポジトリのページでは合計が55.6 GBに丸められています。

• モデル — 27Bのdenseパラメータ（視覚エンコーダを含めると28B）、64層、隠れサイズ5,120、語彙数248,320。

• Attention — ハイブリッド：48層のGated DeltaNet（線形アテンション）層に対して16層の完全なGated Attention層、マルチトークン予測でトレーニング済み — この3:1の分割により、27Bモデルで262,144トークンのネイティブコンテキストが動作します。

• コンテキスト — ネイティブで262,144トークン、YaRN RoPEスケーリングにより1,000,000トークンまで拡張可能。

• 入力 — テキストに加えてネイティブ画像と動画。テキストを返す。

• Signal — モデルカードの30日間ローリングカウンターで91,917ダウンロード（2026年8月15日確認）。

上記のすべての数値は、Hugging Face モデルページ、リポジトリツリー、および設定ファイルから取得した、Qwen3.8 27Bに関するものです（2026年8月15日時点）。カード上のベンチマーク主張（SWE-bench Pro 61.7、LiveCodeBench v6 90.3、OSWorld-Verified 84.3）はAli​baba社による報告であり、本日時点で独立した研究所による再現はされていません。

なぜダウンロードするのか：ローカル対APIの問い

オープンウェイトは、トークン実行の限界費用が電気代だけという唯一のモデルカテゴリです。ライセンス料も、トークンごとの料金も、レート制限もなく、データがマシンの外に出ることもありません。Qwen3.8 27BはApache 2.0ライセンスなので、その自由は永続的です。Ali​babaがウェイトを回収したり、再ライセンスしたり、料金を請求したりすることはできません。

トレードオフは、ハードウェアとセットアップです。完全なBF16ウェイトは、ネイティブ精度で実行するには80GBクラスのGPUが必要で、55.6GBはかなりのダウンロード量です。そこまで踏み切る前にモデルを評価したいなら、APIルートの方が速いです：Qwen3.8 27BはOrcaRouterで提供されており、Qwe​nの入力100万トークンあたり$0.33、出力100万トークンあたり$2.40という価格がマークアップなしでそのまま適用されます。また、OrcaRouterは同じモデルのレート制限付き無料ティアも提供しているため、ゼロコストのスモークテストにはダウンロードが一切不要です。しかし、APIはあくまで便利なものであって、依存すべきものではありません——ウェイトこそが製品であり、無料です。

実際にリポジトリには何が含まれているか

このリポジトリは単なる重みではありません。**完全に実行可能なパッケージ**です。**18個のシャード**に加えて、**{{KEEP}}Transformers{{/KEEP}}**・**{{KEEP}}vLLM{{/KEEP}}**・**{{KEEP}}SGLang{{/KEEP}}** が必要とするメタデータファイルが含まれています。上から順に見ていきましょう。

• model-00001-of-00018.safetensors … model-00018-of-00018.safetensors — 重み、各シャード2.1〜3.99 GB、合計55.57 GB。

• model.safetensors.index.json — すべてのテンソルをそれぞれのシャードにマッピングするもので、ローダーが最初に読み込むファイルです。

• config.json — アーキテクチャ: 64層、隠れサイズ5,120、語彙248,320、およびGated DeltaNet / Gated Attentionレイアウト。

• tokenizer.json (12.8 MB)、tokenizer_config.json、vocab.json (6.72 MB)、merges.txt (3.35 MB) — トークナイザー。

• chat_template.jinja — チャットテンプレート（思考ブロックを含む）。llama.cpp には jinja テンプレートとして渡す必要があります。そうしないと、モデルは思考タグで応答します。

• preprocessor_config.jsonとvideo_preprocessor_config.json — 画像および動画の前処理。

• crc32.txt — シャードごとのチェックサム。これでダウンロードを検証すれば、破損した転送も原因がわかる。

• README.md（65 kBのモデルカード）、LICENSE（Apache 2.0）、generation_config.json、.gitattributes（重みファイルをGit LFSとしてマークするもの）。

このレイアウトの1つの結果は、以下の偽リポジトリ問題に関係する。このリポジトリの真正なコピーは、重くて完全なものである。名前に「Qwen3.8」が含まれ、READMEしかないプレースホルダリポジトリは、失敗したダウンロードではなく、別の空のリポジトリである。

ダウンロード方法 — 3つのやり方

方法1、huggingface-cliは最もクリーンな方法です。モデルは公開されているためログインは不要で、全18シャードとメタデータをフォルダーにダウンロードします:

huggingface-cli download Qwen/Qwen3.8-27B --local-dir Qwen3.8-27B

55.6 GBの転送の場合、hf_transferバックエンドをインストールする価値があります—ダウンロードを並列化し、通常は時間を大幅に短縮します：

pip install hf_transfer

HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download Qwen/Qwen3.8-27B --local-dir Qwen3.8-27B

方法2、git cloneで、履歴付きの作業コピーとしてリポジトリを取得できます。Git LFS が必要です：

git lfs install

git clone https://huggingface.co/Qwen/Qwen3.8-27B

方法3、ブラウザ — Filesタブを開いてシャードを個別にダウンロードします。必要なのが1ファイルだけの場合（たとえば、アーキテクチャを確認するためのconfig.jsonのみ）にのみ現実的です。リポジトリ全体なら、手動ダウンロード18回にチェックサム確認も必要なので、CLIを使いましょう。

実際にダウンロードすべきファイル

公式リポジトリはBF16 safetensors — フル精度、55.6 GB — 80 GBクラスのGPUを持っている場合、または後で自分で量子化したい場合に適したアーティファクトです。公式のGGUFはありません。コンシューマーカードで実際に実行されているGGUFビルドはコミュニティリリースです。Hugging Faceにはこのベースから作られた303個の量子化モデルがリストされています（2026年8月15日確認）。ランブックが指しているのはunslothとlmstudio-communityのビルドです。おおよその段階は次のとおりです。

• BF16 safetensors — 55.6 GB、ネイティブ精度では80GBクラスのGPUが必要。

• GGUF Q8_0— 約29GBで、48GBのカードに収まります。

• GGUF Q4_K_M — 約17GB、24GBカードの標準的な選択肢。

• GGUF 2-bit — 約9 GBで、12 GBのカードに何とか収まりますが、品質の低下が目立ちます。

GGUFビルドでビジョン機能を利用したい場合は、ビジョンエンコーダ用の別途mmprojファイルも必要です。これは各コミュニティカードに記載されています。量子化とランタイムの完全な内訳（llama.cppのチャットテンプレートの注意点を含む）については、Qwen3.8 27Bをローカルで実行するためのランブックに詳細が記載されています。

本物のリポジトリと偽物を見分ける方法

ウェイトが公開される前、Hugging Faceの検索は「Qwen3.8」という名前の、ウェイトファイルが一切ないリポジトリで溢れていました。これらは、早期に検索する人を捕まえるために置かれたプレースホルダーカードやフォークです。今もまだいくつか残っています。検証チェックリスト：

• 名前ではなく、公開元を確認してください。正規のリポジトリはQwe​n組織にあります: Qwen/Qwen3.8-27B。他のアカウントにあるQwen3.8 27Bという名前のリポジトリは、どんなに本格的に見えても、公式リリースではありません。

• 公式コレクションを使用してください。 Qwenはhuggingface.co/collections/Qwen/qwen38を管理しています。その中のすべてのリポジトリはQwenのものです。

• ライセンス欄を確認してください。 実際のカードにはApache 2.0と記載されています。

• サイズと形状を確認してください。実際のリポジトリには、18個のsafetensorsシャードがあり、合計で約55.6GB、crc32.txtチェックサムファイル、65 kBのREADMEがあります。重みファイルが0個の場合は、ダウンロードが失敗したのではなく、リポジトリが空であることを意味します。

• ダウンロード数は証明ではなく、シグナルとして扱いましょう。 正規のリポジトリは1日で91,000ダウンロードを突破しており、皆がどこを向いているかを示しています。しかし、偽物もダウンロードされ得ます。保証となるのは発行元です。

ダウンロード後、整合性を検証してください。各シャードのCRC32をcrc32.txtと照合するか、Transformersでモデルを読み込み、state dictが警告なしで読み込まれることを確認します。これにより、破損した転送と再パッケージされた間違ったモデルの両方を検出できます。

ダウンロードが間違いとなる場合

55.6 GBのダウンロードは誰にとっても正しい選択とは限らず、この記事の正直なバージョンはそのことを明確に述べています。

モデルを評価したいだけなら、APIルートの方が速いです。構造化テストなら数セントと数分で済み、ダウンロードやセットアップに午後を費やす必要はありません。

お使いの環境には、80 GB 近い GPU がありません。 BF16 のダウンロードは、あなたにとって不適切なアーティファクトです。GGUF 量子化版か API を選択してください。

検証済みのベンチマークが必要です。すべての主要な数値はQwen3.8 27Bについて、2026年8月15日時点でAli​babaが報告したものです。独立したラボが再現した数値に判断が依存する場合は、それらを待ってください。ウェイトは引き続きここにあります。

あなたは数日前のモデルを基に構築しています。 ウェイトは8月14日にリリースされました。今日時点で確認したOrcaRouterのモデルページには、過去7日間のエラー率33.3%、p50ファーストトークン遅延225msと表示されています。初期負荷がかかっている真新しいモデルなので、初期のテレメトリは暫定的なものとして扱ってください。セルフホスト利用者は、ダウンロードしたコミットを固定し、フォールバックを用意してください。API利用者も同様の保険としてフェイルオーバールールを維持してください。

サポート契約を結ぶべきです。Apache 2.0は寛容なライセンスですが、ライセンスはSLAではありません。ワークロードにベンダーサポートが必要な場合は、ホステッドAPIを利用する方が安全です。

結論

本物のQwen3.8 27BはHugging Face上のQwen/Qwen3.8-27Bで公開されています。Apache 2.0、2026年8月14日リリース、BF16 safetensors 55.6GB（18シャード）。huggingface-cliまたはgit cloneでダウンロードし、発行元がQwen組織であることを確認すれば、誰にも奪われず、課金もされない最先端のオープンウェイト27Bを手に入れられます。それがユースケースに必要な以上のコミットメントであれば、同じモデルはAPI経由で数セントで利用できます。とはいえ、重要なのはウェイトです——そしてそれは無料です。