Qwen3.8-27B：AlibabaのQwen3.8ラインナップにおけるコンパクトなマルチモーダルモデル

Qwen3.8-27Bは、Aliba{{1}}baのQwen{{/1}}3.8のdenseな単一ノード版です：30億パラメータの視覚言語モデルで、Apache 2.0の下でHugging Faceに公開されており、テキスト、画像、動画を受け取り、262,144トークンのコンテキストウィンドウでテキストを返します。これはそのモデルのリファレンスページです — それが何であるか、呼び出すのにいくらかかるか、何ができるかについての正規の解説であり — そして、重みが2026年8月に初めて登場したモデルについて、なぜ過去7日間ではなく今このページが存在するのかを最初に述べておく価値があります。私たちはローンチを報じているのではありません。私たちは以前からある疑問に答えているのです：読者は「Qwen3.8-27B」という名前で月に数千回私たちにたどり着きますが、今まで私たちのどのページもその答えを提供していませんでした。モデル自身のリリースは、Qwe{{2}}nのカードに日付が記載され、Artificial Analysisによって2026-08-14として記録された{{/2}}ものであり、このページがモデルの日付を特定するために用いる事実であって、このページが報じる出来事ではありません。

それは例外として読むべきものだ。厳密に七日間という基準で読めば、2026年8月中旬のモデルは最新とは言えず、この項目はニュースとして飛ばされてしまう。だがここでの根拠は異なる。これはリファレンスページであり、その数値は2026年9月28日にQwe​n自身のモデルカード、リポジトリのライセンスファイル、Qwe​n Cloudの料金表、そしてArtificial Analysisに対して検証済みで、存在する理由は同じ日に一次情報として測定した検索需要にある。これは二度目の発表ではなく、誰もそう読むべきではない。

Qwen3.8のラインナップにおける27Bの立ち位置

Qwe​n3.8世代は単一のモデルではなく、サイズ接尾辞こそがこの名前の要点です。Qwe​n自身のリポジトリにあるファミリー全体の注記が、その分割を明示しています：

• Qwen3.8-27B — 27Bの密なパラメータ、画像と動画のネイティブ入力、Apache 2.0。デプロイしやすいモデル：1台のGPUまたは小規模なノードで実行できるサイズで、このページの主題です。

• Qwen3.8-2.4T-A95B を基盤とする Qwen3.8-Max — 総パラメータ数 2.4 兆、アクティブ 95B の、Alibaba がこの世代で初めて公開した Qwen-Max クラスのモデル。そのリポジトリには独自の qwen3.8-maxライセンスが採用されており、Apache 2.0 ではありません。

• Qwen3.8-Flash-Next — QwenがQwen4の基盤になると述べている実験的アーキテクチャのプレビュー版で、qwen-community-1.0ライセンスの下でリリースされました。ホスト版のQwen3.8-Flashはこれをもとに構築されています。

つまり「27B」は Max モデルのトリムレベルではなく、1 つのチームが実際に対応できるサイズクラスだ。Alibaba が継承すると主張しているのは学習レシピであり、モデルカードでは Qwen3.8-27B が、コーディング、専門業務、研究、長期ホライズンのエージェントタスクにおけるこの世代の進歩を取り込み、それらを dense チェックポイントへ圧縮したものだと説明している。

Qwenが公開するアーキテクチャ

以下の数値はすべて、Qwen/Qwen3.8-27B のモデルカード、すなわちベンダー自身のドキュメントに基づくものです：

• パラメータ — 宣伝どおり27B。リポジトリ自身のsafetensorsメタデータでは、BF16で18シャードにわたるパラメータの合計が27,781,427,952個であるため、ビジョンタワーを数に入れるとおよそ27.8Bになります。ここにはMixture-of-Expertsはありません。すべてのパラメータがすべてのトークンで有効です。

• 形状 — 64層、隠れ次元5,120、フィードフォワード中間次元17,408、トークン埋め込みおよびLM出力248,320（パディング済み）。

• ハイブリッドアテンション — Qwen が出力するレイアウトは 16 × (3 × (Gated DeltaNet → FFN) → 1 × (Gated Attention → FFN))：フルアテンションブロック1つにつき線形アテンションブロック3つ、つまり 3:1 の比率です。Gated DeltaNet はヘッド次元 128 で、V 用に 48 個、QK 用に 16 個の線形アテンションヘッドを実行します。Gated Attention はヘッド次元 256 で、4 個の KV ヘッドに対して 24 個のクエリヘッドを実行し、ロータリー次元は 64 です。この比率こそが 27B モデルで 262K ウィンドウを現実的なものにしており、Qwen3.8-Flash-Next がスパースアテンションで拡張しているのも同じ系譜です。

• マルチトークン予測 — カードには、モデルが複数のステップにわたるMTPで学習されていると記載されています。これは、MTP対応のサービングスタックにおいて生成を高速化するドラフティングの仕組みです。

• 思考制御 — 思考モードはデフォルトでオンになっており、リクエストごとにオフに切り替えられます。reasoning_effort は xhigh（デフォルト）、medium または low を取り、preserve_thinking はデフォルトでオンなので、推論トレースは再生成されずにターンをまたいで引き継がれます。

コンテキストウィンドウと出力上限

カードには、ネイティブで262,144トークン、RoPEスケーリング（YaRN）により1,000,000まで拡張可能と記載されている。Qwen自身の、長いエージェント実行に関するサービング指針では、その1Mの枠内で、推論コンテンツに最大262,144トークン、最終応答に最大131,072トークンを許可することとしている — この上限はサービング構成であり、チェックポイントの固定された特性ではない。

2つのウィンドウは混同しやすいため、区別して扱う価値があります。オープンウェイトはネイティブで262,144で動作します。ホスト版はQwen Cloud上にあり、モデルカードではまだ提供予定と説明されています（「サービスは近日提供予定」）。Qwen Cloudのモデルページには、1Mコンテキスト、最大入力991K、最大出力131K、最大推論予算262Kと記載されています。ホスト版製品の仕様表は、チェックポイントの仕様表ではありません。

モダリティ：何が入力され、何が出力されるか

入力はテキスト、画像、動画で、出力はテキストのみです。カードでは Qwen3.8-27B を「画像と動画を理解するネイティブな視覚言語モデル」と称しており、そのサンプルコードは3種類すべての入力タイプを渡しています。音声入力、画像生成、音声出力はありません。Artificial Analysis の同じチェックポイントに対するモデル記録も、この範囲（画像・動画・テキスト入力、テキスト出力）で一致しており、Alibaba 自身のページではないため、有用な第二の見方となります。

Apache 2.0リリースが実際に許可するもの

ライセンスはブログ投稿の要約ではありません。リポジトリには Apache License, Version 2.0 の本文自体が含まれており、カードのメタデータは次を宣言しています：ライセンス: apache-2.0。それが何を許諾するかは、ライセンス本文から読み取ると：複製、派生著作物の作成、公衆への表示、サブライセンス、および本著作物とその派生著作物の配布を行うための、永続的、全世界、ロイヤリティフリーの著作権ライセンス、および貢献者からの特許ライセンス — 商業利用も許可された目的に含まれ、使用分野の制限も、ユーザー数の閾値も、別途の商業契約もありません。Apache 2.0 はまた、製品の出荷に重要な意味で寛容型です：派生した重みは異なる条件で再配布できますが、ライセンスと帰属表示を保持し、変更内容を明示することが条件です（第4a条から第4c条）。第6条は Qwe​n の名称や商標に関する権利を一切許諾していないため、Apache-2.0 のフォークは自らを Qwe​n として宣伝することはできません。

一族内の比較は示唆に富んでおり、それは報道からではなくリポジトリから見て取れる。2.4T-A95B チェックポイントは自らをotherと名乗り、qwen3.8-maxライセンスを掲げており、Qwen3.8-Flash-Next はqwen-community-1.0を使用している。27B は、この3つのうちプレーンな Apache 2.0 の下で提供される唯一のものである。

独立したベンチマークの立場

Artificial Analysisはこのモデルを実行済みであり、その記録はAlibaba自身の表とは分けて扱う価値がある。両者は異なる問いに答えているからだ。独立系インデックス（xhigh構成で測定）：

• Intelligence Index 33.7 — Artificial Analysis の保存値であり、そのモデルページでは 34 に丸めて表示されます。2 つのランクが公開されており、それぞれ異なる母集団を測定しています。そのページ自身のサマリータイルでは、モデルを、そのサイズクラス内の 142 モデル中 1 位としています（ページのツールチップが説明する同クラス比較において）。一方、当カタログの Artificial Analysis を出典とする行では、145 中 45 位、およそ 67 パーセンタイルと記録されています。どちらも他方と同じ母集団に対する順位ではないので、これらを 1 つの数値を 2 つの形式で示したものとして読まないでください。

• コーディング指数 68.1 — 出典としてartificialanalysis.aiを明記のうえ当社カタログに収録。同指数の母集団138件中35位。このモデルは汎用知能よりもコーディングで高く評価されており、これはベンダー自身の表の形とも一致している。

• エフォートのはしご、同じハーネス — 推論エフォートを下げると、指標は大きく動く：33.7（xhigh）、27.6（medium）、26.2（low）、そして推論を完全にオフにすると20.2。これは測定された13.5ポイントの広がりであり、モデルごとではなくワークロードごとにエフォートを調整することを支持する最も具体的な根拠である。

• 2つの情報源が一致する点と相違する点 — GPQA Diamondでは、Alibabaのカードは89.2を報告し、Artificial Analysisは90.5を測定している。Humanity's Last Examでは、カードは30.8を報告し、Artificial Analysisは33.9。近いが同じ数値ではなく、これは正常である。ハーネスが異なり、実行も異なるからだ。注意点が1つあり、これは脚注ではなく記事本文に属する——Qwen3.8-27Bと、Alibabaの比較表にあるどのモデルとの間でも、同一のエフォート設定・同一のハーネスで実行された直接対決を第三者が公開したことはない。したがってこのページのすべてのモデル間比較は、別々の測定の比較であり、結果ではない。

Qwenが報告する内容と、その読み方

そのモデルカードには、Qwen3.6-27B、Qwen3.7-Plus、Muse Glimmer-30B、Opus4.6 Maxとの比較列とともに、約24件のスコアが掲載されている。それらはすべてベンダー申告の数値であり、再現もされていない——Alibaba自身による評価を、Alibabaが公表したものだ——しかもそのうち複数の行では、Claude Codeのハーネスを用い、GPT-5.4ビルドによって判定が行われており、そのことはカードの脚注に明記されている。そうした前提に立ったうえでの、ベンダー公表の主要数値は以下のとおり：

• エージェント型ターミナルコーディング — Terminal Bench 2.1 (Terminus) は73.0、それが置き換えるQwen3.6-27Bの63.4に対して、Opus4.6 Maxが78.2でこの行をリードしている。

• エージェント型コーディング — SWE-bench Pro 61.7、QwenSWEBench 79.0、DeepSWE 1.1 42.2、NL2Repo-Bench 42.3、LiveCodeBench v6 90.3。

• エージェントとオフィス業務 — スコアで CoWorkBench 70.7、JobBench 33.4、Agents' Last Exam 42.9（Pass@1 20.4）。

• 一般的な推論 — GPQA Diamond 89.2、HLE 30.8、IFBench 79.5。Opus4.6 Max はベンダー自身の表で両方の推論行をリードしており、91.3 と 40.0 です。

• 視覚とコンピュータ操作 — OSWorld-Verified 84.3、AndroidWorld 81.9、WebArena-Verified 64.8、OmniDocBench 1.5 91.1、RealWorldQA 85.9。

その表の正直な要約は、表の見た目ほど広くはない。直接の前身と比べれば、改善幅は大きく一貫している——QwenSWEBench 79.0 対 49.3、DeepSWE 42.2 対 13.3——そしてそれはレシピ変更1世代についての主張にすぎない。隣接する列のフロンティアモデルと比べると、Aliba​ba自身の数値で、Aliba​ba自身が選んだハーネスにおいて、勝つ行もあれば負ける行もある。

それを実行する

重みはTransformers形式の18個のBF16シャードで、モデルカードには対応スタックとしてHugging Face Transformers、vLLM、SGLang、TokenSpeedが記載されています。ローカルデプロイと量子化の経路については別途執筆しており、そうした詳細を扱うのに適した場所はそちらです：Ollama上のQwen3.8-27Bはローカルデーモン向け、そしてベンチマークのウォークスルーではQwen3.6-27Bからの変更点を含む全スコアカードを扱っています。このページはモデル自体についてのものです。

当社カタログのQwen3.8-27B

本日、OrcaRouter 上では 2 つのカードが並んで公開されており、どちらもこの段落を書く前の 2026-09-28 に再確認済みです。qwen/qwen3.8-27bは、入力トークン 100 万あたり $0.33、出力トークン 100 万あたり $2.40 で、262,144 トークンのフルウィンドウ、テキスト・画像・動画入力、そして reasoning、tools、structured-output、JSON の各サーフェスをパラメータとして公開しています。その兄弟である obsidian/Qwen3.8-27B — 同じ重みを block-FP8 で提供しつつビジョンタワーはフル精度のままにしたもので、カード自身の言葉を借りれば「幅広いプロンプトに対して直接的で完全な回答を提供するよう設計」— は、入力 $0.40、出力 $4.21 で公開されています。どちらも chat completions と Responses API に対応しているため、文書解析やスクリーンショットのジョブは、1 つのキーと 1 つのエンドポイントの下でどちらのモデルにも向けることができ、2 つ目の契約もコード変更も不要です。

参考までに規模を示すと、私たち自身のプレイグラウンドでは、過去7日間にqwen/qwen3.8-27bを通じて1億510万トークンが処理され、最初のバイトが届くまでの時間の中央値は3.8秒、同じ期間のエラー率は3.3%でした。これは私たちのサービング数値であり、モデルに対する評価ではありません。

ここにたどり着いた検索

このページの背後にある需要は薄く広がっており、クリックのちょうど外側に位置しています。2026-09-25 までの 28 日間で、当社のプロパティは 8,931 回のインプレッションと 273 回のクリックを、モデル名の 69 通りの異なる完全一致表記——「qwen3.8 27b」「qwen3.8-27b」「qwen 3.8 27b」、そして同じ 3 つのトークンを書く数十通りの方法——にわたって獲得しました。最も規模の大きい表記における当社の最良順位は 9.0 から 10.6 でした。これらは他のページの偶然によって保持していた順位であり、まさにそれこそがカノニカルページが解決する問題です。9 位では検索結果ページには載っていても、誰もクリックしません。トラフィックがコンバージョンにつながる唯一の場所は非英語です。名前のロシア語表記は当社にとって 1.8 位に位置し、14.4% でコンバージョンしています。

それらのどれも、モデルに関する証拠ではない。それは人々が何をタイプするかについての証拠であり、そのページが存在する理由でもある。

要するに、真に珍しいアテンション配置を備えた27Bの密なチェックポイント、寛容なライセンス、ネイティブな動画理解、派生版を出荷できるApache-2.0の条件、Artificial Analysisが測定するものの上位4分の1に入る独立したコーディングランク、そして前身に対しては強くフロンティアに対してはまちまちなベンダーテーブルだ。未解決の疑問は、Alibabaの外部ではまだ誰も答えられないものだ — 1Mトークンのホストされたパスが本番環境でどのように動作するのか、そしてFlash-Nextアーキテクチャがこのサイズのモデルに搭載されるのかどうか。

Qwen3.8-Max の基盤となる 2.4T-A95B コアが同じカタログで公開されました: qwen/qwen3.8-maxは100万トークンあたり $2.00 / $6.00 です。27B では必要なサイズに満たない場合にご利用ください。