LBS-27B vs Qwen3.8 27B: poprzeczka na poziomie 27B i laboratorium, które ją odczytuje

Sześć tygodni przed tym, jak LBS-27B pojawił się jako puste repozytorium, inclusionAI opublikowało inny model: inclusionAI/Qwen3.8-27B-singprobe, niewielką strumieniową sondę zabezpieczającą zbudowaną na bazie opracowanego przez Alibaba modelu Qwen3.8 27B. Nie jest to model językowy ani konkurent. To klasyfikator bezpieczeństwa, który odczytuje ukryte stany Qwen3.8 27B podczas generowania przez ten model, a jego istnienie ujawnia coś, czego nie pokaże karta specyfikacji: laboratorium, które właśnie zarezerwowało nazwę LBS-27B, pracuje bezpośrednio z modelem zajmującym ten sam slot parametrów.

Dlatego to jest starcie, które w tej partii ma największe znaczenie. Gemma 4 26B A4B to inna architektura i inna klasa cenowa; Granite 4.2 30B to gęsty model nastawiony na przedsiębiorstwa; LFM2.5 24B A2B to eksperyment w zakresie efektywności. Qwen3.8 27B to model, na który najprawdopodobniej byłby wymierzony nowy model 27B od poważnego chińskiego laboratorium. Czy LBS-27B jest dla niego wyzwaniem, tańszą alternatywą czy czymś zupełnie innym, nie da się stwierdzić na podstawie repozytorium zawierającego 28-bajtowy plik licencji — ale poprzeczkę, którą ustawił Qwen, można poznać, i jest ona wysoka.

Czym właściwie jest Qwen3.8 27B

Qwen3.8 27B jest reklamowany jako model 27B, wymieniany na Hugging Face jako model z 28B parametrów w BF16 i zbudowany na hybrydowym stosie uwagi zamiast standardowego transformera. Karta opisuje szesnaście powtarzających się bloków, z których każdy zawiera trzy warstwy Gated DeltaNet, po których następuje jedna warstwa Gated Attention, z rozmiarem ukrytym 5 120, 64 warstwami, 24 głowicami uwagi, 4 głowicami klucz-wartość i wymiarem feed-forward o szerokości 17 408. Słownik obejmuje 248 320 tokenów.

Okno kontekstu wynosi natywnie 262 144 tokeny i można je rozszerzyć do około miliona za pomocą YaRN. Jest natywnie multimodalny: tekst, obrazy i wideo na wejściu, tekst na wyjściu. Myślenie jest domyślnie włączone, z poziomami wysiłku rozumowania xhigh, medium i low oraz flagą preserve-thinking, która jest domyślnie włączona. Licencja to Apache-2.0. Wagi pojawiły się w sierpniu 2026 r.

Architektura to część, nad którą warto się zatrzymać. Warstwy Gated DeltaNet to warianty uwagi liniowej, które skalują się lepiej wraz z długością sekwencji niż pełna uwaga, a przeplatanie ich z niewielką liczbą warstw pełnej uwagi pozwala uzyskać zachowanie długiego kontekstu bez ponoszenia kosztu kwadratowego na każdej warstwie. To bardziej ambitny projekt niż zwykły gęsty stos i coś, czemu trudno dorównać za pierwszym podejściem.

Bar w liczbach

Wszystkie poniższe wyniki zostały podane przez samego Qwena i nie zostały przez nas niezależnie odtworzone. Wciąż są właściwym punktem odniesienia, ponieważ to z nimi będzie porównywać kupujący.

• Programowanie i inżynieria oprogramowania — LiveCodeBench v6 90.3, QwenSWEBench 79.0, SWE-bench Pro 61.7, DeepSWE 1.1 42.2, NL2Repo-Bench 42.3.

• Praca w terminalu i praca agentowa — Terminal-Bench 2.1 (Terminus) 73,0, CoWorkBench 70,7, JobBench 33,4, Agents' Last Exam 20,4 pass@1 i wynik 42,9.

• Wiedza i rozumowanie — GPQA Diamond 89,2, Humanity's Last Exam 30,8, IFBench 79,5. Wynik HLE jest niezwykle wysoki jak na model 27B i jest jedyną najbardziej rzucającą się w oczy liczbą na karcie.

• Wizja i obsługa komputera — OSWorld-Verified 84,3, AndroidWorld 81,9, WebArena Verified 64,8, MathVision 90,0 bez integracji z łańcuchem myśli i 94,6 z nią, OmniDocBench 1.5 91,1, RealWorldQA 85,9, rozumowanie CharXiv 83,7 i 90,2 z integracją.

• Słabsze wiersze — SWE-MM 38.6, RecreationBench 47.1, ClawEval-MM 57.4 pass@3. Nawet słabe wiersze są przyzwoite.

To nie jest model, który wygrywa w jednym wymiarze. Jest konkurencyjny jednocześnie w kodowaniu, wiedzy, wizji i obsłudze komputera, co jest dokładnie tym profilem, który sprawia, że trudno pozycjonować konkurenta tej samej wielkości. Nowy model 27B nie może go pokonać, będąc nieco lepszym w jednej rzeczy; potrzebuje innego argumentu.

Co pokazał LBS-27B

Nic, co można by ocenić. Repozytorium utworzono o 05:36 UTC 26 października 2026 r. i zawiera 1519-bajtowy plik .gitattributes oraz 28-bajtowy README. README to deklaracja licencji i tylko deklaracja licencji: license: apache-2.0. Nie ma żadnych wag, konfiguracji, tokenizera, karty modelu ani wierszy z wynikami benchmarków. Pobrania nie są śledzone, liczba polubień wynosi zero, a nigdzie nie udało nam się znaleźć żadnej zapowiedzi, artykułu ani publicznej dyskusji o modelu.

„27B” to nazwa. Nie potwierdzono, że oznacza całkowitą liczbę parametrów, a tym bardziej liczbę aktywnych parametrów, i nie ma żadnych wskazówek, czy model jest gęsty, rzadki, czy zbudowany na hybrydowym stosie uwagi, jak w przypadku Qwen.

Sonda jest najciekawszą wskazówką.

Qwen3.8-27B-singprobe od inclusionAI został utworzony 14 września 2026 r. i oznaczony tagami dotyczącymi bezpieczeństwa, zabezpieczeń, streamingu oraz wykrywania halucynacji. Jest oparty na Qwen3.8 27B i objęty licencją Apache-2.0, a przyciągnął niewiele uwagi — w chwili pisania tego tekstu miał 219 pobrań i dwa polubienia.

Jej znaczenie nie wynika z popularności. Pokazuje, że inclusionAI prowadzi instrumentację Qwen3.8 27B na poziomie stanów ukrytych, co oznacza, że laboratorium rozumie wewnętrzne reprezentacje modelu wystarczająco dobrze, by zbudować na nich klasyfikator. To głębsza forma znajomości niż porównywanie benchmarków. Nie dowodzi, że LBS-27B pochodzi z Qwen3.8 27B — nie ma na to dowodów, a obie organizacje to odrębne firmy, Ant Group i Alibaba — ale sugeruje, że klasa 27B nie jest przypadkowym celem dla tego laboratorium.

To także nasuwa wartą wymienienia możliwość: laboratorium, które dostarcza modele wraz z sondami bezpieczeństwa, może pozycjonować własny model 27B wokół kontrolowalności i zabezpieczeń, a nie prymu w surowych benchmarkach. Jeśli taki jest przekaz, porównanie z Qwen3.8 27B zmienia się z „kto wypada wyżej” na „który łatwiej bezpiecznie wdrożyć” — inne pytanie, inna odpowiedź.

To może potoczyć się na trzy sposoby

Bez karty modelu uczciwym podejściem jest opisanie prawdopodobnych kształtów, a nie wybieranie jednego.

• {{1}}Tańsza alternatywa dla Qwen{{/1}}. Jeśli LBS-27B to gęsty model 27B o porównywalnej jakości i niższym koszcie obsługi, konkuruje ceną. To trudne w starciu z modelem za 0,33 USD za milion tokenów wejściowych, ale nie niemożliwe, jeśli recepta treningowa inclusionAI jest wydajniejsza lub jeśli model celuje w mniejszą liczbę aktywnych parametrów.

• Zagranie na efektywność. Jeśli LBS-27B jest rzadki (sparse) i ma niewielką liczbę aktywnych parametrów, całkowicie omija profil obliczeniowy Qwena. Qwen3.8 27B jest gęsty (dense), co czyni go kosztownym w przeliczeniu na token przy długim kontekście; rzadki model 27B z ułamkiem aktywnych parametrów mógłby obniżyć koszty względem niego, rezygnując przy tym z części jakości. To strategia LFM2.5 zastosowana w większej skali.

• Inna nisza. Jeśli LBS-27B stawia na bezpieczeństwo, obsługę wielu języków, pracę z długimi dokumentami lub konkretne środowisko agentowe, może wcale nie próbować pobić Qwen3.8 27B we wszystkich obszarach. Ten singprobe jest słabym dowodem na to, ale to jedyny dowód, jaki istnieje.

Każdy z tych kształtów sugeruje inny plik konfiguracyjny. Dlatego ujawnienie architektury, kiedy już nastąpi, będzie bardziej pouczające niż jakikolwiek wpis na blogu premierowym.

Porównanie z zaznaczonymi pustymi polami

• Parametry — Qwen3.8 27B jest reklamowany jako 27B, a w BF16 podawany jest jako 28B; LBS-27B to niezweryfikowane 27B.

• Architektura — hybryda warstw Gated DeltaNet i Gated Attention dla Qwen; nieznana dla LBS.

• Kontekst — 262,144 natywnie i około miliona z YaRN dla Qwen; nieznany dla LBS.

Modalność — dane wejściowe tekstowe, obrazowe i wideo z wyjściem tekstowym w przypadku Qwen; nieznane w przypadku LBS.

• Sterowanie myśleniem — poziom wysiłku rozumowania: xhigh, medium lub low dla Qwen; nieznany dla LBS.

• Licencja — Apache-2.0 dla Qwen; Apache-2.0 zadeklarowana dla LBS.

• Cena — 0,33 USD za milion tokenów wejściowych i 2,40 USD za milion tokenów wyjściowych dla Qwen w OrcaRouter; brak ceny dla LBS.

• Ewaluacje — pełna karta dostawcy dla Qwen, obejmująca wiersze dotyczące kodowania, działań agentowych i wizji; brak dla LBS.

Cena i argument za jednym API

Qwen3.8 27B jest dostępny w OrcaRouter jako qwen/qwen3.8-27b za 0,33 USD za milion tokenów wejściowych i 2,40 USD za milion tokenów wyjściowych, z pełnym kontekstem 262 144 tokenów. OrcaRouter przekazuje cenę katalogową dostawcy bez marży (0%), więc jeśli Alibaba lub jej partnerzy hostingowi zmienią stawkę, liczba po naszej stronie zmieni się tego samego dnia. Na platformie dostępna jest również druga oferta Qwen3.8 27B po wyższej stawce pod inną nazwą dostawcy — warto ją sprawdzić, jeśli porównujesz oferty.

LBS-27B nie jest dostępny w OrcaRouter. Nie ma czego trasować. Gdy wagi będą dostępne, praktycznym sposobem odpowiedzi na pytanie, na które ten artykuł nie potrafi odpowiedzieć — czy nowy model jest faktycznie lepszy dla mojego obciążenia? — jest skierowanie do niego części ruchu przez ten sam endpoint, podczas gdy Qwen pozostaje rozwiązaniem zapasowym. Automatyczne przełączanie awaryjne czyni z tego odwracalny eksperyment, a nie migrację, a DSL trasowania sprawia, że podział można wyrazić jako politykę, a nie gałąź kodu. To jest użyteczna rola routera w porównaniu modeli 27B: nie wybieranie zwycięzcy, lecz umożliwienie ci zmierzenia jednego względem drugiego na własnych danych wejściowych.

Co sprawiłoby, że byłoby to prawdziwym porównaniem?

Pierwszym artefaktem jest plik konfiguracyjny. Rozstrzygnie on kwestię gęstej versus rzadkiej architektury i poda liczbę aktywnych parametrów, co określa, czy LBS-27B konkuruje z Qwen pod względem jakości, czy omija tę rywalizację, grając na kosztach.

Drugi to wieża wizyjna. Zdolność multimodalna Qwen3.8 27B nie jest funkcją poboczną; w dużej mierze odpowiada za to, że model jest konkurencyjny w zadaniach związanych z dokumentami, interfejsami użytkownika i computer-use. LBS-27B obsługujący wyłącznie tekst byłby mniejszym produktem skierowanym do węższej grupy tych samych nabywców.

Trzecie to oświadczenie pozycjonujące od inclusionAI. Laboratorium nie podało, do czego ma służyć LBS-27B, a sama nazwa również tego nie zdradza. Wszystko w tym artykule na temat intencji jest wnioskiem wyciągniętym z sondy, licencji i znacznika czasu.

Na razie możliwy do obrony wniosek jest wąski. Qwen3.8 27B to jeden z najsilniejszych dostępnych modeli 27B, z hybrydową architekturą, natywną multimodalnością, ścieżką rozszerzenia do miliona tokenów i agresywną ceną hostingu. LBS-27B to repozytorium, które jeszcze nie stało się modelem. Różnica między nimi nie jest różnicą w możliwościach; to odległość między gotowym produktem a zarezerwowaną nazwą — a ciekawe pytanie brzmi, czy laboratorium, które analizuje ukryte stany Qwen, przygotowuje się do konkurowania z nim, czy do uzupełniania go.