Qwen3.8-27B: gęsty model 27B w linii Qwen3.8 firmy Alibaba

O tym, czy możesz samodzielnie uruchomić Qwen3.8-27B, decyduje jedna liczba: 55,6 GB. To całkowita masa wag BF16 w repozytorium samego dostawcy — osiemnaście fragmentów safetensors, 27,8 miliarda parametrów, gdy doliczyć wieżę wizyjną — i to właśnie dlatego model ten w praktyce trafia na kartę graficzną o pojemności 24 GB, na której działa skompresowana wersja, a nie na stację roboczą uruchamiającą go w postaci dostarczonej. Wszystko inne w Qwen3.8-27B wynika z tego kształtu. To model gęsty, a nie mieszanka ekspertów: każdy generowany token zapala wszystkie 27 miliardów parametrów, co jest odwrotnością kompromisu, jaki reprezentują rzadkie giganty z tej samej generacji. I jest to jedyny w tym zestawieniu model, wokół którego nazwy istnieje prawdziwe sąsiedztwo — czytelnicy szukają go samego, a także szukają określeń wokół niego — więc ta strona jest prostą odpowiedzią na to, czym ta rzecz jest, do czego służy i co wybierasz, zanim zdecydujesz się na rozmiar lub format.

Precyzyjne rozróżnienie, ponieważ trzy nazwy w tej rodzinie łatwo pomylić. Qwen3.8-27B to gęsty model z generacji Qwen3.8 firmy Alibaba, który można hostować samodzielnie. Jego modele pokrewne to inne produkty: Qwen3.8-2.4T-A95Bto rzadki model typu mixture-of-experts o 2,4 biliona parametrów, którego wagi również udostępniono w sierpniu 2026 r., a Qwen3.8-Max to hostowane API zbudowane na tej samej architekturze, które nie ma żadnych wag do pobrania. Generację ogłoszono 3 sierpnia 2026 r., a wagi modelu 27B trafiły na Hugging Face i ModelScope 14 sierpnia 2026 r. na licencji Apache 2.0 — data warta podania dokładnie, ponieważ premiera jest jedynie tym, co datuje ten model, a nie wydarzeniem, o którym informuje ta strona.

Czym to jest, w słowach samej Alibaby

Karta modelu opisuje Qwen3.8-27B jako „kompaktowy, przyjazny wdrożeniom gęsty model”: natywny model wizyjno-językowy, który rozumie obrazy i wideo, z elastyczną kontrolą myślenia, „zaprojektowany, aby z większą niezawodnością doprowadzać złożone, wieloetapowe zadania do końca”. To stanowisko dostawcy, przypisane mu, a karta popiera je pięcioma deklarowanymi ulepszeniami — wzrostem kluczowych możliwości w zakresie kodowania, pracy zawodowej, badań oraz zadań agentowych o długim horyzoncie; silniejszym autonomicznym planowaniem i przetwarzaniem informacji zwrotnych z otoczenia; szerszym wsparciem dla popularnych frameworków agentowych i narzędzi programistycznych; trybem myślenia, który jest domyślnie włączony, ale można go wyłączyć dla pojedynczego żądania, a jego głębokość dostrajać za pomocą reasoning_effort; oraz natywnym rozumieniem obrazów i wideo, które według karty obejmuje od diagramów i dokumentów STEM po materiały wideo trwające godziny.

Architektura stojąca za tym twierdzeniem jest hybrydowa. Qwen3.8-27B składa się z szesnastu powtarzających się bloków, z których każdy zawiera trzy warstwy liniowej uwagi Gated DeltaNet i jedną pełną warstwę Gated Attention — w sumie 64 warstwy, wymiar ukryty 5 120, 48 głowic liniowej uwagi dla wartości w porównaniu z 16 dla zapytań. Mówiąc prościej: tylko jedna warstwa na cztery zachowuje konwencjonalną pamięć podręczną uwagi. Dlatego model 27B może obsłużyć natywny kontekst 262 144 tokenów bez kosztu pamięciowego, jakiego wymagałby konwencjonalny transformer tej wielkości, i dlatego jego lokalny ślad jest korzystniejszy, niż sugerowałaby liczba parametrów. Kontekst można rozszerzyć do 1 000 000 tokenów za pomocą skalowania YaRN, co — jak ostrzega karta modelu — może pogorszyć wydajność na krótszych danych wejściowych, jeśli pozostawi się je włączone na stałe. Tryb myślenia jest domyślnie włączony; zalecane w karcie próbkowanie to temperatura 1,0 z top_p 0,95 w trybie myślenia oraz 0,7 z top_p 0,80 poza nim, a także sugeruje się hojne przydzielanie danych wyjściowych — do 262 144 tokenów rozumowania i 131 072 na odpowiedź końcową w długim oknie.

Teraz uczciwa część ogólna, która jest wiedzą warsztatową, a nie pomiarem tego modelu. Gęsty model 27B w 2026 roku zajmuje określone miejsce. Jest wystarczająco duży, by być naprawdę użyteczny, i wystarczająco mały, by zmieścić się na sprzęcie, który posiada jedna osoba lub mały zespół — dzięki temu ma właściwy kształt do prywatnego wnioskowania, do pracy wsadowej, w której rozliczanie za token jest wrogiem, oraz do pętli agentowych wykonujących wiele tanich wywołań zamiast jednego drogiego. Nie ma właściwego kształtu do najtrudniejszego rozumowania, jakie masz, do najdłuższych pojedynczych dokumentów ani do niczego, w czym wolisz wynajmować najnowocześniejsze rozwiązania, niż posiadać wystarczająco dobre — gęsty model 27B przegrywa z dobrze obsługiwanym modelem z czołówki na górnym końcu i przegrywa z małym MoE pod względem kosztu na token na dolnym końcu. Gęstość to także fakt dotyczący opóźnienia: ponieważ każdy parametr jest aktywny przy każdym tokenie, model gęsty jest zasadniczo wolniejszy na token niż model rzadki o podobnej jakości, a Qwen3.8-27B jest ponadto modelem rozumującym, więc zużywa tokeny wyjściowe na myślenie, zanim odpowie. Nic z tego nie jest oceną tego konkretnego modelu. To kształt decyzji, którą podejmujesz.

Rozmiar i dopasowanie, w skrócie

Podsumowanie, ze szczegółową arytmetyką pozostawioną tam, gdzie jej miejsce. Pełne wagi BF16 to 55,6 GB, co jest rozmową o akceleratorach 80 GB. Hybrydowy układ uwagi sprawia, że skompresowane kompilacje są wyjątkowo łatwe w obsłudze: kwantyzacja 4-bitowa mieści się w okolicach kilkunastu gigabajtów i działa komfortowo na karcie 24 GB przy zwykłych długościach kontekstu, karta 16 GB jest realistyczna tylko wtedy, gdy zaakceptujesz niższą kwantyzację lub krótki kontekst, a 8 GB odpada. Ponieważ tylko 16 z 64 warstw przechowuje pełny cache uwagi, długi kontekst kosztuje mniej, niż kosztowałby w konwencjonalnym modelu 27B — ale nie jest darmowy, a to właśnie cache popycha wygodną konfigurację 24 GB ku jej granicy, gdy zwiększasz okno. Prowadzimy osobną stronę z drabinką VRAM dla poszczególnych kwantyzacji, krzywą długości kontekstu i liczbami dla zunifikowanej pamięci Apple-silicon; jeśli kupujesz sprzęt, przeczytaj tamtą, a nie tę.

Formaty jako wybór, a nie instrukcja.

Istnieją cztery ścieżki i odpowiadają one na cztery różne pytania. GGUF to wybór pod kątem zgodności — linia llama.cpp, najszersze wsparcie sprzętowe, format, który uruchomi się na tym, co już masz, i to jego tak naprawdę szuka większość osób wpisujących Qwen3.8-27B: wybierz go, gdy chcesz, aby wagi działały na maszynie stojącej przed tobą, i jesteś gotów wybrać poziom kwantyzacji. MLX to wybór dla Apple Silicon i jest to wybór realny — ten model działa na Macu przez MLX, co w przypadku 27B modelu wizyjno-językowego nie jest czymś, co można z góry zakładać. Po stronie serwowania NVFP4 i FP8 to formaty, które się wdraża, a nie uruchamia interaktywnie: FP8 utrzymuje model blisko pełnej precyzji przy mniej więcej o połowę mniejszym rozmiarze wag na jednym dużym GPU, a NVFP4 to agresywna kompilacja z ery Blackwell, która zajmuje około 25 GB VRAM, z wieżą wizyjną utrzymaną w pełnej precyzji. Unsloth to ścieżka dostrajania — pakiet GGUF z dołączoną ścieżką treningową, na wypadek gdy zamierzasz zmieniać wagi, a nie tylko je uruchamiać. Każda z nich ma własną stronę w ramach tego modelu i każda odpowiada na inne pytanie niż ta.

Co licencja tak naprawdę pozwala

Qwen3.8-27B jest dostarczany na licencji Apache 2.0. Plik LICENSE znajduje się w repozytorium, a licencja to permisywny standard, a nie umowa niestandardowa: użytek komercyjny bez limitu użytkowników ani tantiem, modyfikowanie, redystrybucja oraz wyraźne udzielenie praw patentowych — pod warunkiem że wraz ze wszystkim, co dalej przekazujesz, dołączysz licencję i wymagane informacje. Ma to znaczenie, ponieważ jest to inny plik niż ten, który reguluje resztę rodziny — Qwen3.8-2.4T-A95B jest dostarczany na niestandardowej licencji Qwen, a nie Apache 2.0 — więc „to Qwen, więc to Apache” nie jest bezpiecznym założeniem, a to jest ten członek rodziny, w przypadku którego akurat okazuje się ono prawdziwe.

Apache 2.0 na wagach to również prosta odpowiedź na największe pojedyncze kwalifikowane zapytanie, obok którego znajduje się ta strona — te nieocenzurowane i abliterowane. To, na co pozwala licencja, jest proste i warte powiedzenia bez upiększania: opublikowane wagi mogą być modyfikowane i redystrybuowane, w tym modyfikacje zmieniające zachowanie modelu, a wersje pochodne mogą być wydawane na tych samych warunkach. Na tym polega cały mechanizm stojący za wydaniem abliterowanym — społeczność lub laboratorium publikuje zmodyfikowaną kopię otwarcie licencjonowanych wag i redystrybuuje ją. Sami stosujemy tę drogę w przypadku tego modelu: wersje Qwen3.8-27B-Uncensored-GGUF, NVFP4 i MLX są nasze i publikowane na tych samych warunkach Apache 2.0 co oryginał. To, co usługa hostowana wygeneruje, a czego nie, to odrębne pytanie od tego, na co pozwala licencja, a ta strona nie udziela na nie odpowiedzi — nieocenzurowane strony dla poszczególnych formatów obejmują pliki do pobrania.

Co nie jest ustalone?

Trzy kwestie są naprawdę otwarte. Kontekst 1 mln tokenów to rozszerzenie YaRN, a nie natywne okno, a sama karta modelu ostrzega, że statyczne skalowanie YaRN może zaszkodzić wydajności przy krótkich danych wejściowych, więc praktycznym pułapem dla większości konfiguracji lokalnych jest natywne okno 262 144, a rozszerzenie to decyzja podejmowana dla każdego wdrożenia, którą trzeba przetestować. Własna karta modelu Alibaby kieruje czytelników szukających usługi zarządzanej do Qwen Cloud, opisując ją jako mającą wkrótce pojawić się dla tego modelu — zatem według stanu na październik 2026 r. poziom hostowany reklamowany przez kartę nie jest czymś, co możemy potwierdzić jako ogólnie dostępne, i nie zamierzamy opisywać jego warunków na podstawie zajawki. A tabela benchmarków na karcie to własna ewaluacja Alibaby, nieodtworzona przez podmiot, który ją opublikował, co stanowi zastrzeżenie, które pozostaje aktualne także po premierze.

Dostępność

Udostępniamy ten model. Identyfikator to qwen/qwen3.8-27b na naszej liście aktywnych modeli — to gęsty model multimodalny 27B; przyjmuje tekst, obrazy i wideo z oknem kontekstu o rozmiarze 262 144 pozycji, a czytelnik może podłączyć klienta zgodnego z OpenAI do niego już dziś. To wszystko, co powiemy tutaj o tej trasie: żadnych deklaracji o cenie, żadnych deklaracji o przepustowości. Jeśli wybierasz pod kątem kosztu, oblicz to na podstawie własnego ruchu, a nie liczby z tej strony.

Pozostaje wybrać format, a to pytanie o sprzęt, zanim stanie się pytaniem o oprogramowanie. Jeśli uruchamiasz go na maszynie przed sobą, ścieżka GGUF to miejsce, w którym żyją poziomy kwantyzacji i gdzie dowiesz się, czy twoja karta wystarczy. Jeśli masz Maca, ścieżka MLX to ta, która decyduje, czy w ogóle masz pamięć zunifikowaną. Przeczytaj teraz jedną z tych dwóch, a wróć na tę stronę tylko wtedy, gdy chcesz sobie przypomnieć, czym jest model, zanim przeznaczysz miejsce na dysku.