Karta tytułowa hero dla recenzji Qwen3.8-27B, zatytułowana „Qwen3.8-27B Review" z podtytułem „Open-weight 27B, który jest Opusem w domu — testowany wobec szumu", przedstawiająca odznakę open-weights, odznakę Apache 2.0 oraz zestaw ikon GPU i serwera na czystym białym tle z delikatnymi niebieskimi gradientami.
Guides & Insights

Recenzja Qwen3.8-27B: otwarty model 27B, który jest "Opusem w domu" — sprawdzony w obliczu hype'u.

Autor

Alistair Wren

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Qwen3.8 27B to najlepszy otwarto-wagowy model 27B, jaki możesz teraz hostować samodzielnie, i nie ma tu szczególnie bliskiej konkurencji. Wagi udostępniono 14 sierpnia 2026 na licencji Apache 2.0: gęsty model 27B (28B, licząc enkoder wizyjny) z natywnym kontekstem 262K, natywnym wejściem obrazu i wideo oraz raportowanymi przez producenta wynikami w kodowaniu agentowym, które plasują się na poziomie Cla​ude Opus 4.6 Max lub powyżej — SWE-bench Pro 61,7, DeepSWE 1.1 42,2, LiveCodeBench v6 90,3. Cena w nagłówku to zero: pobierz 55,6 GB i uruchom. Zastrzeżenia też są realne — niezależne testy wskazują, że jest około trzy razy wolniejszy i bardziej żarłoczny pod względem tokenów niż poprzednik, za tabelą benchmarków producenta wciąż nie stoi żadna reprodukcja, a kontekst 1M to funkcja wyłącznie hostowana. Ciekawszy ruch od premiery kryje się pod specyfikacją: 13 października społecznościowy port do llama.cpp poinformował o uruchomieniu tych wag na GPU z jailbreakowanej PlayStation 5 przy około 20 tokenach na sekundę. Werdykt: jeśli masz GPU z 24 GB+ i chcesz możliwości zbliżone do frontier bez rozliczanego rachunku, hostuj go samodzielnie — ale wchodź w to, dokładnie wiedząc, gdzie liczby są miękkie.

Najpierw werdykt: czy powinieneś używać Qwen3.8 27B?

Krótka odpowiedź — tak dla lokalnych i prywatnych obciążeń; przed decyzją o zakupie poczekaj na wyniki od niezależnych podmiotów. Qwen3.8 27B to rzadki model, w którym otwarte wagi są produktem, a API wygodą. Ponieważ licencja to Apache 2.0, cena za token jest trwale zerowa, gdy tylko masz odpowiedni sprzęt, a nic, co na nim zbudujesz, nie może zostać ponownie licencjonowane ani rozliczane z mocą wsteczną. Tracisz natomiast szybkość, weryfikowalność i wygodę.

Jeśli już używasz Qwen3.6-27B i jesteś z niego zadowolony, aktualizacja jest realna, ale nie darmowa pod względem czasu rzeczywistego. Jeśli trafiłeś tu po premierze Qwen3.8-Max, to jest mniejszy, możliwy do samodzielnego hostowania przedstawiciel tej samej generacji — inne narzędzie do innego zadania.

Szybkie fakty, sprawdzone 15 października 2026

• Wydano — wagi zostały udostępnione 14 sierpnia 2026 r. jako Qwen/Qwen3.8-27B na Hugging Face, z kopią lustrzaną na ModelScope; relacje w różnych strefach czasowych podają również 13 sierpnia, a premiera miała miejsce około tydzień po ogłoszeniu generacji Qwen3.8.

• Licencja — Apache 2.0: pobieranie, modyfikacja, redystrybucja, użycie komercyjne, z wyraźnym przyznaniem patentów. Bezterminowa.

• Parametry — 27B dense (28B wliczając enkoder wizyjny), 64 warstwy, rozmiar ukryty 5 120, słownik 248 320.

• Architektura — hybrydowa uwaga: 48 warstw liniowej uwagi Gated DeltaNet wobec 16 pełnych warstw Gated Attention (podział 3:1). Dlatego gęsty model 27B może przenosić 262K tokenów natywnego kontekstu.

• Kontekst — 262 144 tokeny natywnie; rozszerzalny do 1 000 000 przez YaRN w wersji hostowanej.

• Wejście — natywna obsługa obrazu i wideo oraz tekstu; zwraca tekst. To dzięki enkoderowi wizyjnemu liczba parametrów wynosi 28B.

• Myślenie — tryb rozumowania domyślnie włączony i możliwy do wyłączenia na żądanie; reasoning_effort (niski/średni/wysoki) oraz preserve_thinking dla długich przebiegów agenta.

• Wagi — 55.6 GB tensorów safetensors BF16 w 18 fragmentach; dostępne są także FP8 i społecznościowe GGUFs.

Powyższe dane techniczne pochodzą z karty modelu i konfiguracji na Hugging Face dlaQwen3.8 27B, odczytanych 15 października 2026 r. Tabela wyników producenta jest podana przez Alibabę i wciąż nie została odtworzona. Jedyną niezależną oceną, jaka została odnotowana, jest ocena Artificial Analysis, która przyznaje Qwen3.8 27B wynik 34 w swoim Intelligence Index i mierzy 41,2 tokena wyjściowego na sekundę — pojedynczy wskaźnik wobec karty pełnej danych producenta, który ich nie odtwarza.

W czym Qwen3.8 27B jest naprawdę dobry

Najmocniejszym argumentem jest agentyczna inżynieria oprogramowania. Alibaba raportuje 3-krotny skok w DeepSWE 1.1 w porównaniu z poprzednim 27B (42,2 vs 13,3) oraz wynik wyższy niż Claude Opus 4.6 Max w SWE-bench Pro (61,7 vs 53,4). To właśnie te liczby przyniosły mu przydomek „Opus w domu” — gęsty model 27B wykonujący kodowanie na pograniczu możliwości na sprzęcie, który można faktycznie posiadać.

Benchmark scoreboard card comparing Qwen3.8-27B with Qwen3.6-27B and Claude Opus 4.6 Max: SWE-bench Pro 61.7 vs 53.5 vs 53.4; DeepSWE 1.1 42.2 vs 13.3 vs n/a; LiveCodeBench v6 90.3 vs 83.9 vs 88.8; Terminal Bench 2.1 73.0 vs 63.4 vs 78.2; GPQA Diamond 89.2 vs 87.8 vs 91.3; OSWorld-Verified 84.3 vs 63.9 vs 72.7; QwenSWEBench 79.0 vs 49.3 vs 63.8; CoWorkBench 70.7 vs 61.0 vs 68.2. Footer: all figures Alibaba-reported, not yet independently reproduced.

Trzy rzeczy poza samymi liczbami sprawiają, że to zakup, który można obronić:

• Natywnie multimodalny. Obraz i wideo na wejściu, tekst na wyjściu — dokument z diagramami lub wideo z omówieniem to nie odrębny model. To właśnie w wynikach rozumowania wizualnego (85,6 przy włączonej funkcji łańcucha myśli, 94,6 w matematyce wizualnej, obie wartości raportowane przez producenta) enkoder wizyjny pokazuje swoją wartość.

• 262K natywnego kontekstu. Zadania agentów o długim horyzoncie, duże bazy kodu i wielogodzinne transkrypty mieszczą się w jednym oknie. Hybrydowa konstrukcja z liniową uwagą utrzymuje koszt KV tego kontekstu niższy niż w przypadku czystego modelu z pełną uwagą o tym samym rozmiarze.

• Darmowe, trwałe wagi. Na tym właśnie polega ta kategoria: model z zamkniętym API jest wynajmowany; Qwen3.8 27B jest własnością. Przy kwantyzacji 4-bit działa na karcie 24 GB (klasy RTX 3090/4090), a AMD udostępniło wsparcie Day-0 (do 24,5 tokenów/s na Ryzen AI Max+ 395 i do 51,8 tokenów/s na Radeon AI PRO R9700, według własnego bloga AMD).

Gdzie recenzja staje się nieprzyjemna: szybkość, tokeny i weryfikacja

Niezależne dotychczasowe testy to harness jednego testera, nie laboratorium — ale to najlepszy sygnał, jaki mamy. Porównując Qwen3.8 27B z Qwen3.6-27B na dziesięciu zadaniach z rzeczywistego świata (ocenianych przez GPT-5.5 za pomocą harnessu llmcompare), model 3.8 wygrał dziewięć z dziesięciu i uzyskał średnio 8.838 vs 6.862 — „jedno z bardziej imponujących podniesień inteligencji", jakie tester widział. Zużył też prawie trzy razy więcej tokenów i był znacznie wolniejszy; jedno zadanie zajęło około 600% więcej czasu. Tak więc skok jakości jest realny, a także koszt w czasie zegarowym.

Jeszcze cztery rzeczy, które można mu zarzucić:

• Niezależne benchmarki — mniej, niż sugeruje karta.Karta dostawcy jest szczegółowa, a każda liczba w niej wciąż pochodzi od Alibaby. Wynik 34 w Intelligence Index od Artificial Analysis, odczytany 15 października, to pierwsza niezależna ocena tego modelu — jeden wynik, z jednego laboratorium, który nie mówi nic o SWE-bench Pro 61.7 ani DeepSWE 1.1 42.2. Jeśli Twoja decyzja wymaga odtworzenia twierdzeń o możliwościach agentowych, to nie zostały one odtworzone.

• Dolna granica VRAM jest realna. BF16 wymaga GPU klasy 80 GB. Aby zmieścić się na karcie 24 GB, trzeba uruchomić tryb 4-bit, a doniesienia społeczności (wątek komentarzy na dev.to, kilka dni po wydaniu) mówią, że skwantyzowane wersje „tracą skupienie po długim kontekście”. Oficjalne wagi, jeśli masz VRAM; skwantyzowane, jeśli nie — a ścieżka kwantyzacji dociera teraz do sprzętu znacznie poniżej karty 24 GB, czego pierwszym prawdziwym dowodem jest poniższy pomiar na PlayStation 5.

• Kontekst 1M jest dostępny tylko w wersji hostowanej. Otwarte wagi osiągają maksymalnie 262K. Rozszerzalność do 1M to funkcja hostowanej wersji Qwe​n Cloud, a nie coś, co lokalna kopia robi od razu po wyjęciu z pudełka.

• „Beats Opus" wymaga zastrzeżeń. Benchmarki agentowe premiują zachowania specyficzne dla danego harnessa, a najwyżej oceniany komentarz pod postem o premierze na dev.to ujął to wprost: „Nie pokonują Opusa w rzeczywistym użyciu". Traktuj tabelę wyników jako górną granicę w najlepszym razie, a nie obietnicę.

Jak plasuje się w rodzinie Qwen 3.8

• kontra Qwen3.6-27B — ta sama klasa sprzętu i kontekst 262K, ale znaczący skok możliwości kosztem szybkości i wydajności tokenowej. Jeśli już używasz 3.6 i ogranicza Cię przepustowość, pozostanie przy 3.6 jest uzasadnione.

• vs Qwen3-Coder-30B-A3B — Coder to model MoE z około 3,3 mld aktywnych parametrów, który działa znacznie szybciej (~90–110 tokenów/s). Gęsty model 27B jest wolniejszy na token, ale dziedziczy agentowe zyski generacji; jeśli wyniki 27B w inżynierii oprogramowania utrzymają się w niezależnych testach, rola Codera-30B maleje.

• vs Qwen3.8-Max — flagowy model 2.4T MoE to model centrum danych (tylko API, około $2/$6 za milion tokenów w opublikowanych raportach) z kontekstem 1M i wideo. Wersja 27B jest przeznaczona do wdrożenia. Odpowiadają na różne pytania.

Minimalne wymagania sprzętowe zmieniły się 13 października.

PS5LM to port llama.cpp, który uruchamia modele GGUF na PlayStation 5 z jailbreakiem, w konsoli, którą już posiadasz. Jego opublikowana kompilacja jest skromna — v0.1.1, pojedynczy payload ograniczony do modelu o rozmiarze około 1,6 GB, czyli Qwen3.5 2B w wersji 4-bit i nic większego, wyłącznie na CPU. 13 października projekt otrzymał pull request, który zmienia to, jak wygląda lista sprzętu: ścieżkę aplikacji natywnej, która linkuje llama-server ze społecznościowym sterownikiem Vulkan dla konsoli, i raportuje Qwen3.8 27B przy 20,7 tokena na sekundę w kwantyzacji UD-IQ2_XXS (6,77 GiB, kontekst 64k) oraz 20,3 tokena na sekundę w UD-Q2_K_XL (9,15 GiB, kontekst 32k, pamięć podręczna q4_0), a w przypadku jednej odpowiedzi o długości 7 775 tokenów utrzymano 19,7 tokena na sekundę. Ta sama konsola osiągnęła 61 tokenów na sekundę na modelu Gemma 4 E4B i 124 tokeny na sekundę na modelu Llama 3.2 3B Instruct, co sprawia, że warto zwrócić uwagę na wynik 27B: to nie jest mały model, który sztucznie podbija tę dużą liczbę.

Oznacz to, zanim zaczniesz na tym działać. Te liczby to własne pomiary autora pull requesta na niezmergowanej gałęzi, a nie test wydajności producenta i nie wydana kompilacja. Własne repozytorium PS5LM wciąż wymienia zarówno GPU offload, jak i Qwen 3.8 27B jako pozycje planu rozwoju, których nie wydano, a komentarz opiekuna przy pull requeście mówi, że odtworzy te liczby na własnej konsoli, zanim README je zawrze. Drugi tester donosi, że aplikacja w ogóle działa — firmware 4.50, modele 7B i 9B przy około 30 tokenach na sekundę — co potwierdza mechanizm, ale nie odtwarza wyniku dla 27B. Dotarcie do tego zakłada też konsolę, którą posiadasz, firmware od 7.00 do 13.60 oraz jailbreak.

To, co zmienia, to kształt pytania o koszt, a nie jego odpowiedź. Gęsty model 27B przy około 20 tokenach na sekundę na konsoli do gier jest wolniejszy niż ten sam model obsługiwany na prawdziwym GPU — Artificial Analysis mierzy 41,2 tokena na sekundę przez własne API Ali​baba, a 20 tokenów na sekundę to prędkość wersji 2-bitowej, z utratą jakości, jaką niesie ze sobą kompresja. Nie jest to więc powód, by rezygnować z karty 24 GB; to dowód, że ta klasa jest przenośna znacznie poniżej niej. Jeśli tak naprawdę chcesz wiedzieć, czy model jest dobry, zanim spędzisz weekend na jailbreaku, tani sposób to wywołanie rozliczane: jeden klucz do ponad 200 modeli, bez drugiej umowy i automatyczne przełączanie awaryjne między dostawcami, jeśli punkt końcowy zacznie szwankować w trakcie oceny.

Koszt: kwestia lokalnie kontra API — rozstrzygnięta.

W przypadku modelu zamkniętego porównujesz ceny za token. Qwen3.8 27BW przypadku Qwen3.8 27B marginalny token nie kosztuje nic na własnym sprzęcie — prawdziwą cenę stanowi początkowy wydatek na GPU i twój czas. W trybie 4-bit to karta 24 GB; w BF16 to maszyna klasy 80 GB. Jeśli nie masz takiej maszyny albo chcesz odpowiedzi, zanim przeznaczysz 55,6 GB dysku, istnieje droga hostowana: OrcaRouter podaje Qwen3.8 27Bw cenie 0,33 USD za milion tokenów wejściowych i 2,40 USD za milion tokenów wyjściowych na stronie modelu OrcaRouter, gdzie cena katalogowa dostawcy jest przekazywana z 0% marży (sprawdzone 15 października 2026 r.). Darmowy plan z limitem liczby żądań, który ta strona opisywała w sierpniu, już się tam nie pojawia — traktuj go jako nieaktualny, chyba że zobaczysz, że jest podany. Własne API Ali​baba to druga droga hostowana, którą Artificial Analysis podaje po 0,50 USD i 3,00 USD za milion w konfiguracji rozumowania Xhigh. Hostowana wersja Qwe​n Cloud, z kontekstem 1M, jest wciąż oznaczona jako „wkrótce”.

Cost comparison card for Qwen3.8-27B titled 'Self-host vs hosted — the real price': Apache 2.0 weights at $0 license plus your own GPU and electricity; a 4-bit GGUF of roughly 17 GB that fits a 24 GB card; BF16 at 55.6 GB needing an 80 GB-class GPU; a free rate-limited hosted tier at $0 with HTTP 429 past the cap; and a paid hosted tier at $0.33 input / $2.40 output per million tokens with a 262K context window. Footer: prices from the OrcaRouter model page, read August 15, 2026.

Szczera perspektywa: dla modelu z otwartymi wagami dostawca jest udogodnieniem, a nie zależnością. Rozliczane wywołanie hostowane to najtańszy możliwy sposób, by zdecydować, czy pobranie 55,6 GB jest tego warte; to także jedyny sposób, aby przetestować model bez uprzedniego rozwiązania problemu sprzętowego opisanego w akapicie o PlayStation 5. Ale gdy już zdecydujesz, wagi są tym, co się liczy — i są darmowe.

Jak faktycznie to wypróbować

• Najszybsza ocena — wywołaj go na hostowanym endpoincie za $0,33/$2,40 za milion; kilkaset tysięcy tokenów prawdziwej pracy kosztuje grosze i rozstrzyga tę kwestię, zanim cokolwiek pobierzesz.

• Realny test na Twoim sprzęcie — pobierz społecznościowy plik GGUF (wersja Q4_K_M waży około 17 GB i mieści się na karcie 24 GB) i uruchom go w llama.cpp lub Ollama. Przekaż szablon czatu Jinja, w przeciwnym razie model odpowie w tagach myśli. Do obsługi wizji z GGUF potrzebujesz również osobnego pliku mmproj. Nasz poradnik uruchamiania Qwen3.8 27B lokalnie przeprowadzi Cię przez to.

• Pełna precyzja — huggingface-cli download Qwen/Qwen3.8-27B na GPU klasy 80 GB.

• Zweryfikuj to, co pobrałeś — sprawdź, czy wydawcą jest organizacja Qwe​n i zweryfikuj shardy względem crc32.txt; podobne repozytoria pojawiły się przed wydaniem.

Kiedy ta recenzja jest błędna (i kto powinien pominąć Qwen3.8 27B)

• Nie masz GPU i nie zamierzasz go wynajmować. Hostowany plan kosztuje $0.33/$2.40 za milion — mały model API może obsłużyć cię taniej i niezawodniej. Ten model jest dla osób, które chcą mieć własną inferencję.

• Potrzebujesz SLA. Warstwa hostowana została uruchomiona w połowie sierpnia; strona modelu OrcaRouter, odczytana 15 października, pokazuje wskaźnik błędów na poziomie 2,8% w ciągu ostatnich siedmiu dni, p50 opóźnienia pierwszego tokenu na poziomie 3,23 s oraz przepustowość wyjściową 156 tokenów na sekundę przy 77,2 mln tokenów routowanych w tym oknie. Po dwóch miesiącach to działający endpoint, a nie kolejka z dnia premiery — ale średnia z ostatniego tygodnia wciąż nie jest umową produkcyjną. Osoby hostujące samodzielnie powinny przypiąć commit pobranej wersji i zachować rozwiązanie awaryjne.

• Potrzebujesz odtworzonych deklaracji agentowych dostawcy, a nie tylko jednego wyniku indeksu.Wynik 34 w Intelligence Index od Artificial Analysis to jedyna niezależna liczba, jaką dysponuje ten model, a nie mówi ona nic o SWE-bench Pro 61,7 ani DeepSWE 1.1 42,2 — oba wciąż raportowane przez Ali​babę. Wartości orientacyjne, nie na poziomie przetargowym.

• Kontekst 262K o otwartych wagach to za mało. Rozszerzenie 1M jest dziś dostępne tylko w wersji hostowanej.

• Przepustowość to Twoje wąskie gardło. Masowe streszczanie lub duże partie dadzą się we znaki: to gęsty model 27B, który zużywa też około 3x więcej tokenów niż jego poprzednik. Do tanich, masowych zadań wygrywa mniejszy lub szybszy model.

• Masz kartę 12 GB. Pliki GGUF w wersji 2-bitowej mieszczą się, ale z widoczną utratą jakości — to właśnie ta konfiguracja stoi za powyższym punktem danych dla PlayStation 5 — więc to model do eksperymentowania, a nie do ustanowienia standardu.

Verdict infographic titled 'Use it if / Skip it if' for Qwen3.8-27B: left lane in soft blue labeled 'Use it if' with three items — '24 GB GPU', 'Free Apache 2.0 weights', '262K context + image/video'; right lane in soft gray labeled 'Skip it if' with three items — 'No GPU', 'Need an SLA', 'Need verified benchmarks'.

Najważniejsze

Qwen3.8 27B jest najsilniejszym dostępnym dziś modelem 27B z otwartymi wagami i jest darmowy na zawsze na licencji Apache 2.0. Jeśli masz GPU z co najmniej 24 GB i chcesz kodowania agentowego, kontekstu 262K oraz natywnego wejścia obrazu/wideo bez opłat za zużycie, to jest właśnie ten zakup. Powody, by się wstrzymać, są równie konkretne: chcesz, by twierdzenia dostawcy o kodowaniu agentowym zostały odtworzone gdzieś indziej niż w karcie modelu; potrzebujesz umowy SLA, ponad 262K kontekstu w modelu z otwartymi wagami albo większej przepustowości, niż daje gęsty model 27B. Model został wydany, wagi są prawdziwe, jedyny jak dotąd niezależny wynik to przyzwoite 34, a minimalne wymagania sprzętowe okazały się niższe, niż zakładały materiały z premiery. Pamiętaj tylko, które liczby pochodzą z laboratorium, a które od dostawcy.