
Recenzja Qwen3.8-27B: otwarty model 27B, który jest "Opusem w domu" — sprawdzony w obliczu hype'u.
- OrcaNOWOŚĆOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 za 1 mln tokenów · 187 tok/s
- openaiNOWOŚĆOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 za 1 mln tokenów · 87 tok/s
- openaiNOWOŚĆOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 za 1 mln tokenów · 152 tok/s
- tencentNOWOŚĆTencent: Hy4 Flash2026-11-16$0.02 / $0.07 za 1 mln tokenów · 194 tok/s
- AlibabaNOWOŚĆQwen: Qwen4 Max2026-11-16$1.50 / $4.50 za 1 mln tokenów · 86 tok/s
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 705 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 za 1 mln tokenów · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 za 1 mln tokenów · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 101 tok/s
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 Claude 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.

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 Qwen 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 Alibaba, 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 Alibaba to druga droga hostowana, którą Artificial Analysis podaje po 0,50 USD i 3,00 USD za milion w konfiguracji rozumowania Xhigh. Hostowana wersja Qwen Cloud, z kontekstem 1M, jest wciąż oznaczona jako „wkrótce”.

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 Qwen 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 Alibabę. 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.

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.
