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

Qwen3.8-27B to gęsty, jednowęzłowy przedstawiciel generacji Qwe​n3.8 firmy Aliba​ba: natywny model wizyjno-językowy z 27 miliardami parametrów, opublikowany na Hugging Face na licencji Apache 2.0, który przyjmuje tekst, obrazy i wideo oraz zwraca tekst, z oknem kontekstu o rozmiarze 262 144 tokenów. To strona referencyjna tego modelu — kanoniczny opis tego, czym jest, ile kosztuje jego wywołanie i co potrafi — a warto od razu powiedzieć, dlaczego istnieje strona dla modelu, którego wagi po raz pierwszy pojawiły się w sierpniu 2026 r., a nie w ciągu ostatnich siedmiu dni. Nie informujemy o premierze. Odpowiadamy na stałe pytanie: czytelnicy tysiące razy w miesiącu trafiają do nas, szukając nazwy „Qwen3.8-27B”, a do tej pory żadna z naszych stron nie zawierała tej odpowiedzi. Wydanie samego modelu, datowane na karcie Qwe​n i odnotowane jako 2026-08-14 przez Artificial Analysis, jest faktem, którego ta strona używa do ustalenia daty modelu, a nie zdarzeniem, o którym informuje.

Traktuj to jako wyjątek, którym jest: przy ścisłym siedmiodniowym odczycie model ze środka sierpnia 2026 nie jest świeży, a ten wpis zostałby pominięty jako news. Uzasadnienie jest tu inne. To strona referencyjna, której liczby zweryfikowano względem własnej karty modelu Qwe n, pliku licencji repozytorium, stawki Qwe n Cloud i Artificial w dniu 2026-09-28, a której racją bytu jest zmierzony przez nas bezpośrednio popyt wyszukiwania. To nie jest drugie ogłoszenie i nikt nie powinien go tak odczytywać.

Gdzie w gamie Qwen3.8 plasuje się 27B

Generacja Qwe​n3.8 to nie jeden model, a przyrostek rozmiaru jest sednem nazwy. Własne notatki repozytorium Qwe​n dotyczące całej rodziny jasno wskazują ten podział:

• Qwen3.8-27B — 27 mld gęstych parametrów, natywne wejście obrazu i wideo, Apache 2.0. Przyjazny wdrożeniom przedstawiciel: model o rozmiarze pozwalającym na uruchomienie na jednym GPU lub małym węźle, oraz temat tej strony.

• Qwen3.8-Max, oparty na Qwen3.8-2.4T-A95B — 2,4 biliona parametrów całkowitych, z 95 mld aktywnych, model klasy Qwen-Max, który Alibaba po raz pierwszy udostępniła w tej generacji. W jego repozytorium znajduje się dedykowana qwen3.8-max licencja, a nie Apache 2.0.

• Qwen3.8-Flash-Next — eksperymentalny podgląd architektury, który według Qwen ma stanowić podstawę Qwen4, wydany na licencji qwen-community-1.0. Hostowany Qwen3.8-Flash jest na niej zbudowany.

Zatem „27B” nie jest poziomem wyposażenia modelu Max; to klasa rozmiarowa, którą pojedynczy zespół może faktycznie obsłużyć. To, co Alibaba twierdzi, że dziedziczy, to przepis treningowy: karta opisuje Qwen3.8-27B jako model, który przejmuje osiągnięcia tej generacji w kodowaniu, pracy zawodowej, badaniach i długoterminowych zadaniach agentowych i kompresuje je do gęstego checkpointu.

Architektura, którą publikuje Qwen

Wszystkie poniższe liczby pochodzą z karty modelu pod adresem Qwe​n/Qwen3.8-27B, która jest własną dokumentacją dostawcy:

• Parametry — 27B zgodnie z materiałami marketingowymi. Własne metadane safetensors w repozytorium sumują się do 27 781 427 952 parametrów w formacie BF16 w 18 shardach, czyli około 27,8B po doliczeniu wieży wizyjnej. Nie ma tu mieszaniny ekspertów: wszystkie parametry są aktywne dla każdego tokenu.

• Kształt — 64 warstwy, wymiar ukryty 5,120, pośredni wymiar feed-forward 17,408, osadzanie tokenów i wyjście LM 248,320 (z dopełnieniem).

• Hybrydowa uwaga — układ, który wypisuje Qwe​n, to 16 × (3 × (Gated DeltaNet → FFN) → 1 × (Gated Attention → FFN)): trzy bloki uwagi liniowej na każdy blok uwagi pełnej, stosunek 3:1. Gated DeltaNet obsługuje 48 głowic uwagi liniowej dla V i 16 dla QK przy wymiarze głowicy 128; Gated Attention obsługuje 24 głowice zapytań przeciwko 4 głowicom KV przy wymiarze głowicy 256, z wymiarem rotacyjnym 64. Ten stosunek sprawia, że okno 262K jest osiągalne w modelu 27B, i to ta sama linia, którą Qwen3.8-Flash-Next rozszerza o uwagę rzadką.

• Przewidywanie wielotokenowe — karta podaje, że model jest trenowany z MTP przez wiele kroków, czyli trik draftingu, który przyspiesza generowanie w stosach serwujących świadomych MTP.

• Kontrola myślenia — tryb myślenia jest domyślnie włączony i można go wyłączyć dla pojedynczego żądania. reasoning_effort przyjmuje wartość xhigh (domyślną), medium lub low, a preserve_thinking jest domyślnie włączone, dzięki czemu ślady rozumowania są przenoszone między turami, zamiast być generowane od nowa.

Okno kontekstu i limit wyjścia

Karta podaje 262 144 tokeny natywnie, rozszerzalne do 1 000 000 dzięki skalowaniu RoPE (YaRN). Własne wytyczne Qwena dotyczące obsługi długich przebiegów agentowych, w ramach tego 1-milionowego zakresu, mówią o dopuszczeniu do 262 144 tokenów na treść rozumowania i do 131 072 tokenów na odpowiedź końcową — ten pułap to konfiguracja serwowania, a nie stała właściwość checkpointu.

Dwa okna warto rozdzielać, ponieważ łatwo je ze sobą pomylić. Otwarte wagi natywnie obsługują 262,144; hostowana wersja na Qwe​n Cloud, którą karta modelu opisuje jako wciąż nadchodzącą („usługa pojawi się wkrótce”), jest wymieniona na stronie modelu Qwe​n Cloud z kontekstem 1M, maksymalnym wejściem 991K, maksymalnym wyjściem 131K i maksymalnym budżetem rozumowania 262K. Karta specyfikacji hostowanego produktu to nie karta specyfikacji checkpointu.

Modalności: co wchodzi i co wychodzi

Wejściem jest tekst, obraz i wideo; wyjściem jest wyłącznie tekst. Karta nazywa Qwen3.8-27B „natywnym modelem wizyjno-językowym, który rozumie obrazy i wideo”, a jego przykładowy kod obsługuje wszystkie trzy typy danych wejściowych. Nie ma wejścia audio, generowania obrazów ani wyjścia mowy. Rekord modelu Artificial Analysis dla tego samego checkpointu zgadza się co do zakresu — obraz, wideo i tekst na wejściu, tekst na wyjściu — co jest przydatnym drugim odczytem, ponieważ nie pochodzi z własnej strony Aliba​ba.

Co tak naprawdę pozwala wydanie Apache 2.0

Licencja nie jest streszczeniem z wpisu na blogu; repozytorium zawiera sam tekst licencji Apache License, Version 2.0, a metadane karty deklarują license: apache-2.0. Co to przyznaje, zgodnie z treścią licencji: wieczystą, ogólnoświatową, beztantiemową licencję praw autorskich na zwielokrotnianie, tworzenie utworów zależnych, publiczne wyświetlanie, sublicencjonowanie i rozpowszechnianie utworu i jego utworów zależnych oraz licencję patentową od współtwórców — przy czym użytkowanie komercyjne należy do dozwolonych celów, bez ograniczeń co do dziedziny zastosowania, progu liczby użytkowników i odrębnej umowy komercyjnej. Apache 2.0 jest również licencją permisywną w tym sensie, który ma znaczenie przy dostarczaniu produktów: wagi pochodne mogą być redystrybuowane na innych warunkach, pod warunkiem że zachowasz licencję i informacje o atrybucji oraz wskażesz, co zmieniłeś (sekcje 4a–4c). Sekcja 6 nie przyznaje żadnych praw do nazwy Qwe​n ani znaków towarowych, więc fork na licencji Apache-2.0 nie może reklamować się jako Qwe​n.

Porównanie wewnątrz rodziny jest pouczające i widać je w repozytoriach, a nie w relacjach: checkpoint 2.4T-A95B określa się jako inny na licencji qwen3.8-max, a Qwen3.8-Flash-Next używa qwen-community-1.0. Model 27B jest tym z trzech, który występuje na zwykłej licencji Apache 2.0.

Niezależna pozycja benchmarkowa

Artificial Analysis uruchomił model, a jego wyniki warto oddzielić od własnej tabeli Alibaby, ponieważ oba odpowiadają na różne pytania. Niezależny indeks, mierzony w xhigh konfiguracji:

• Intelligence Index 33.7 — wartość przechowywana przez Artificial Analysis, którą jej strona modelu drukuje w zaokrągleniu do 34. Publikowane są dwa rankingi i mierzą one różne zbiory: własny kafelek podsumowania tej strony umieszcza model na 1. miejscu spośród 142 modeli w klasie rozmiarowej, w porównaniu w obrębie tej samej klasy, które opisuje podpowiedź na tej stronie, podczas gdy wiersz w naszym katalogu pochodzący z Artificial Analysis podaje 45. miejsce spośród 145, czyli około 67. percentyla. Żaden z nich nie jest pozycją w tym samym zestawieniu co drugi, więc nie należy ich odczytywać jako jednej liczby w dwóch formatach.

• Coding Index 68.1 — odnotowany w naszym katalogu z artificialanalysis.ai jako jego wskazane źródło, sklasyfikowany na 35. miejscu spośród 138 w puli tego indeksu. Model wypada wyżej w kodowaniu niż w ogólnej inteligencji, co jest spójne z kształtem własnej tabeli dostawcy.

• Drabina wysiłku, ten sam zestaw testowy — obniżanie wysiłku rozumowania znacznie przesuwa indeks: 33,7 przy xhigh, 27,6 przy medium, 26,2 przy low, a 20,2 przy całkowicie wyłączonym rozumowaniu. To zmierzony rozrzut wynoszący 13,5 punktu i najbardziej konkretny argument za dostrajaniem wysiłku do poszczególnych obciążeń, a nie do poszczególnych modeli.

• Gdzie oba źródła się zgadzają, a gdzie nie — w przypadku GPQA Diamond karta Aliba​ba podaje 89,2, a Artificial Analysis mierzy 90,5. W Humanity's Last Exam karta podaje 30,8, a Artificial Analysis 33,9. Blisko, ale to nie ta sama liczba, i to normalne: różne harnessy, różne przebiegi. Jedno zastrzeżenie powinno znaleźć się w tekście, a nie w przypisie — żadna strona trzecia nie opublikowała bezpośredniego porównania między Qwen3.8-27B a którymkolwiek z modeli z tabeli porównawczej Aliba​ba uruchomionych przy dopasowanym wysiłku na dopasowanym harnessie, więc każde porównanie między modelami na tej stronie jest porównaniem osobnych pomiarów, a nie wynikiem.

Co raportuje Qwen i jak to odczytać

Karta modelu zawiera około dwóch tuzinów wyników z kolumnami porównawczymi dla Qwen3.6-27B, Qwen3.7-Plus, Muse Glimmer-30B i Opus4.6 Max. Wszystkie są raportowane przez dostawcę i nieodtworzone — to własna ewaluacja Aliba​ba, wydrukowana przez Aliba​ba — a w kilku wierszach użyto harnessu Claude Code ocenianego przez build GPT-5.4, co podają przypisy karty. Główne dane dostawcy na tej podstawie:

• Agentowe kodowanie w terminalu — Terminal Bench 2.1 (Terminus) 73,0 w porównaniu z 63,4 dla Qwen3.6-27B, którego zastępuje, a Opus4.6 Max prowadzi w tym wierszu z wynikiem 78,2.

• Kodowanie agentowe — SWE-bench Pro 61,7; QwenSWEBench 79,0; DeepSWE 1.1 42,2; NL2Repo-Bench 42,3; LiveCodeBench v6 90,3.

• Agenci i praca biurowa — CoWorkBench 70,7, JobBench 33,4, Agents' Last Exam 42,9 według wyniku (Pass@1 20,4).

• Ogólne rozumowanie — GPQA Diamond 89,2, HLE 30,8, IFBench 79,5. Opus4.6 Max prowadzi w obu wierszach rozumowania w tabeli samego dostawcy, na poziomie 91,3 i 40,0.

• Wizja i obsługa komputera — OSWorld-Verified 84,3, AndroidWorld 81,9, WebArena-Verified 64,8, OmniDocBench 1.5 91,1, RealWorldQA 85,9.

Uczciwe podsumowanie tej tabeli jest węższe, niż wygląda sama tabela. W porównaniu z bezpośrednim poprzednikiem zyski są duże i spójne — QwenSWEBench 79,0 wobec 49,3, DeepSWE 42,2 wobec 13,3 — a to twierdzenie o jednej generacji zmiany receptury. W porównaniu z modelami frontier w sąsiednich kolumnach wygrywa w niektórych wierszach, a przegrywa w innych, według własnych danych firmy Alibaba i przy jej własnym wyborze harnessu.

Uruchamianie tego.

Wagi to 18 shardów BF16 w formacie Transformers, a karta wymienia Hugging Face Transformers, vLLM, SGLang i TokenSpeed jako obsługiwane stosy. Ścieżki wdrożenia lokalnego i kwantyzacji opisaliśmy osobno i to właściwe miejsca na te szczegóły: Qwen3.8-27B na Ollama dla lokalnego daemona, oraz przewodnik po benchmarkach z pełną kartą wyników, w tym to, co zmieniło się względem Qwen3.6-27B. Ta strona koncentruje się na samym modelu.

Qwen3.8-27B w naszym katalogu

Dwa są dostępne na OrcaRouter, obok siebie, i oba zostały ponownie odczytane 2026-09-28 przed napisaniem tego akapitu.q/qwen3.8-27b jest wyceniany na 0,33 USD za milion tokenów wejściowych i 2,40 USD za milion tokenów wyjściowych, z pełnym oknem 262 144 tokenów, wejściem tekstowym, obrazowym i wideo oraz funkcjami rozumowania, narzędzi, ustrukturyzowanych wyników i JSON udostępnianymi jako parametry. Jego bliźniak obsidian/Qwen3.8-27B — te same wagi udostępniane w block-FP8 z wieżą wizyjną utrzymaną w pełnej precyzji i, jak głosi karta modelu, „aby zapewniać bezpośrednie, kompletne odpowiedzi dla szerokiego zakresu promptów” — jest wyceniany na 0,40 USD za wejście i 4,21 USD za wyjście. Oba obsługują chat completions i Responses API, więc zadanie parsowania dokumentów lub zrzutów ekranu można skierować na dowolny z tych modeli przy jednym kluczu i jednej zmianie kodu kontraktu.

Dla zobrazowania skali: nasz własny playground przepuścił 105,1 miliona tokenów przez qwen/qwen3.8-27b w ciągu ostatnich siedmiu dni, z medianą czasu do pierwszego bajtu wynoszącą 3,8 sekundy i 3,3-procentowym wskaźnikiem błędów w tym samym oknie czasowym. To nasze liczby z serwowania, a nie werdykt o modelu.

Wyszukiwania, które tu prowadzą

Popyt stojący za tą stroną jest rozproszony i plasuje się tuż poza kliknięciem. W ciągu 28 dni do 2026-09-25 nasza witryna odnotowała 8 931 wyświetleń i 273 kliknięcia w ramach 69 odrębnych, dokładnych zapisów nazwy modelu — „qwen3.8 27b”, „qwen3.8-27b”, „qwen 3.8 27b” i dziesiątek innych sposobów zapisania tych samych trzech tokenów. Nasza najlepsza pozycja dla największych wariantów zapisu wahała się od 9,0 do 10,6. To pozycje, które zajmowaliśmy przypadkiem za sprawą innych stron, co jest dokładnie tym problemem, który rozwiązuje strona kanoniczna: na dziewiątym miejscu jesteś na stronie wyników, a mimo to nikt nie klika. Jedynym miejscem, w którym ruch się konwertuje, jest obszar nieangielskojęzyczny — rosyjskojęzyczny zapis nazwy zajmuje u nas pozycję 1,8 i konwertuje na poziomie 14,4%.

Nic z tego nie stanowi dowodu na temat modelu. To dowód na to, co ludzie wpisują, i dlatego ta strona istnieje.

Co to wszystko razem daje: gęsty checkpoint 27B z naprawdę nietypowym układem uwagi, permisywna licencja, natywne rozumienie wideo, warunki Apache-2.0 pozwalające wypuszczać produkt pochodny, niezależny ranking kodowania w górnym kwartylu wyników mierzonych przez Artificial Analysis oraz tabela dostawcy, która wypada mocno na tle poprzednika, a mieszanie na tle czołówki. Otwartym pytaniem pozostaje to, na które nikt spoza Aliba​ba nie potrafi jeszcze odpowiedzieć — jak hostowana ścieżka 1M tokenów zachowuje się w środowisku produkcyjnym i czy architektura Flash-Next trafi do modelu tej wielkości.

Rdzeń 2.4T-A95B stojący za Qwen3.8-Max jest już dostępny w tym samym katalogu: qwen/qwen3.8-max w cenie 2,00 USD / 6,00 USD za milion tokenów, jeśli 27B to nie jest rozmiar, którego potrzebujesz.