Um cartão de título para um artigo de comparação com os dizeres Intern-Decision-0.8B vs Qwen 3.8, com o subtítulo 853 milhões de parâmetros, 1,71 GB e um conjunto fechado de respostas, com três cartões de linha simples com os dizeres Assunto: Intern-Decision-0.8B lançado em 26 de setembro de 2026 sem anúncio, Oponente: Qwen 3.8, um núcleo esparso de 2,4T com Qwen3.8-Max a US$ 2,00 e US$ 6,00, e Principais conclusões: o irmão de 2B é mais rápido e mais preciso, enquanto apenas o footprint favorece o 0.8B.
Engineering & Research

Intern-Decision-0.8B vs Qwen 3.8: 853 milhões de parâmetros e um conjunto fechado de respostas

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Intern-Decision-0.8B é o menor de três modelos de decisão que a InternLM disponibilizou no Hugging Face na manhã de 26 de setembro de 2026, e não é o mais rápido deles. Essa é a primeira coisa que vale saber. Nas próprias medições do laboratório, o irmão de 2B roda um pouco mais rápido — 33,28 ms contra 33,98 ms — e marca seis pontos a mais na mesma média de sete suítes, então o motivo habitual para recorrer a um checkpoint abaixo de um bilhão de parâmetros, a velocidade bruta, não se aplica aqui. O que se aplica é o tamanho: 852.985.920 parâmetros, 1,71 GB de pesos bf16, pequeno o suficiente para ficar permanentemente na margem de uma máquina que tem outra coisa a fazer. Compare isso com o Qwen3.8-Max — a entrega hospedada do núcleo esparso de mistura de especialistas de 2,4 trilhões de parâmetros que o fornecedor publicou em agosto, com preço de US$ 2,00 e US$ 6,00 por milhão de tokens — e os dois não estão competindo pelo mesmo trabalho. Um retorna uma distribuição de probabilidade sobre opções que você forneceu antecipadamente. O outro escreve.

A resposta curta: o Intern-Decision-0.8B vale a pena ter se você precisa de uma decisão de conjunto fechado avaliada em hardware que você já possui, e se 1,71 GB em vez de 4,43 GB for a diferença entre lançar e não lançar. Não vale a pena ter se você quer o pequeno modelo de pontuação mais preciso que a InternLM lançou esta semana — esse é o 4B —, ou se sua resposta ainda não estiver enumerada no seu prompt; nesse caso, nenhum desses dois é a ferramenta certa e o Qwen 3.8 é o único do par que consegue fazer o trabalho.

O que o repositório diz, e o que nada mais faz

Comece pelas evidências, porque há muito poucas delas. A InternLM não fez nenhum anúncio deste modelo. Nenhuma postagem de lançamento, nenhum artigo, nenhuma descrição de repositório. O card do Hugging Face contém links para um Space de demonstração e um repositório no GitHub e, no momento em que escrevo, o Space retorna 401 e o link do GitHub retorna 404 — os dois lugares para onde o card direciona para mais informações estão indisponíveis. Três checkpoints apareceram com quarenta segundos de diferença entre si, por volta das 05:36 UTC de 26 de setembro: Intern-Decision-0.8B, Intern-Decision-2B e Intern-Decision-4B, todos com as mesmas tags — tomada de decisão, multimodal, predição estruturada — e todos são fine-tunes de checkpoints Qwen, neste caso Qwen3.5-0.8B.

O que é possível saber a partir do repositório é incomumente preciso para um lançamento não anunciado, porque o laboratório distribuiu seu próprio módulo de inferência junto com os pesos. O 0.8B é carregado por meio de um arquivo de 16 KB inference.py no diretório do modelo, exige Python 3.12 ou mais recente e torch 2.9.1 com transformers 5.14.1, e expõe uma classe DecisionEngine que você instancia uma vez e reutiliza. Um dict Python entra, um dict de resposta sai. O que não é possível saber: se este é um lançamento finalizado ou um envio antecipado, se um endpoint hospedado está por vir, e se os dois checkpoints entre os quais ele se situa devem ser o mesmo produto em tamanhos diferentes ou três produtos diferentes que por acaso compartilham um nome. Ninguém fora da InternLM executou nenhum deles.

The Hugging Face model card for InternLM's Intern-Decision-0.8B, showing the internlm organisation, a 0.9B params label, tags for image-text-to-text, transformers, safetensors, qwen3_5, decision-making, multimodal, structured-prediction and conversational, an opening line stating the model is a multimodal structured decision model fine-tuned from Qwen3.5-0.8B, and a Checkpoint and docs section that also reports 0.9B params.

O problema dos irmãos: o 2B é mais rápido e melhor

Aqui está a parte da própria tabela publicada do InternLM que torna o 0.8B difícil de situar. Lendo os três tamanhos nas mesmas sete suítes:

• Velocidade — 0.8B: 33,98 ms de média, 33,44 ms de mediana, 37,50 ms no p95. 2B: 33,28 ms, 33,15 ms, 33,55 ms. 4B: 44,16 ms, 44,03 ms, 44,60 ms. Tudo medido por consulta em uma única RTX 4090 através do caminho local do Hugging Face.

• Média dos sete conjuntos — 0,8B: 79,38. 2B: 84,68. 4B: 90,02.

• Calibração — 0,8B: Brier 0,530, ECE 0,066. 2B: Brier 0,437, ECE 0,100. 4B: Brier 0,347, ECE 0,065.

• Pegada em disco em bf16 — 0,8B: 1,71 GB. 2B: 4,43 GB. 4B: 9,08 GB.

O 2B é mais rápido na média, dramaticamente mais contido na cauda e mais preciso, tudo ao mesmo tempo. Portanto, "menor significa mais rápido" é falso nesta família — e em dobro, já que o 4B é mais lento que ambos. O único eixo em que o 0.8B vence de forma inequívoca é aquele que ninguém avalia em benchmarks: 1,71 GB contra 4,43 GB do 2B e 9,08 GB do 4B. Se você precisa colocar um scorer dentro de um orçamento fixo de memória — uma pequena máquina sempre ligada, uma GPU compartilhada, um nó de borda com um modelo de linguagem já ocupando a maior parte da placa — esse é o argumento inteiro, e é um argumento real.

O restante da tabela é um estudo sobre onde os modelos pequenos falham de forma desigual. A pontuação Typed Decision do 0.8B é 77,35 contra 80,55 do 4B — três pontos de diferença com um quinto da contagem de parâmetros. Mas o Jevbench-Original cai de 98,61 para 80,56 e o WildJailBreak despenca de 89,86 para 64,48. Seja lá o que essas duas suítes estão medindo — o card não diz, e o card não fornece nenhuma definição de suíte —, são elas que punem mais duramente o checkpoint pequeno. Um modelo que se sustenta em um eixo e cai de um penhasco em dois outros não é um modelo uniformemente mais fraco. É um modelo com uma fronteira de competência específica, e você gostaria de saber onde sua carga de trabalho se situa antes de comprometer a frota com ele.

Mais uma ressalva sobre a linha de calibração. O ECE de 0,066 do 0.8B é o seu melhor número — melhor que o 0,095 do Jev na mesma suíte —, enquanto seu Brier score de 0,530 é pior que o 0,358 do Jev. Erro calibrado e erro quadrático médio de probabilidade não são a mesma medida, e uma tabela que mostra um parecendo forte e o outro parecendo fraco está dizendo que a distribuição tem boa forma perto dos seus picos de confiança e é mais gorda do que deveria entre eles. Se seu sistema usa limiares com base na confiança, essa distinção importa mais do que a média.

O que 1,71 GB realmente compra

O caminho de inferência neste modelo é um pontuador, não um gerador, e a diferença de custo é estrutural, não incremental. Você fornece a ele um estado compartilhado, um esquema de perguntas nomeadas e, opcionalmente, até oito imagens. Cada pergunta é de um entre três tipos: escolha (um de um conjunto ordenado de opções), pontuação (uma escala ordinal, retornada como um valor esperado ponderado por probabilidade), ou noul (binário não/sim). O estado, o esquema e um esqueleto JSON completo do assistente são renderizados com um placeholder por campo, o modelo executa uma única passagem direta causal, e os logits são lidos na posição imediatamente antes de cada placeholder. Aplica-se um softmax somente sobre os símbolos candidatos permitidos daquele campo, aplica-se a calibração ajustada do checkpoint, e os símbolos são mapeados de volta para os valores das suas opções.

Três consequências decorrem disso. Não há token de saída e, portanto, não há preço de saída — um milhão de decisões não custa nada em tokens. Não há loop de decodificação nem chave para esquecer, então JSON malformado não é um modo de falha. E, como o espaço de respostas de cada campo é montado por solicitação, um schema que você inventar hoje à tarde não exige novo treinamento: adicione uma pergunta e suas opções se tornam símbolos candidatos para esse campo.

Os limites são declarados de forma igualmente explícita. De uma a dezesseis perguntas, até 62 opções cada, até oito imagens e um limite padrão de 8.192 tokens — com entradas acima disso rejeitadas em vez de truncadas. Essa última cláusula é uma decisão de projeto que merece atenção, porque o truncamento silencioso é como um classificador começa discretamente a responder a uma pergunta diferente da que você fez. O InternLM falha de forma explícita, o que é correto e também uma armadilha operacional: uma longa thread de tickets, mais um schema, mais imagens ultrapassarão 8.192 mais cedo do que você espera, e não há caminho elegante quando isso acontece.

E os 1,71 GB compram uma economia de tempo de execução que você pode multiplicar. A 33,98 ms por decisão, um milhão de decisões equivale a 9,44 horas de uma RTX 4090. O 4B precisa de 12,3 horas para o mesmo milhão e abre mão de dez pontos e meio de precisão em troca dos 7,37 GB que você não tinha. Nenhum dos dois números inclui o custo da máquina, e nenhum inclui a parte que as pessoas esquecem: você está operando um serviço, e não há servidor no repositório.

The OrcaRouter model page for Qwen3.8 Max, showing the model name, family and tier badges, a 1,000,000-token context window, pricing of $2.00 per million input tokens and $6.00 per million output tokens, an output speed of 63.71 tokens per second, an error rate of 0.69 percent, an Artificial Analysis index of 45.4 at rank 15 of 145, and a side panel listing Qwen 3.8 27B at an Artificial Analysis intelligence index of 33.65 with $0.33 and $2.40 per million tokens.

O Qwen 3.8 não é um único modelo, e o mais barato da linha é o que merece atenção

Qwen 3.8, tomado como um nome autônomo, é o Qwen3.8-2.4T-A95B: o núcleo esparso de mistura de especialistas com 2,4 trilhões de parâmetros que a Alibaba publicou como pesos abertos em 12 de agosto de 2026, com cerca de 95 bilhões de parâmetros ativos por token e uma licença personalizada em vez da Apache 2.0. A oferta hospedada desse mesmo núcleo é o Qwen3.8-Max, disponível em geral em uma API paga desde 3 de agosto e atualizado como um snapshot datado de 2 de setembro. Eles são um único cérebro vendido de duas maneiras, e a segunda oferta é a que a maioria das pessoas realmente vai chamar.

Em números independentes, a Artificial Analysis mede o snapshot de setembro do Qwen3.8-Max com um Intelligence Index de 45,4 — décimo quinto entre 145 modelos indexados — com uma pontuação AA Coding de 76,2, nono entre 138, GPQA Diamond em 92,8, Humanity's Last Exam em 43,1 e uma pontuação de recall de contexto longo de 80,3. O checkpoint aberto fica atrás da API da qual foi destilado, com 39,9. Na nossa própria janela de sete dias no playground, o Qwen3.8-Max fica em um p50 de 2.578 ms e um p95 de 9.539 ms a 55,5 tokens de saída por segundo, com uma taxa de erro de 1,57%. O Qwen3.8-Max pode ser chamado no OrcaRouter com preço de tabela do provedor com 0% de markup adicionado, então uma alteração de preço da Alibaba entra em vigor do nosso lado no mesmo dia, e não no próximo ciclo de cobrança.

O irmão denso é o que deve ser comparado com um checkpoint local de 1,71 GB, porque é a maneira mais barata de obter capacidade geral nesta família. O Qwen3.8-27B é Apache 2.0, tem um contexto nativo de 262.144 tokens, e o Qwen3.8-27B custa US$ 0,33 e US$ 2,40 por milhão de tokens em nosso catálogo. Seu Artificial Analysis Intelligence Index é 33,7. Ele tem aproximadamente trinta e duas vezes a contagem de parâmetros do Intern-Decision-0.8B, ainda é generativo e ainda é o instrumento errado para uma decisão de conjunto fechado em volume — mas é a opção intermediária honesta, e o único membro desta comparação que é genuinamente barato e genuinamente geral ao mesmo tempo.

Avaliador contra gerador, explicado de forma simples

• Contexto — Qwen3.8-Max carrega uma janela de 1.000.000 de tokens. Intern-Decision-0.8B rejeita qualquer coisa além de 8.192. Um fator de 122, imposto em vez de truncado.

• Entrada — Qwen3.8-Max aceita texto, imagem e vídeo. Intern-Decision-0.8B aceita texto e até oito imagens, e os tokens de imagem contam para o mesmo orçamento de 8,192.

• Saída — Qwen3.8-Max escreve, raciocina, chama ferramentas e emite JSON quando solicitado. O Intern-Decision-0.8B não consegue produzir um parágrafo, uma justificativa ou um plano. Ele só consegue pontuar as opções que você já pensou em listar.

• Custo por chamada — uma chamada de triagem realista com 800 tokens de entrada e 150 tokens de saída custa cerca de US$ 0,0025 no Qwen3.8-Max, antes de quaisquer tokens de raciocínio, e a estimativa de tokens de saída é otimista e baixa porque ele é um modelo de raciocínio. Um milhão dessas chamadas custa aproximadamente US$ 2.500. O Intern-Decision-0.8B não tem preço por token algum: um milhão de decisões equivale a 9,44 horas de uma 4090 que você possui ou aluga.

• Latência — 2,578 ms na mediana no Qwen3.8-Max nos últimos sete dias, incluindo rede e fila. Os 33,98 ms do Intern-Decision-0.8B são um forward pass puro em uma placa local e não são a mesma medição; a comparação honesta é de uma ordem de grandeza, não de oitenta vezes.

• Evidências — cada número do Intern-Decision-0.8B aqui é informado pelo fornecedor nos próprios harnesses da InternLM e não foi reproduzido por ninguém, incluindo a latência. Cada número do Qwen 3.8 é ou da própria Alibaba ou uma medição da Artificial Analysis, e eles estão rotulados separadamente acima.

• Pontuação independente — o Qwen3.8-Max tem uma. O Intern-Decision-0.8B não tem nenhuma de qualquer tipo, e nenhum provedor de inferência o implanta.

A two-column scoreboard comparing Intern-Decision-0.8B and Qwen 3.8. The Intern-Decision-0.8B column reads Parameters 853M, Seven-suite average 79.38, Context 8,192 tokens, Output scores only no text, Cost no token price 1.71 GB local, Latency 33.98 ms local pass. The Qwen 3.8 Max column reads Parameters 2.4T sparse, AA Intelligence Index 45.4, Context 1,000,000 tokens, Output text image video tools, Cost $2.00 and $6.00 per million, Latency 2,578 ms p50 hosted. A footer reads Intern-Decision-0.8B figures are vendor-reported and unreproduced; Qwen3.8-Max figures per Artificial Analysis and our own seven-day window.

Duas maneiras de executar este pipeline

A bifurcação operacional é mais acentuada do que a bifurcação de benchmark. O Intern-Decision-0.8B é um módulo, não um serviço. Não há endpoint compatível com OpenAI, nem servidor de processamento em lote, nem verificação de integridade, nem política de retentativa, nem segunda réplica, a menos que você construa uma. Ele é carregado em um único processo e responde a um dict por vez, e, se você precisa de failover, você é o failover. Essa é uma descrição justa de um checkpoint de pesquisa de 853 milhões de parâmetros publicado sem uma nota de lançamento, e isso deve ser devidamente considerado na decisão.

A metade generativa do mesmo pipeline é uma chamada de rede, e uma chamada de rede é para isso que serve um roteador. Tanto o Qwen3.8-Max quanto o Qwen3.8-27B são acessíveis por trás de uma única chave compatível com OpenAI, e o failover automático significa que um upstream degradado não se torna o seu incidente — vale mencionar aqui porque a taxa de erro ao vivo de sete dias do Qwen3.8-Max do nosso lado é de 1,57%, o que é baixo até ser a sua requisição. O padrão que faz sentido é o que esse pareamento vem descrevendo discretamente: executar localmente o scorer barato de conjunto fechado porque ele é rápido e não custa nada por chamada, e rotear a etapa de raciocínio porque é onde os cortes de preço, a rotatividade de modelos e as indisponibilidades realmente acontecem.

Duas coisas que não vamos afirmar. O Intern-Decision-0.8B não é uma das nossas rotas e não será até que a InternLM o hospede em algum lugar — não vamos insinuar o contrário. E não hospedamos nenhum modelo da InternLM hoje, então nada neste artigo é uma proposta de executar o assunto por meio da gente.

O que mudaria a resposta

{{1}}Três perguntas em aberto{{/1}}, todas respondíveis em poucos dias. O {{2}}InternLM{{/2}} publica o {{3}}repositório do GitHub{{/3}} para o qual o próprio cartão dele aponta e, junto com ele, uma descrição de como estes pesos foram ajustados? Uma postagem de lançamento acompanha os checkpoints, convertendo um envio silencioso em um lançamento documentado com uma história de implantação declarada? E alguém independente reproduz a {{4}}média de 79,38{{/4}} ou o {{5}}erro de calibração de 0,066{{/5}} em hardware que não é da {{6}}InternLM{{/6}}?

Até que um desses chegue, a leitura honesta do Intern-Decision-0.8B é estreita e específica: ele é o pontuador de conjunto fechado mais barato de uma família de três, com uma pegada que cabe onde seu próprio irmão mais rápido e mais preciso não cabe, publicado sem anúncio e sem o único artefato que lhe diria para que ele foi ajustado. Se sua decisão é de conjunto fechado, suas respostas são enumeráveis em um prompt, e 1,71 GB é o número do qual sua implantação realmente depende, ele é a escolha certa e não há nada parecido nesse tamanho. Se sua resposta não for enumerável de antemão, ou seu estado ultrapassar 8.192 tokens, ou você precisar de uma justificativa que possa mostrar a um humano, então a comparação nunca esteve perto — e o modelo que você quer nunca foi o de 853 milhões de parâmetros.

Comparados neste artigo1

Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente