LBS-27B vs Qwen3.8 27B: O nível a ser batido em 27B, e o laboratório que vem lendo isso

Seis semanas antes de o LBS-27B aparecer como um repositório vazio, a inclusionAI publicou um modelo diferente: inclusionAI/Qwen3.8-27B-singprobe, uma pequena sonda de guardrail de streaming construída sobre o Qwen3.8 27B da Alibaba. Não é um modelo de linguagem e não é um concorrente. É um classificador de segurança que lê os estados ocultos do Qwen3.8 27B enquanto esse modelo gera, e sua existência revela algo que uma ficha técnica não consegue: o laboratório que acabou de reservar o nome LBS-27B vem trabalhando diretamente com o modelo que ocupa o mesmo slot de parâmetros.

É por isso que este é o confronto que mais importa no lote. O Gemma 4 26B A4B é uma arquitetura diferente e uma faixa de preço diferente; o Granite 4.2 30B é uma aposta empresarial densa; o LFM2.5 24B A2B é um experimento de eficiência. O Qwen3.8 27B é o modelo para o qual um novo 27B de um laboratório chinês sério muito provavelmente seria direcionado. Se o LBS-27B é um desafio a ele, uma alternativa mais barata ou algo totalmente diferente, não dá para saber a partir de um repositório que contém um arquivo de licença de 28 bytes — mas dá para saber qual é o patamar que a Qwen estabeleceu, e ele é alto.

O que o Qwen3.8 27B realmente é

Qwen3.8 27B é comercializado como um modelo de 27B, listado com 28B de parâmetros em BF16 no Hugging Face e construído sobre uma pilha de atenção híbrida em vez de um transformer padrão. O cartão do modelo descreve dezesseis blocos repetidos, cada um contendo três camadas Gated DeltaNet seguidas por uma camada Gated Attention, com tamanho oculto de 5.120, 64 camadas, 24 cabeças de atenção, 4 cabeças de chave-valor e uma dimensão feed-forward de 17.408. O vocabulário tem 248.320 tokens.

A janela de contexto é de 262.144 tokens nativamente, extensível para aproximadamente um milhão com YaRN. É nativamente multimodal: texto, imagens e vídeo como entrada, texto como saída. O pensamento está ativado por padrão, com níveis de esforço de raciocínio xhigh, medium e low, e um sinalizador preserve-thinking ativado por padrão. A licença é Apache-2.0. Os pesos surgiram em agosto de 2026.

A arquitetura é a parte que merece uma pausa. As camadas Gated DeltaNet são variantes de atenção linear que escalam melhor com o comprimento da sequência do que a atenção completa, e intercalá-las com um pequeno número de camadas de atenção completa é uma forma de obter comportamento de contexto longo sem pagar custo quadrático em todas as camadas. É um design mais ambicioso do que uma pilha densa simples, e é o tipo de coisa que é difícil de igualar na primeira tentativa.

O bar, em números

Todos os resultados a seguir são divulgados pela própria Qwen e não foram reproduzidos de forma independente por nós. Ainda assim, continuam sendo a referência relevante, porque é com eles que um comprador vai comparar.

• Programação e engenharia de software — LiveCodeBench v6 90,3, QwenSWEBench 79,0, SWE-bench Pro 61,7, DeepSWE 1.1 42,2, NL2Repo-Bench 42,3.

• Trabalho em terminal e com agentes — Terminal-Bench 2.1 (Terminus) 73,0, CoWorkBench 70,7, JobBench 33,4, Agents' Last Exam 20,4 pass@1 e pontuação 42,9.

• Conhecimento e raciocínio — GPQA Diamond 89,2, Humanity's Last Exam 30,8, IFBench 79,5. O valor do HLE é invulgarmente alto para um modelo de 27B e é o número mais impressionante da ficha.

• Visão e uso de computador — OSWorld-Verified 84,3, AndroidWorld 81,9, WebArena Verified 64,8, MathVision 90,0 sem integração de cadeia de raciocínio e 94,6 com ela, OmniDocBench 1.5 91,1, RealWorldQA 85,9, raciocínio CharXiv 83,7 e 90,2 com integração.

• Linhas mais fracas — SWE-MM 38,6, RecreationBench 47,1, ClawEval-MM 57,4 pass@3. Até mesmo as linhas fracas são respeitáveis.

Este não é um modelo que vence em um único eixo. Ele é competitivo em programação, conhecimento, visão e uso de computador ao mesmo tempo, que é exatamente o perfil que torna difícil posicionar um desafiante do mesmo tamanho. Um novo 27B não pode superá-lo sendo apenas um pouco melhor em uma coisa; ele precisa de um argumento diferente.

O que o LBS-27B demonstrou

Nada que possa ser avaliado. O repositório foi criado às 05:36 UTC de 26 de outubro de 2026 e contém um arquivo de 1.519 bytes .gitattributes e um README de 28 bytes. O README é a declaração de licença e apenas a declaração de licença: license: apache-2.0. Não há pesos, nem configuração, nem tokenizador, nem model card, nem linhas de benchmark. Os downloads não são rastreados e as curtidas são zero, e não conseguimos encontrar nenhum anúncio, artigo ou discussão pública do modelo em lugar nenhum.

O "27B" é um nome. Não foi confirmado como contagem total de parâmetros, muito menos como contagem ativa, e não há indicação de se o modelo é denso, esparso ou construído sobre uma pilha de atenção híbrida como a do Qwen.

A sonda é a pista mais interessante.

O Qwen3.8-27B-singprobe da inclusionAI foi criado em 14 de setembro de 2026 e está marcado para segurança, guardrails, streaming e detecção de alucinações. Ele é baseado no Qwen3.8 27B, licenciado sob Apache-2.0, e tem atraído pouca atenção — 219 downloads e duas curtidas no momento da redação.

A importância disso não está na sua popularidade. Isso mostra que a inclusionAI vem instrumentando o Qwen3.8 27B no nível dos estados ocultos, o que significa que o laboratório compreende suficientemente bem as representações internas do modelo para construir um classificador sobre elas. Essa é uma forma mais profunda de familiaridade do que a comparação de benchmarks. Isso não prova que o LBS-27B derive do Qwen3.8 27B — não há evidências disso, e as duas organizações são empresas separadas, Ant Group e Alibaba —, mas sugere que a classe 27B não é um alvo aleatório para este laboratório.

Isso também levanta uma possibilidade que vale a pena nomear: um laboratório que lança sondas de segurança junto com os modelos pode posicionar seu próprio 27B em torno de controlabilidade e salvaguardas, em vez de liderança bruta em benchmarks. Se for essa a proposta, a comparação com o Qwen3.8 27B muda de "quem pontua mais alto" para "qual deles é mais fácil de implantar com segurança" — uma pergunta diferente com uma resposta diferente.

Três caminhos que isso pode tomar

Sem uma ficha de modelo, a abordagem honesta é descrever as formas plausíveis em vez de escolher uma.

• Uma alternativa mais barata ao Qwen. Se o LBS-27B for um modelo denso de 27B com qualidade comparável e menor custo de serviço, ele compete por preço. Isso é difícil contra um modelo a US$ 0,33 por milhão de tokens de entrada, mas não impossível se a receita de treinamento da inclusionAI for mais eficiente ou se ele mirar uma quantidade menor de parâmetros ativos.

• Uma aposta em eficiência. Se o LBS-27B for esparso, com um pequeno número de parâmetros ativos, ele contorna totalmente o perfil de computação do Qwen. O Qwen3.8 27B é denso, o que o torna caro por token em contextos longos; um modelo esparso de 27B com apenas uma fração ativa poderia oferecer custo menor, abrindo mão de um pouco de qualidade. Essa é a estratégia do LFM2.5 aplicada em uma escala maior.

• Um nicho diferente. Se o LBS-27B se destaca em segurança, cobertura multilíngue, trabalho com documentos longos ou um harness agêntico específico, pode não estar tentando superar o Qwen3.8 27B em todos os aspectos. O singprobe é uma evidência fraca para isso, mas é a única evidência disponível.

Cada uma dessas formas implica um arquivo de configuração diferente. É por isso que a divulgação da arquitetura, quando vier, será mais informativa do que qualquer post de lançamento no blog.

A comparação, com os espaços em branco marcados

• Parâmetros — Qwen3.8 27B é comercializado como 27B e listado como 28B em BF16; LBS-27B é um 27B não verificado.

• Arquitetura — um híbrido de camadas Gated DeltaNet e Gated Attention para o Qwen; desconhecido para LBS.

• Contexto — 262.144 nativos e cerca de um milhão com YaRN para o Qwen; desconhecido para o LBS.

• Modalidade — entrada de texto, imagem e vídeo com saída de texto para o Qwen; desconhecido para LBS.

• Controles de pensamento — esforço de raciocínio em xhigh, medium ou low para Qwen; desconhecido para LBS.

• Licença — Apache-2.0 para o Qwen; Apache-2.0 declarada para LBS.

• Preço — $0,33 por milhão de tokens de entrada e $2,40 por milhão de tokens de saída para Qwen no OrcaRouter; sem preço para LBS.

• Avaliações — uma ficha completa do fornecedor para o Qwen, incluindo linhas de codificação, agênticas e de visão; nenhuma para o LBS.

Preço e o argumento da API única

O Qwen3.8 27B está disponível no OrcaRouter como qwen/qwen3.8-27b por US$ 0,33 por milhão de tokens de entrada e US$ 2,40 por milhão de tokens de saída, com o contexto completo de 262.144 tokens. O OrcaRouter repassa o preço de tabela do provedor com 0% de margem, então, se a Alibaba ou seus parceiros de hospedagem alterarem a tarifa, o número do nosso lado muda no mesmo dia. Também há uma segunda listagem do Qwen3.8 27B na plataforma com uma tarifa mais alta, sob um nome de provedor diferente, que vale a pena conferir se você estiver comparando cotações.

LBS-27B não está no OrcaRouter. Não há para onde rotear. Quando os pesos existirem, a forma prática de responder à pergunta que este artigo não consegue — o novo modelo é realmente melhor para minha carga de trabalho? — é enviar uma fração do tráfego para ele pelo mesmo endpoint enquanto o Qwen permanece como fallback. O failover automático transforma isso em um experimento reversível em vez de uma migração, e a DSL de roteamento significa que a divisão pode ser expressa como uma política em vez de um branch de código. Esse é o papel útil de um roteador em uma comparação de 27B: não escolher o vencedor, mas permitir que você meça um contra o outro com suas próprias entradas.

O que tornaria isto uma comparação de verdade?

O primeiro artefato é um arquivo de configuração. Ele vai definir entre denso e esparso e fornecer uma contagem de parâmetros ativos, o que determina se o LBS-27B está competindo com o Qwen em qualidade ou se esquivando dele em custo.

O segundo é uma torre de visão. A capacidade multimodal do Qwen3.8 27B não é um recurso secundário; é uma grande parte do motivo pelo qual o modelo é competitivo em tarefas de documentos, interface do usuário e uso do computador. Um LBS-27B somente texto seria um produto menor voltado para uma fatia mais estreita dos mesmos compradores.

A terceira é uma declaração de posicionamento da inclusionAI. O laboratório não disse para que serve o LBS-27B, e o nome também não diz. Tudo neste artigo sobre intenção é inferência a partir de uma sonda, uma licença e um carimbo de data/hora.

Por ora, a conclusão defensável é estreita. O Qwen3.8 27B é um dos modelos de 27B mais fortes disponíveis, com uma arquitetura híbrida, multimodalidade nativa, um caminho de extensão para um milhão de tokens e um preço agressivo de hospedagem. O LBS-27B é um repositório que ainda não se tornou um modelo. A diferença entre eles não é uma diferença de capacidade; é a distância entre um produto acabado e um nome reservado — e a pergunta interessante é se um laboratório que vem lendo os estados ocultos do Qwen está se preparando para competir com ele ou para complementá-lo.