
Análise do Qwen3.8-27B: o 27B de pesos abertos que é o "Opus em casa" — testado contra o hype
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 187 tok/s
- openaiNOVOOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 por 1M de tokens · 87 tok/s
- openaiNOVOOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 por 1M de tokens · 152 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 194 tok/s
- AlibabaNOVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 86 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 705 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 por 1M de tokens · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 101 tok/s
Qwen3.8 27B é o melhor 27B de pesos abertos que você pode auto-hospedar agora, e não é por pouco. Os pesos foram lançados em 14 de agosto de 2026 sob Apache 2.0: um 27B denso (28B contando o codificador de visão) com contexto nativo de 262K, entrada nativa de imagem e vídeo, e pontuações de codificação agêntica relatadas pelo fornecedor que se situam no nível ou acima do Claude Opus 4.6 Max — SWE-bench Pro 61.7, DeepSWE 1.1 42.2, LiveCodeBench v6 90.3. O preço de destaque é zero: baixe 55.6 GB e execute-o. As ressalvas também são reais — testes independentes o consideram cerca de três vezes mais lento e mais faminto por tokens do que seu antecessor, a tabela de benchmarks do fornecedor ainda não tem uma reprodução independente que a comprove, e o contexto de 1M é um recurso exclusivo de serviço hospedado. O movimento interessante desde o lançamento está abaixo da ficha de especificações: em 13 de outubro, um port comunitário do llama.cpp relatou executar esses pesos na GPU de um PlayStation 5 com jailbreak a cerca de 20 tokens por segundo. Veredicto: se você tem uma GPU de 24 GB+ e quer capacidade próxima da fronteira sem uma fatura por uso, auto-hospede-o — mas vá em frente sabendo exatamente onde os números são frágeis.
Veredito primeiro: você deve usar o Qwen3.8 27B?
Resposta curta — sim para cargas de trabalho locais e privadas; espere por números de terceiros antes de uma decisão de compra. Qwen3.8 27B é o modelo raro em que os pesos abertos são o produto e a API é a conveniência. Como a licença é Apache 2.0, o preço por token é permanentemente zero uma vez que você tenha o hardware, e nada do que você construir sobre ele pode ser relicenciado ou cobrado retroativamente. O que você abre mão é velocidade, verificação e conveniência.
Se você já roda o Qwen3.6-27B e está satisfeito com ele, a atualização é real, mas não é gratuita em termos de tempo de relógio. Se você chegou aqui a partir do lançamento do Qwen3.8-Max, este é o membro menor e auto-hospedável da mesma geração — uma ferramenta diferente para um trabalho diferente.
Os fatos rápidos, verificados em 15 de outubro de 2026
• Lançado — os pesos ficaram disponíveis em 14 de agosto de 2026 em Qwen/Qwen3.8-27B no Hugging Face, com espelho no ModelScope; a cobertura em diferentes fusos horários também menciona 13 de agosto, e o lançamento ocorreu cerca de uma semana após o anúncio da geração Qwen3.8.
• Licença — Apache 2.0: baixar, modificar, redistribuir, uso comercial, com concessão explícita de patente. Permanente.
• Parâmetros — 27B denso (28B contando o encoder de visão), 64 camadas, tamanho oculto 5.120, vocabulário 248.320.
• Arquitetura — atenção híbrida: 48 camadas de atenção linear Gated DeltaNet contra 16 camadas completas de Atenção Gated (uma divisão de 3:1). É por isso que um modelo denso de 27B pode carregar 262K tokens de contexto nativo.
• Contexto — 262.144 tokens nativamente; extensível para 1.000.000 via YaRN na versão hospedada.
• Entrada — imagem e vídeo nativos juntamente com texto; retorna texto. O codificador de visão é o motivo pelo qual a contagem de parâmetros indica 28B.
• Pensamento — modo de raciocínio ativado por padrão e desativável por solicitação; reasoning_effort (baixo/médio/alto) e preserve_thinking para execuções longas de agente.
• Pesos — 55.6 GB de safetensors BF16 em 18 shards; FP8 e GGUFs da comunidade também são fornecidos.
As especificações acima vêm do model card e da configuração do Hugging Face para o Qwen3.8 27B, consultados em 15 de outubro de 2026. A tabela de benchmarks do fornecedor é reportada pela Alibaba e ainda não foi reproduzida. A única avaliação independente registrada é a da Artificial Analysis, que atribui ao Qwen3.8 27B uma pontuação de 34 em seu Intelligence Index e mede 41,2 tokens de saída por segundo — um único índice diante de um card repleto de números do fornecedor, e que não os reproduz.
No que o Qwen3.8 27B é genuinamente bom
O caso mais forte é a engenharia de software agêntica. A Alibaba relata um salto de 3x no DeepSWE 1.1 em relação ao 27B anterior (42,2 vs 13,3) e uma pontuação acima do Claude Opus 4.6 Max no SWE-bench Pro (61,7 vs 53,4). Esses são os números que lhe renderam o apelido de "Opus em casa" — um 27B denso realizando trabalho de codificação próximo à fronteira em hardware que uma pessoa pode realmente possuir.

Três coisas além dos números brutos fazem dela uma compra defensável:
• Multimodal nativo. Entrada de imagem e vídeo, saída de texto — um documento com diagramas ou um vídeo de demonstração não é um modelo separado. As pontuações de raciocínio visual (85.6 com o recurso de cadeia de pensamento ativado, 94.6 em matemática visual, ambos relatados pelo fornecedor) são onde o codificador de visão prova seu valor.
• Contexto nativo de 262K.Tarefas de agente de longo horizonte, grandes bases de código e transcrições de várias horas cabem em uma janela. O design híbrido de atenção linear mantém o custo de KV desse contexto mais baixo do que um modelo puro de atenção total do mesmo tamanho.
• Pesos gratuitos e permanentes. Este é o ponto principal da categoria: um modelo de API fechada é alugado; Qwen3.8 27B é de sua posse. Em 4 bits, roda em uma placa de 24 GB (classe RTX 3090/4090), e a AMD disponibilizou suporte Day-0 (até 24,5 tokens/s em um Ryzen AI Max+ 395 e 51,8 tokens/s em uma Radeon AI PRO R9700, segundo o blog da própria AMD).
Onde a análise fica complicada: velocidade, tokens e verificação
O teste independente até agora é o aparato de testes de um único testador, não um laboratório — mas é o melhor sinal que temos. Executando Qwen3.8 27B contra Qwen3.6-27B em dez tarefas do mundo real (avaliadas pelo GPT-5.5 por meio do harness llmcompare), o 3.8 venceu nove de dez e pontuou 8.838 contra 6.862 em média — "um dos ganhos de inteligência mais impressionantes" que o testador já tinha visto. Ele também usou quase três vezes mais tokens e foi consideravelmente mais lento; uma tarefa levou cerca de 600% mais tempo. Portanto, o salto de qualidade é real, e o preço em tempo de relógio também.
Mais quatro coisas para colocar contra isso:
• Benchmarks independentes, menos do que o cartão sugere. O cartão do fornecedor é detalhado e todos os números nele continuam sendo reportados pela Alibaba. A pontuação de 34 no Intelligence Index da Artificial Analysis, consultada em 15 de outubro, é a primeira avaliação independente deste modelo — uma pontuação, de um laboratório, que não diz nada sobre o SWE-bench Pro 61,7 ou o DeepSWE 1.1 42,2. Se a sua decisão exige que as alegações agênticas sejam reproduzidas, elas não foram.
• O limite de VRAM é real. O BF16 exige uma GPU da classe de 80 GB. Para caber em uma placa de 24 GB, é preciso executar em 4 bits, e relatos da comunidade (thread de comentários no dev.to, dias após o lançamento) dizem que builds quantizados "perdem o foco após contexto longo". Pesos oficiais se você tiver a VRAM; quantizados se não tiver — e o caminho da quantização agora alcança hardware muito abaixo de uma placa de 24 GB, do que a medição do PlayStation 5 abaixo é a primeira evidência real.
• O contexto de 1M é exclusivo da versão hospedada. Os pesos abertos têm limite de 262K. A possibilidade de estender para 1M é um recurso hospedado do Qwen Cloud, não algo que uma cópia local faça de fábrica.
• "Superar a Opus" precisa de ressalvas. Benchmarks agênticos recompensam comportamentos específicos de harness, e o comentário no topo da publicação de lançamento no dev.to foi direto: "eles não superam a Opus no uso no mundo real." Trate o placar como um limite superior em um bom dia, não como uma promessa.
Como ele se enquadra na família Qwen 3.8
• vs Qwen3.6-27B — a mesma classe de hardware e contexto de 262K, mas um grande salto de capacidade ao custo de velocidade e eficiência de tokens. Se você já executa o 3.6 e está limitado pelo throughput, permanecer nele é defensável.
• vs Qwen3-Coder-30B-A3B — o Coder é um MoE com cerca de 3,3B de parâmetros ativos que roda muito mais rápido (~90–110 tokens/s). O denso 27B é mais lento por token, mas herda os ganhos agênticos da geração; se os resultados do 27B em engenharia de software se mantiverem em testes independentes, o papel do Coder-30B diminui.
• vs Qwen3.8-Max — o carro-chefe MoE de 2,4T é um modelo de datacenter (somente API, cerca de $2/$6 por milhão de tokens na cobertura publicada) com contexto de 1M e vídeo. O 27B é o implantável. Eles respondem a perguntas diferentes.
A base de hardware mudou em 13 de outubro
PS5LM é um porte do llama.cpp que executa modelos GGUF em um PlayStation 5 desbloqueado, dentro de um console que você já possui. Sua build lançada é modesta — v0.1.1, um único payload limitado a cerca de 1,6 GB de modelo, que é o Qwen3.5 2B em 4 bits e nada maior, somente em CPU. Em 13 de outubro, o projeto recebeu um pull request que muda a cara da lista de hardware: um caminho de aplicativo nativo que faz link do llama-server contra um driver Vulkan da comunidade para o console, e relata Qwen3.8 27B a 20,7 tokens por segundo na quantização UD-IQ2_XXS (6,77 GiB, contexto de 64k) e 20,3 tokens por segundo na UD-Q2_K_XL (9,15 GiB, contexto de 32k, cache q4_0), com uma resposta de 7.775 tokens sustentada a 19,7 tokens por segundo. O mesmo console retornou 61 tokens por segundo no Gemma 4 E4B e 124 no Llama 3.2 3B Instruct, e é isso que torna o número de 27B digno de leitura: não é um modelo pequeno que faz um número grande parecer bom.
Rotule isso antes de agir com base nisso. Esses números são medições do próprio autor do pull request em um branch não mesclado, não um benchmark de fornecedor e não uma build lançada. O próprio repositório do PS5LM ainda lista tanto o offload de GPU quanto o Qwen 3.8 27B como itens de roadmap que ele ainda não lançou, e o comentário do mantenedor no pull request diz que ele vai reproduzir os números no próprio console antes que o README os inclua. Um segundo testador relata que o app consegue rodar — firmware 4.50, modelos 7B e 9B a cerca de 30 tokens por segundo — o que corrobora o mecanismo sem reproduzir o resultado do 27B. Chegar lá também pressupõe um console que você possui, firmware 7.00 a 13.60 e um jailbreak.
O que isso muda é a forma da questão de custo, não a sua resposta. Um 27B denso a cerca de 20 tokens por segundo num console de jogos é mais lento do que o mesmo modelo servido a partir de uma GPU real — a Artificial Analysis mede 41,2 tokens por segundo através da própria API da Alibaba, e 20 tokens por segundo é a velocidade da versão de 2 bits, com a perda de qualidade que a compressão implica. Portanto, isto não é razão para dispensar o cartão de 24 GB; é evidência de que a classe é portátil muito abaixo disso. Se o que você realmente quer é saber se o modelo é bom antes de gastar um fim de semana num jailbreak, a rota barata é uma chamada medida: uma chave para mais de 200 modelos, sem segundo contrato, e failover automático entre fornecedores se o endpoint oscilar enquanto você está avaliando.
Custo: a questão local versus API, resolvida.
Para um modelo fechado, você compara preços por token. Para o Qwen3.8 27B, o token marginal não custa nada no seu próprio hardware — o preço real é a GPU inicial e o seu tempo. Em 4 bits, isso é uma placa de 24 GB; em BF16, é uma máquina da classe de 80 GB. Se você não tem a máquina, ou quer respostas antes de comprometer 55,6 GB de disco, a rota hospedada existe: o OrcaRouter lista o Qwen3.8 27B a US$ 0,33 por milhão de tokens de entrada e US$ 2,40 por milhão de tokens de saída na página do modelo do OrcaRouter, que é o preço de tabela do provedor repassado com 0% de markup (verificado em 15 de outubro de 2026). O nível gratuito com limite de taxa que esta página descrevia em agosto não aparece mais lá — trate-o como obsoleto, a menos que você o veja declarado. A própria API da Alibaba é a outra rota hospedada, que a Artificial Analysis lista a US$ 0,50 e US$ 3,00 por milhão para a configuração de raciocínio Xhigh. A versão hospedada do Qwen Cloud, com o contexto de 1M, ainda está marcada como "em breve".

A forma honesta de enquadrar: para um modelo de pesos abertos, um provedor é uma conveniência, não uma dependência. Uma chamada hospedada tarifada por uso é a maneira mais barata possível de decidir se um download de 55,6 GB vale a pena; também é a única maneira de testar o modelo sem primeiro resolver o problema de hardware que o parágrafo sobre o PlayStation 5 descreve. Mas, depois que você decide, os pesos são o que importa — e eles são gratuitos.
Como realmente experimentar
• Avaliação mais rápida — faça a chamada em um endpoint hospedado a US$ 0,33/US$ 2,40 por milhão; algumas centenas de milhares de tokens de trabalho real custam centavos e resolvem a questão antes de você baixar qualquer coisa.
• Teste real no seu hardware — baixe um GGUF da comunidade (a versão Q4_K_M tem cerca de 17 GB e cabe em uma placa de 24 GB) e execute-o no llama.cpp ou Ollama. Passe o template de chat Jinja ou o modelo responde a você em tags de pensamento. Para visão a partir de um GGUF, você também precisa do arquivo mmproj separado. Nosso guia para executar Qwen3.8 27B localmente explica o passo a passo.
• Precisão total — huggingface-cli download Qwen/Qwen3.8-27B em uma GPU da classe de 80 GB.
• Verifique o que você baixou — verifique se o editor é a organização Qwen e valide os shards contra o crc32.txt; repositórios falsos apareceram antes do lançamento.
Quando esta avaliação estiver errada (e quem deve evitar o Qwen3.8 27B)
• Você não tem GPU e não vai alugar uma. O plano hospedado é $0.33/$2.40 por milhão — um pequeno modelo de API pode atendê-lo de forma mais barata e confiável. Este modelo é para quem quer ser dono da inferência.
• Você precisa de um SLA. A camada hospedada entrou no ar em meados de agosto; a página do modelo OrcaRouter, consultada em 15 de outubro, mostra uma taxa de erro de 2,8% nos últimos sete dias, latência p50 do primeiro token de 3,23 s e 156 tokens por segundo de saída em 77,2 milhões de tokens roteados nessa janela. Depois de dois meses, isso é um endpoint em funcionamento, e não uma fila de dia de lançamento — mas uma média dos últimos sete dias ainda não é um contrato de produção. Quem faz auto-hospedagem deve fixar o commit do download e manter um fallback.
• Você precisa que as alegações agênticas do fornecedor sejam reproduzidas, não apenas uma pontuação de índice.A pontuação de 34 no Intelligence Index da Artificial Analysis é o único número independente que este modelo tem, e não diz nada sobre SWE-bench Pro 61.7 ou DeepSWE 1.1 42.2 — ambos ainda reportados pela Alibaba. Direcional, não com nível de aquisição.
• O contexto de 262K para pesos abertos não é suficiente. Atualmente, a extensão de 1M está disponível apenas na versão hospedada.
• O throughput é o seu gargalo. Sumarização em massa ou grandes lotes vão sofrer: este é um 27B denso que também consome cerca de 3x mais tokens do que o seu predecessor. Para trabalho em massa barato, um modelo menor ou mais rápido vence.
• Você está usando uma placa de 12 GB. GGUFs de 2 bits cabem apertados, com perda de qualidade visível — essa é a configuração por trás do ponto de dados do PlayStation 5 acima — então este é um modelo para experimentar, não para adotar como padrão.

A conclusão
Qwen3.8 27B é o 27B de pesos abertos mais forte disponível hoje, e é gratuito para sempre sob a Apache 2.0. Se você tem uma GPU de 24 GB ou mais e quer codificação agêntica, contexto de 262K e entrada nativa de imagem/vídeo sem uma conta por uso medido, esta é a compra. Os motivos para esperar são igualmente concretos: você precisa que as alegações de codificação agêntica do fornecedor sejam reproduzidas em algum lugar que não seja o cartão do modelo, um SLA, mais de 262K de contexto de pesos abertos, ou uma taxa de transferência maior do que um 27B denso oferece. O modelo foi lançado, os pesos são reais, a única pontuação independente até agora é um respeitável 34, e o piso de hardware acabou sendo mais baixo do que a cobertura de lançamento presumia. Só lembre-se de quais números vieram de um laboratório e quais vieram do fornecedor.
