LBS-27B против Qwen3.8 27B: планка на уровне 27B и лаборатория, которая её считывает

За шесть недель до того, как LBS-27B появился в виде пустого репозитория, inclusionAI опубликовала другую модель: inclusionAI/Qwen3.8-27B-singprobe — небольшой потоковый зонд-ограждение, построенный на основе Qwen3.8 27B от Alibaba. Это не языковая модель и не конкурент. Это классификатор безопасности, который считывает скрытые состояния Qwen3.8 27B во время генерации этой моделью, и его существование говорит то, чего не может сказать спецификация: лаборатория, только что зарезервировавшая имя LBS-27B, работала напрямую с моделью, занимающей тот же параметрический слот.

Именно поэтому это самое важное сравнение в этой подборке. Gemma 4 26B A4B — это другая архитектура и другой ценовой класс; Granite 4.2 30B — плотная модель, ориентированная на корпоративный сегмент; LFM2.5 24B A2B — эксперимент в области эффективности. Qwen3.8 27B — это модель, на которую, скорее всего, и была бы нацелена новая 27B-модель от серьезной китайской лаборатории. Является ли LBS-27B вызовом ей, более дешевой альтернативой или чем-то совершенно иным, невозможно узнать по репозиторию, содержащему 28-байтный файл лицензии, — но планку, которую задала Qwen, узнать можно, и она высока.

Что на самом деле представляет собой Qwen3.8 27B

Qwen3.8 27B позиционируется как модель с 27B, в карточке на Hugging Face указана как модель с 28B параметров в BF16 и построена на гибридном стеке внимания, а не на стандартном трансформере. В карточке описаны шестнадцать повторяющихся блоков, каждый из которых содержит три слоя Gated DeltaNet, за которыми следует один слой Gated Attention, при скрытой размерности 5 120, 64 слоях, 24 головах внимания, 4 головах ключей-значений и размерности полносвязного слоя 17 408. Объём словаря составляет 248 320 токенов.

Контекстное окно составляет 262 144 токена нативно и расширяется примерно до одного миллиона с помощью YaRN. Модель нативно мультимодальна: на входе — текст, изображения и видео, на выходе — текст. Режим размышления включён по умолчанию, доступны уровни усилия рассуждения xhigh, medium и low, а также флаг preserve-thinking, включённый по умолчанию. Лицензия — Apache-2.0. Веса появились в августе 2026 года.

Архитектура — это та часть, на которой стоит задержаться. Слои Gated DeltaNet — это разновидности линейного внимания, которые масштабируются с ростом длины последовательности лучше, чем полное внимание, а их чередование с небольшим числом слоёв полного внимания позволяет получить поведение на длинном контексте, не платя квадратичную стоимость на каждом слое. Это более амбициозная конструкция, чем обычный плотный стек, и такое трудно воспроизвести с первой попытки.

Бар в цифрах

Все приведённые ниже результаты — это собственные данные Qwen, и мы их независимо не воспроизводили. Тем не менее они по-прежнему задают актуальную планку, поскольку именно с ними покупатель будет сравнивать.

• Программирование и разработка программного обеспечения — LiveCodeBench v6 90.3, QwenSWEBench 79.0, SWE-bench Pro 61.7, DeepSWE 1.1 42.2, NL2Repo-Bench 42.3.

• Терминальная и агентная работа — Terminal-Bench 2.1 (Terminus) 73.0, CoWorkBench 70.7, JobBench 33.4, Agents' Last Exam 20.4 pass@1 и 42.9 балла.

• Знания и рассуждения — GPQA Diamond 89,2, Humanity's Last Exam 30,8, IFBench 79,5. Показатель HLE необычно высок для 27B-модели и является самым поразительным числом в карточке.

• Зрение и использование компьютера — OSWorld-Verified 84.3, AndroidWorld 81.9, WebArena Verified 64.8, MathVision 90.0 без интеграции цепочки рассуждений и 94.6 с ней, OmniDocBench 1.5 91.1, RealWorldQA 85.9, рассуждения CharXiv 83.7 и 90.2 с интеграцией.

• Более слабые строки — SWE-MM 38.6, RecreationBench 47.1, ClawEval-MM 57.4 pass@3. Даже слабые строки выглядят достойно.

Это не модель, которая выигрывает по одному параметру. Она конкурентоспособна одновременно в программировании, знаниях, работе со зрением и использованием компьютера — и именно такой профиль делает конкурента того же размера трудным для позиционирования. Новая модель на 27B не сможет обойти её, став чуть лучше в чём-то одном; ей нужен другой аргумент.

Что показал LBS-27B

Ничего, что можно было бы оценить. Репозиторий был создан в 05:36 UTC 26 октября 2026 года и содержит 1 519-байтовый .gitattributes и README размером 28 байт. README — это объявление лицензии, и только оно: license: apache-2.0. Здесь нет ни весов, ни конфигурации, ни токенизатора, ни карточки модели, ни строк с результатами бенчмарков. Загрузки не отслеживаются, лайков ноль, и мы не смогли найти никаких анонсов, статей или публичных обсуждений модели нигде.

«27B» — это название. Оно не подтверждено как общее число параметров, не говоря уже о числе активных параметров, и нет никаких указаний на то, является ли модель плотной, разреженной или построенной на гибридном стеке внимания, как у Qwen.

Зонд — самая интересная улика.

Модель Qwen3.8-27B-singprobe от inclusionAI была создана 14 сентября 2026 года и имеет теги «безопасность», «защитные механизмы», «стриминг» и «обнаружение галлюцинаций». Она основана на Qwen3.8 27B, распространяется по лицензии Apache-2.0 и привлекла мало внимания — 219 загрузок и два лайка на момент написания.

Его значимость не в его популярности. Это показывает, что inclusionAI инструментирует Qwen3.8 27B на уровне скрытых состояний, а значит, лаборатория достаточно хорошо понимает внутренние представления модели, чтобы построить на их основе классификатор. Это более глубокая форма знакомства, чем сравнение по бенчмаркам. Это не доказывает, что LBS-27B происходит от Qwen3.8 27B — доказательств этому нет, и две организации являются отдельными компаниями, Ant Group и Alibaba — но это действительно позволяет предположить, что класс 27B не является случайной целью для этой лаборатории.

Это также поднимает возможность, которую стоит назвать: лаборатория, которая выпускает модели вместе со средствами проверки безопасности, может позиционировать свою 27B вокруг управляемости и защитных ограничений, а не сырого лидерства в бенчмарках. Если это и есть её предложение, сравнение с Qwen3.8 27B меняется с «кто набирает больше» на «какую проще безопасно развернуть» — другой вопрос с другим ответом.

Возможны три варианта развития событий.

Без карточки модели честный подход — описать правдоподобные варианты, а не выбирать один.

• {{1}}Более дешёвая альтернатива Qwen.{{/1}} Если {{2}}LBS-27B{{/2}} — это плотная модель на 27B с сопоставимым качеством и более низкой стоимостью обслуживания, она конкурирует по цене. Это сложно против модели за $0.33 за миллион входных токенов, но не невозможно, если рецепт обучения inclusionAI более эффективен или если она ориентирована на меньшее число активных параметров.

• Ставка на эффективность. Если LBS-27B — разреженная модель с малым числом активных параметров, она полностью обходит вычислительный профиль Qwen. Qwen3.8 27B — плотная модель, что делает её дорогой в расчёте на токен при длинном контексте; разреженная 27B-модель, у которой активна лишь часть параметров, могла бы обойти её по стоимости, пожертвовав частью качества. Это стратегия LFM2.5, применённая в большем масштабе.

• Другая ниша. Если LBS-27B делает ставку на безопасность, многоязычный охват, работу с длинными документами или специфическую агентную обвязку, возможно, он вовсе не пытается превзойти Qwen3.8 27B по всем направлениям. singprobe — слабое доказательство этого, но это единственное доказательство, которое есть.

Каждая из этих форм подразумевает свой файл конфигурации. Именно поэтому раскрытие архитектуры, когда оно произойдёт, окажется информативнее любого поста в блоге о запуске.

Сравнение с отмеченными пропусками

• Параметры — Qwen3.8 27B: заявлено 27B, но в BF16 указано 28B; LBS-27B — неподтверждённые 27B.

• Архитектура — гибрид слоёв Gated DeltaNet и Gated Attention для Qwen; для LBS неизвестно.

• Контекст — 262 144 нативных и около одного миллиона с YaRN для Qwen; для LBS неизвестно.

• Модальность — ввод текста, изображений и видео с выводом текста для Qwen; неизвестно для LBS.

• Управление режимом мышления — уровень усилий при рассуждении: xhigh, medium или low для Qwen; для LBS — неизвестно.

• Лицензия — Apache-2.0 для Qwen; Apache-2.0 заявлена для LBS.

• Цена — $0.33 за миллион входных токенов и $2.40 за миллион выходных токенов для Qwen на OrcaRouter; для LBS цена не указана.

• Оценки — полная карточка производителя для Qwen, включая строки по программированию, агентным сценариям и зрению; для LBS — ни одной.

Цена и аргумент в пользу единого API

Qwen3.8 27B доступна на OrcaRouter как qwen/qwen3.8-27b по цене $0.33 за миллион входных токенов и $2.40 за миллион выходных токенов при полном контексте в 262 144 токена. OrcaRouter передаёт прейскурантную цену провайдера с наценкой 0%, поэтому если Alibaba или её партнёры по хостингу изменят тариф, цифра на нашей стороне изменится в тот же день. На платформе также есть второе предложение Qwen3.8 27B по более высокой ставке под именем другого провайдера — его стоит проверить, если вы сравниваете предложения.

LBS-27B отсутствует в OrcaRouter. Маршрутизировать не на что. Когда появятся веса, практический способ ответить на вопрос, на который эта статья ответить не может — действительно ли новая модель лучше для моей рабочей нагрузки? — это отправить часть трафика на неё через тот же endpoint, пока Qwen остаётся резервным вариантом. Автоматическое переключение при сбое превращает это в обратимый эксперимент, а не миграцию, а DSL маршрутизации позволяет выразить разделение как политику, а не ветку кода. В сравнении 27B-моделей роутер полезен именно этим: он не выбирает победителя, а позволяет измерить одну против другой на ваших собственных входных данных.

Что сделало бы это настоящим сравнением?

Первый артефакт — это файл конфигурации. Он позволит окончательно определить, является ли модель плотной или разреженной, и даст количество активных параметров, что определит, конкурирует ли LBS-27B с Qwen по качеству или обходит её по стоимости.

Второе — визуальная башня. Мультимодальность Qwen3.8 27B — не второстепенная функция; во многом именно она делает модель конкурентоспособной в задачах с документами, UI и computer-use. Текстовая версия LBS-27B была бы меньшим продуктом, нацеленным на более узкий сегмент тех же покупателей.

Третье — заявление о позиционировании от inclusionAI. Лаборатория не сообщила, для чего предназначена LBS-27B, и название об этом тоже ничего не говорит. Всё в этой статье о намерениях — это выводы, сделанные на основе зонда, лицензии и отметки времени.

Пока что обоснованный вывод остаётся узким. Qwen3.8 27B — одна из самых сильных доступных моделей класса 27B: гибридная архитектура, нативная мультимодальность, путь расширения до миллиона токенов и агрессивная цена хостинга. LBS-27B — это репозиторий, который ещё не стал моделью. Разрыв между ними — не разрыв в возможностях; это расстояние между готовым продуктом и зарезервированным названием, и интересный вопрос состоит в том, готовится ли лаборатория, которая считывала скрытые состояния Qwen, конкурировать с Qwen или дополнять его.