Qwen3.8-27B: плотная 27B-модель в линейке Qwen3.8 от Alibaba

Одно число решает, сможете ли вы запустить Qwen3.8-27B самостоятельно: 55,6 ГБ. Это общий объём весов в формате BF16 в собственном репозитории производителя — восемнадцать шардов safetensors, 27,8 млрд параметров, если считать и башню зрения, — и именно поэтому на практике эта модель живёт на 24-гигабайтной видеокарте со сжатой сборкой, а не на рабочей станции, запускающей её в том виде, в каком она поставляется. Всё остальное о Qwen3.8-27B следует из этой формы. Это плотная модель, а не смесь экспертов: каждый генерируемый токен задействует все 27 млрд параметров — противоположный компромисс по сравнению с разреженными гигантами, с которыми она делит поколение. И это единственный представитель этого раунда, вокруг имени которого есть настоящее окружение, — читатели ищут её саму и ищут уточнения рядом с ней, — поэтому эта страница — простой ответ на вопросы, что это такое, для чего это нужно и что вы выбираете, прежде чем выбрать размер или формат.

Точное определение, потому что три названия в этом семействе легко перепутать. Qwen3.8-27B — это плотная модель поколения Qwen3.8 от Alibaba, допускающая самостоятельное размещение. Её родственные модели — это отдельные продукты: Qwen3.8-2.4T-A95B — это разреженная смесь экспертов с 2,4 триллиона параметров, веса которой также были выпущены в августе 2026 года, а Qwen3.8-Max — это облачный API, построенный на той же архитектуре, у которого вообще нет скачиваемых весов. Поколение было анонсировано 3 августа 2026 года, а веса 27B появились на Hugging Face и ModelScope 14 августа 2026 года под лицензией Apache 2.0 — эту дату стоит указать точно, потому что запуск — это лишь то, чем датируется данная модель, а не событие, о котором сообщает эта страница.

Что это такое, по словам самой Alibaba

В карточке модели Qwen3.8-27B описывается как «компактная, удобная для развёртывания плотная модель»: нативная визуально-языковая модель, понимающая изображения и видео, с гибким управлением режимом размышления, «разработанная для того, чтобы доводить сложные многошаговые задачи до завершения с большей надёжностью». Это позиционирование вендора, приведённое с указанием источника, и карточка подкрепляет его пятью заявленными улучшениями — приростом ключевых возможностей в программировании, профессиональной работе, исследованиях и длительных агентных задачах; более сильным автономным планированием и работой с обратной связью от окружения; более широкой поддержкой популярных агентных обвязок и инструментов разработки; режимом размышления, который включён по умолчанию, но может быть отключён по запросу, а его глубина настраивается через reasoning_effort; и нативным пониманием изображений и видео, которое, как указано в карточке, охватывает от STEM-диаграмм и документов до видео длительностью в часы.

Архитектура, лежащая в основе этого утверждения, гибридная. Qwen3.8-27B организована как шестнадцать повторяющихся блоков, каждый из которых содержит три слоя линейного внимания Gated DeltaNet и один полноценный слой Gated Attention — всего 64 слоя, размерность скрытого представления 5 120, 48 голов линейного внимания для значений против 16 для запросов. Проще говоря, только один слой из четырёх сохраняет традиционный кэш внимания. Именно поэтому модель на 27B может нести собственный контекст на 262 144 токена без таких затрат памяти, какие потребовал бы обычный трансформер такого размера, и именно поэтому её локальные требования к памяти мягче, чем можно предположить по числу параметров. Контекст расширяется до 1 000 000 токенов с помощью масштабирования YaRN, которое, как предупреждает карточка, может ухудшить производительность на более коротких входах, если оставить его включённым постоянно. Режим размышления включён по умолчанию; рекомендованные в карточке параметры сэмплирования — temperature 1.0 с top_p 0.95 при размышлении, 0.7 с top_p 0.80, когда он не используется, и она предлагает щедро выделять объём вывода — до 262 144 токенов рассуждения и 131 072 для финального ответа в пределах длинного окна.

Теперь честная общая часть, которая относится скорее к ремесленному знанию, чем к измерению этой модели. Плотная 27B-модель в 2026 году занимает определённое место. Она достаточно велика, чтобы быть по-настоящему полезной, и достаточно мала, чтобы уместиться на оборудовании, которым владеет человек или небольшая команда; это делает её подходящей формой для приватного инференса, для пакетной работы, где оплата за токен — враг, и для агентных циклов, которые делают много дешёвых вызовов вместо одного дорогого. Она не подходит для самых сложных рассуждений, какие у вас есть, для самых длинных отдельных документов или для всего, где вы предпочли бы арендовать передовое, а не владеть достаточно хорошим, — плотная 27B-модель проигрывает хорошо обслуживаемой фронтирной модели на верхнем конце и проигрывает небольшой MoE по стоимости за токен на нижнем. Плотность — это ещё и факт о задержке: поскольку на каждом токене активны все параметры, плотная модель обычно медленнее на токен, чем разреженная модель сопоставимого качества, а Qwen3.8-27B вдобавок является reasoning-моделью, поэтому она тратит выходные токены на размышления, прежде чем ответить. Ничто из этого не является оценкой именно этой модели. Это форма решения, которое вы принимаете.

Размер и посадка, кратко

Это сводка, а подробная арифметика оставлена там, где ей и место. Полные веса BF16 занимают 55,6 ГБ — это разговор об ускорителях на 80 ГБ. Именно гибридная схема внимания делает сжатые сборки на удивление практичными: 4-битное квантование укладывается примерно в 15–17 ГБ и комфортно работает на карте с 24 ГБ при обычной длине контекста, 16-гигабайтная карта реалистична только если согласиться на более низкое квантование или короткий контекст, а 8 ГБ — не вариант. Поскольку только 16 из 64 слоёв хранят полный кэш внимания, длинный контекст обходится дешевле, чем на традиционной 27B, — но не бесплатно, и именно кэш подталкивает комфортную конфигурацию с 24 ГБ к её пределу по мере увеличения окна. У нас есть отдельная страница с лестницей VRAM по квантованиям, кривой зависимости от длины контекста и показателями объединённой памяти Apple Silicon; если вы выбираете железо, читайте ту, а не эту.

Форматы — как выбор, а не как инструкция

Существуют четыре маршрута, и они отвечают на четыре разных вопроса. GGUF — это выбор ради совместимости: родословная llama.cpp, самая широкая поддержка оборудования, формат, который запустится на том, что у вас уже есть, и именно его на самом деле ищет большинство людей, которые ищут Qwen3.8-27B. Выбирайте его, когда хотите, чтобы веса заработали на машине перед вами, и готовы выбрать уровень квантования. MLX — это выбор для Apple Silicon, и это действительно рабочий вариант: эта модель работает на Mac через MLX, что для 27B визуально-языковой модели нельзя считать само собой разумеющимся. Что касается серверного развёртывания, NVFP4 и FP8 — это форматы, которые вы развёртываете, а не запускаете в интерактивном режиме: FP8 сохраняет модель близкой к полной точности при примерно вдвое меньшем объёме весов для одного большого GPU, а NVFP4 — это агрессивная сборка эпохи Blackwell, которая занимает около 25 ГБ VRAM, при этом визуальный компонент остаётся в полной точности. Unsloth — это маршрут тонкой настройки: пакет GGUF с прилагаемым путём обучения, для случаев, когда вы намерены изменить веса, а не просто запустить их. У каждого из них есть собственная страница в разделе этой модели, и каждый отвечает на другой вопрос, нежели эта.

Что на самом деле разрешает лицензия

Qwen3.8-27B поставляется под Apache 2.0. Файл LICENSE находится в репозитории, и это стандартная разрешительная лицензия, а не индивидуальное соглашение: коммерческое использование без ограничения на число пользователей и без роялти, модификация, повторное распространение и явное предоставление патентных прав — при условии, что вы сопровождаете лицензией и уведомлениями всё, что передаёте дальше. Это важно, потому что это не тот файл, который регулирует остальную часть семейства, — Qwen3.8-2.4T-A95B поставляется под индивидуальной лицензией Qwen, а не под Apache 2.0, — поэтому «это Qwen, значит, Apache» — небезопасное предположение, и именно этот член семейства — тот, для которого оно, так уж вышло, верно.

Apache 2.0 на весах — это также прямой ответ на крупнейший единичный квалифицированный запрос, рядом с которым находится эта страница, — запросы о нецензурированных и abliterated-версиях. То, что разрешает лицензия, просто, и об этом стоит сказать без прикрас: опубликованные веса можно изменять и распространять, включая изменения, которые меняют поведение модели, а производные сборки можно выпускать на тех же условиях. В этом заключается весь механизм выпуска abliterated-версии — сообщество или лаборатория публикует изменённую копию весов под открытой лицензией и распространяет её. Мы сами идём этим путём для данной модели: сборки Qwen3.8-27B-Uncensored-GGUF, NVFP4 и MLX — наши, опубликованы на тех же условиях Apache 2.0, что и оригинал. Что хостинговый сервис будет или не будет генерировать — это отдельный вопрос от того, что разрешает лицензия, и эта страница на него не отвечает — страницы uncensored для каждого формата охватывают загрузки.

Что не решено

Три вещи действительно остаются открытыми. Контекст в 1 млн токенов — это расширение YaRN, а не нативное окно, и сама карточка модели предупреждает, что статическое масштабирование YaRN может ухудшить производительность на коротких входных данных, поэтому практический потолок для большинства локальных конфигураций — нативное окно в 262 144, а расширение — это решение для каждого отдельного развёртывания, которое вам придётся тестировать. В собственной карточке модели Alibaba направляет тех, кто ищет управляемый сервис, в Qwen Cloud, который она описывает как «скоро» для этой модели, — поэтому по состоянию на октябрь 2026 года мы не можем подтвердить, что хостинговый тариф, рекламируемый в карточке, доступен в общем порядке, и мы не собираемся описывать его условия на основании тизера. А таблица бенчмарков в карточке — это собственная оценка Alibaba, не воспроизведённая стороной, которая её опубликовала; это оговорка, которая сохраняет силу и после запуска.

Доступность

Мы обслуживаем эту модель. Идентификатор — qwen/qwen3.8-27b в нашем актуальном списке моделей: это плотная мультимодальная модель на 27B, она принимает текст, изображения и видео с контекстным окном в 262 144 позиции, и читатель может направить клиент, совместимый с OpenAI на неё уже сегодня. Это всё, что мы здесь скажем о маршруте: никаких заявлений о цене, никаких заявлений о пропускной способности. Если вы выбираете по стоимости, рассчитайте её исходя из собственного трафика, а не из числа на этой странице.

Выбор, который осталось сделать, — это формат, и это в первую очередь вопрос аппаратного обеспечения, а уже потом программного. Если вы запускаете это на машине, стоящей перед вами, путь GGUF — это место, где находятся уровни квантования и где вы узнаёте, достаточно ли вашей видеокарты. Если вы на Mac, путь MLX — именно он определяет, есть ли у вас вообще унифицированная память. Далее прочитайте один из этих двух вариантов и возвращайтесь на эту страницу, только если захотите напомнить себе, что это за модель, прежде чем выделить место на диске.