Титульная карточка обзора Qwen3.8-27B, озаглавленная «Обзор Qwen3.8-27B», с подзаголовком «Открытая 27B-модель — это Opus для дома: проверено на фоне ажиотажа», показывает бейдж открытых весов, бейдж Apache 2.0 и набор иконок GPU и сервера на чистом белом фоне с мягкими голубыми градиентными акцентами.
Guides & Insights

Обзор Qwen3.8-27B: открытая модель на 27B, которая «Опус дома», — проверяем, насколько она соответствует хайпу.

Автор

Alistair Wren

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Qwen3.8 27B — лучшая 27B-модель с открытыми весами, которую можно развернуть у себя прямо сейчас, и с заметным отрывом. Веса вышли 14 августа 2026 года под лицензией Apache 2.0: плотная 27B-модель (28B с учётом визуального кодировщика) с нативным контекстом 262K, нативным вводом изображений и видео и заявленными производителем результатами по агентному программированию, которые находятся на уровне или выше Claude Opus 4.6 Max — SWE-bench Pro 61.7, DeepSWE 1.1 42.2, LiveCodeBench v6 90.3. Заявленная цена — ноль: скачайте 55,6 ГБ и запускайте. Оговорки тоже вполне реальны — независимое тестирование показывает, что она примерно в три раза медленнее и заметно более требовательна к токенам, чем предшественница, за таблицей бенчмарков производителя по-прежнему нет независимого воспроизведения, а контекст 1M — функция, доступная только при хостинге. Самое интересное, что произошло после запуска, находится ниже таблицы характеристик: 13 октября созданный сообществом порт llama.cpp сообщил, что запустил эти веса на GPU взломанной PlayStation 5 со скоростью около 20 токенов в секунду. Вердикт: если у вас есть GPU с 24 ГБ+ и вы хотите возможности, близкие к передовым, без оплаты по счётчику — разверните её у себя, но только с полным пониманием, где именно цифры мягкие.

Сначала вердикт: стоит ли вам использовать Qwen3.8 27B?

Краткий ответ — да для локальных и частных рабочих нагрузок; подождите сторонних цифр перед принятием решения о закупке. Qwen3.8 27B — редкая модель, где открытые веса являются продуктом, а API — удобством. Поскольку лицензия Apache 2.0, цена за токен навсегда равна нулю, если у вас есть оборудование, и ничто из созданного на её основе не может быть перелицензировано или выставлено задним числом. Вы теряете скорость, проверяемость и удобство.

Если вы уже запускаете Qwen3.6-27B и он вас устраивает, апгрейд реален, но не бесплатен в пересчёте на реальное время. Если вы пришли сюда с запуска Qwen3.8-Max, то это меньшая модель того же поколения, которую можно развернуть самостоятельно, — другой инструмент для другой задачи.

Краткие факты, проверенные 15 октября 2026 года

• Выпущено — веса стали доступны 14 августа 2026 года на Qwen/Qwen3.8-27B в Hugging Face, зеркально на ModelScope; в отчётах с учётом часовых поясов также указано 13 августа, а релиз вышел примерно через неделю после анонса поколения Qwen3.8.

• Лицензия — Apache 2.0: скачивание, изменение, распространение, коммерческое использование, с явным предоставлением патентных прав. Бессрочная.

• Параметры — 27B плотная модель (28B с учётом зрительного энкодера), 64 слоя, скрытый размер 5 120, словарь 248 320.

• Архитектура — гибридное внимание: 48 слоёв линейного внимания Gated DeltaNet против 16 полных слоёв Gated Attention (соотношение 3:1). Именно поэтому плотная модель на 27B может обрабатывать нативный контекст из 262K токенов.

• Контекст — 262 144 токена изначально; расширяется до 1 000 000 через YaRN в размещенной версии.

• Вход — нативные изображения и видео наряду с текстом; возвращает текст. Именно из-за визуального энкодера количество параметров составляет 28B.

• Мышление — режим рассуждения включён по умолчанию и может быть отключён по запросу; reasoning_effort (низкий/средний/высокий) и preserve_thinking для длительных запусков агентов.

• Веса — 55,6 ГБ BF16 safetensors в 18 шардах; также доступны FP8 и GGUF от сообщества.

Приведённые выше характеристики взяты из карточки модели и конфигурации Hugging Face для Qwen3.8 27B, по состоянию на 15 октября 2026 года. Таблица бенчмарков от вендора основана на данных Alibaba и до сих пор не воспроизведена. Единственная зафиксированная независимая оценка — от Artificial Analysis: Qwen3.8 27B набирает 34 балла в её Intelligence Index и демонстрирует 41,2 выходных токена в секунду — единственный индекс против карточки, полной вендорских цифр, и он их не воспроизводит.

Чем Qwen3.8 27B действительно хорош

Самый веский аргумент — агентная разработка ПО. Alibaba сообщает о трёхкратном росте на DeepSWE 1.1 по сравнению с предыдущей 27B-моделью (42.2 против 13.3) и результате выше, чем у Claude Opus 4.6 Max, на SWE-bench Pro (61.7 против 53.4). Именно эти цифры принесли ей прозвище «Opus at home» — плотная 27B-модель, выполняющая близкую к передовому краю работу по кодингу на оборудовании, которое человек реально может себе позволить.

Benchmark scoreboard card comparing Qwen3.8-27B with Qwen3.6-27B and Claude Opus 4.6 Max: SWE-bench Pro 61.7 vs 53.5 vs 53.4; DeepSWE 1.1 42.2 vs 13.3 vs n/a; LiveCodeBench v6 90.3 vs 83.9 vs 88.8; Terminal Bench 2.1 73.0 vs 63.4 vs 78.2; GPQA Diamond 89.2 vs 87.8 vs 91.3; OSWorld-Verified 84.3 vs 63.9 vs 72.7; QwenSWEBench 79.0 vs 49.3 vs 63.8; CoWorkBench 70.7 vs 61.0 vs 68.2. Footer: all figures Alibaba-reported, not yet independently reproduced.

Три вещи, помимо сырых чисел, делают это оправданной покупкой:

• Нативная мультимодальность. Изображения и видео на входе, текст на выходе — документ с диаграммами или видеоинструкция не является отдельной моделью. Показатели визуального мышления (85,6 при включённой функции цепочки рассуждений, 94,6 — визуальная математика, оба заявлены производителем) — вот где визуальный энкодер оправдывает своё существование.

• 262K нативного контекста.Долгосрочные задачи агентов, большие кодовые базы и многочасовые транскрипты помещаются в одном окне. Гибридная архитектура с линейным вниманием сохраняет стоимость KV-кэша для этого контекста ниже, чем у чистой модели с полным вниманием того же размера.

• Бесплатные, постоянные веса. В этом весь смысл категории: закрытая API-модель арендуется; Qwen3.8 27B принадлежит. В 4-битном формате он работает на видеокарте с 24 ГБ (класса RTX 3090/4090), а AMD выпустила поддержку с первого дня (до 24,5 токенов/с на Ryzen AI Max+ 395 и 51,8 токенов/с на Radeon AI PRO R9700, согласно собственному блогу AMD).

Где обзор становится неприглядным: скорость, токены и проверка

Независимое тестирование пока что является стендом одного тестировщика, а не лабораторией — но это лучший сигнал, который у нас есть. Запуск Qwen3.8 27B против Qwen3.6-27B на десяти реальных задачах (оценённых GPT-5.5 через стенд llmcompare) показал, что 3.8 выиграл девять из десяти и набрал в среднем 8.838 против 6.862 — «один из самых впечатляющих приростов интеллекта», которые тестировщик видел. Он также использовал почти в три раза больше токенов и был заметно медленнее; одна задача заняла примерно на 600% больше времени. Так что рост качества реален, и цена в виде затраченного времени — тоже.

Ещё четыре вещи, которые можно поставить ему в вину:

• Независимые бенчмарки — их меньше, чем следует из карточки. Карточка вендора подробна, но каждое число в ней по-прежнему приводится со слов Alibaba. Оценка Intelligence Index в 34 балла от Artificial Analysis по состоянию на 15 октября — это первая независимая оценка, которая есть у этой модели: одна оценка от одной лаборатории, и она ничего не говорит ни о SWE-bench Pro 61.7, ни о DeepSWE 1.1 42.2. Если для вашего решения нужно, чтобы агентные заявления подтвердились, — они не подтвердились.

• Порог VRAM — это реальность. BF16 требует GPU класса 80 ГБ. Чтобы уместиться на карте с 24 ГБ, нужно запускать в 4-битном режиме, а по сообщениям сообщества (ветка комментариев на dev.to, через несколько дней после релиза), квантованные сборки «теряют фокус после длинного контекста». Официальные веса — если у вас есть VRAM; квантованные — если нет — а путь квантования теперь доходит до оборудования, значительно уступающего карте с 24 ГБ, и первое реальное доказательство этого — приведённое ниже измерение на PlayStation 5.

• Контекст 1M доступен только в хостинговой версии. Открытые веса ограничены 262K. Заявленная возможность расширения до 1M — это функция облачного хостинга Qwen Cloud, а не то, что локальная копия делает из коробки.

• "Beats Opus" нуждается в оговорках. Агентные бенчмарки вознаграждают специфичное для конкретной обвязки поведение, и главный комментарий к анонсу на dev.to выразился прямо: "они не превосходят Opus в реальном использовании". Воспринимайте табло как верхнюю границу в лучшем случае, а не как обещание.

Как это вписывается в семейство Qwe​n 3.8

• против Qwen3.6-27B — тот же класс оборудования и контекст 262K, но значительный скачок возможностей ценой скорости и эффективности токенов. Если вы уже используете 3.6 и упираетесь в пропускную способность, оставаться на нём оправдано.

• vs Qwen3-Coder-30B-A3B — Coder — это MoE с примерно 3,3 млрд активных параметров, который работает намного быстрее (~90–110 токенов/с). Плотная модель 27B медленнее в расчёте на токен, но наследует агентные преимущества поколения; если показатели 27B в разработке ПО подтвердятся при независимом тестировании, роль Coder-30B уменьшится.

• против Qwen3.8-Max — флагман 2.4T MoE — это модель для дата-центра (только через API, около $2/$6 за миллион токенов по опубликованным данным) с контекстом 1M и видео. 27B — развертываемая версия. Они отвечают на разные вопросы.

Минимальные требования к оборудованию изменились 13 октября

PS5LM — это порт llama.cpp, который запускает GGUF-модели на взломанной PlayStation 5, внутри консоли, которая у вас уже есть. Его выпущенная сборка скромна — v0.1.1, единственный пейлоад с ограничением примерно в 1,6 ГБ на размер модели, то есть Qwen3.5 2B в 4-битном формате и ничего крупнее, только на CPU. 13 октября проект получил pull request, который меняет то, как выглядит список оборудования: путь нативного приложения, который линкует llama-server с драйвером Vulkan от сообщества для консоли и сообщает о Qwen3.8 27B со скоростью 20,7 токена в секунду при квантовании UD-IQ2_XXS (6.77 GiB, контекст 64k) и 20,3 токена в секунду при UD-Q2_K_XL (9.15 GiB, контекст 32k, кэш q4_0), при этом один ответ на 7 775 токенов удерживался на 19,7 токена в секунду. Та же консоль показала 61 токен в секунду на Gemma 4 E4B и 124 на Llama 3.2 3B Instruct, что и делает показатель 27B заслуживающим внимания: это не маленькая модель, льстящая большой цифре.

Пометьте это, прежде чем на это опираться. Эти цифры — собственные измерения автора пул-реквеста в ещё не влитой ветке, а не вендорский бенчмарк и не выпущенная сборка. В собственном репозитории PS5LM и выгрузка на GPU, и Qwen 3.8 27B до сих пор указаны как пункты дорожной карты, которые проект ещё не выпустил, а в комментарии мейнтейнера к пул-реквесту сказано, что он воспроизведёт эти цифры на своей консоли, прежде чем они появятся в README. Второй тестировщик сообщает, что приложение вообще запускается — прошивка 4.50, модели 7B и 9B примерно на 30 токенов в секунду, — что подтверждает механизм, но не воспроизводит результат для 27B. Чтобы до этого дойти, также нужны консоль, которой вы владеете, прошивка от 7.00 до 13.60 и джейлбрейк.

Что это меняет, так это форму вопроса о стоимости, а не его ответ. Плотная 27B при примерно 20 токенах в секунду на игровой консоли медленнее, чем та же модель, запущенная на настоящем GPU — Artificial Analysis измеряет 41,2 токена в секунду через собственный API Alibaba, а 20 токенов в секунду — это скорость 2-битной сборки, с потерей качества, которую подразумевает сжатие. Так что это не причина отказываться от 24-гигабайтной карты; это свидетельство того, что класс моделей может работать на гораздо более слабом оборудовании. Если вы на самом деле хотите узнать, хороша ли модель, прежде чем потратить выходные на джейлбрейк, дешёвый путь — это вызов с оплатой по мере использования: один ключ для более чем 200 моделей, не требуется второй контракт, и автоматическое переключение при сбое между провайдерами, если эндпоинт сбоит, пока вы проводите оценку.

Стоимость: локально или API — вопрос решён.

Для закрытой модели вы сравниваете цены за токен. Qwen3.8 27B — предельная стоимость токена на вашем собственном железе равна нулю, а реальная цена — это первоначальные затраты на GPU и ваше время. В 4-битном формате это карта на 24 ГБ; в BF16 — машина класса 80 ГБ. Если машины нет или вы хотите получить ответы, прежде чем выделять 55,6 ГБ на диске, есть вариант с хостингом: OrcaRouter указывает Qwen3.8 27B по цене $0,33 за миллион входных и $2,40 за миллион выходных токенов на странице модели OrcaRouter, а это прайс-листовая цена провайдера, передаваемая с наценкой 0% (проверено 15 октября 2026 года). Бесплатный тариф с ограничением частоты запросов, описанный на этой странице в августе, там больше не указан — считайте его устаревшим, если не увидите его в явном виде. Собственный API Ali​baba — другой вариант с хостингом, который Artificial Analysis указывает как $0,50 и $3,00 за миллион для конфигурации рассуждений Xhigh. Хостинговая версия Qwe​n Cloud с контекстом 1M по-прежнему помечена как «скоро появится».

Cost comparison card for Qwen3.8-27B titled 'Self-host vs hosted — the real price': Apache 2.0 weights at $0 license plus your own GPU and electricity; a 4-bit GGUF of roughly 17 GB that fits a 24 GB card; BF16 at 55.6 GB needing an 80 GB-class GPU; a free rate-limited hosted tier at $0 with HTTP 429 past the cap; and a paid hosted tier at $0.33 input / $2.40 output per million tokens with a 262K context window. Footer: prices from the OrcaRouter model page, read August 15, 2026.

Честная формулировка: для модели с открытыми весами провайдер — это удобство, а не зависимость. Тарифицируемый вызов хостируемой модели — самый дешёвый способ решить, стоит ли скачивание объёмом 55.6 GB того; это ещё и единственный способ протестировать модель, не решая сначала аппаратную проблему, описанную в абзаце про PlayStation 5. Но как только решение принято, главное — это веса, и они бесплатны.

Как на самом деле попробовать это

• Самая быстрая оценка — запустите её на размещённом эндпоинте по цене $0,33/$2,40 за миллион токенов; несколько сотен тысяч токенов реальной работы обойдутся в несколько центов и снимут вопрос ещё до того, как вы что-либо скачаете.

• Реальная проверка на вашем оборудовании — скачайте GGUF от сообщества (сборка Q4_K_M весит примерно 17 ГБ и помещается на 24-гигабайтную видеокарту) и запустите её в llama.cpp или Ollama. Передайте Jinja chat-шаблон, иначе модель будет отвечать в тегах thought. Для vision из GGUF также понадобится отдельный файл mmproj. Наше руководство по локальному запуску Qwen3.8 27B проведёт вас через все шаги.

• Полная точность — huggingface-cli download Qwen/Qwen3.8-27B на GPU класса 80 ГБ.

• Проверьте скачанное — убедитесь, что издателем является организация Qwe​n, и сверьте шарды с crc32.txt; похожие репозитории появлялись до релиза.

Когда этот обзор ошибочен (и кому следует пропустить Qwen3.8 27B)

• У вас нет GPU, и вы не будете её арендовать. Хостинговый тариф — $0,33/$2,40 за миллион — небольшая API-модель может обойтись вам дешевле и надёжнее. Эта модель — для тех, кто хочет владеть инференсом.

• Вам нужен SLA. Хостинговый тариф был запущен в середине августа; страница модели OrcaRouter, прочитанная 15 октября, показывает долю ошибок 2,8 % за последние семь дней, p50-задержку до первого токена 3,23 с и скорость вывода 156 токенов в секунду на 77,2 млн токенов, маршрутизированных за этот период. Спустя два месяца это рабочий эндпоинт, а не очередь в день запуска — но среднее за последнюю неделю всё ещё не является продакшн-контрактом. Тем, кто разворачивает самостоятельно, следует зафиксировать коммит для загрузки и держать резервный вариант.

• Вам нужно, чтобы заявления вендора об агентных возможностях были воспроизведены, а не просто одна оценка в индексе. Оценка Intelligence Index 34 от Artificial Analysis — это единственное независимое число, которое есть у этой модели, и оно ничего не говорит о SWE-bench Pro 61.7 или DeepSWE 1.1 42.2 — оба по-прежнему заявлены Ali​baba. Это ориентир, а не данные закупочного уровня.

• Контекста 262K для моделей с открытыми весами недостаточно. Расширение 1M сегодня доступно только в хостинговой версии.

• Пропускная способность — ваше узкое место. Массовая суммаризация или большие пакеты навредят: это плотная модель на 27B, которая также расходует примерно в 3 раза больше токенов, чем её предшественница. Для дешёвой массовой работы выигрывает модель поменьше или побыстрее.

• У вас видеокарта на 12 ГБ. 2-битные GGUF влезают с заметной потерей качества — именно эта конфигурация стоит за упомянутым выше показателем для PlayStation 5 — так что это модель для экспериментов, а не для того, чтобы делать её стандартом.

Verdict infographic titled 'Use it if / Skip it if' for Qwen3.8-27B: left lane in soft blue labeled 'Use it if' with three items — '24 GB GPU', 'Free Apache 2.0 weights', '262K context + image/video'; right lane in soft gray labeled 'Skip it if' with three items — 'No GPU', 'Need an SLA', 'Need verified benchmarks'.

Суть

Qwen3.8 27B — это сильнейшая открытая модель на 27B, доступная сегодня, и она навсегда бесплатна под лицензией Apache 2.0. Если у вас есть GPU на 24 ГБ и больше и вам нужны агентная разработка, контекст 262K и нативная поддержка изображений и видео без счётчика с оплатой по факту, это та самая покупка. Причины повременить столь же конкретны: вам нужно, чтобы заявления вендора об агентной разработке подтвердились где-то помимо карточки модели, нужен SLA, нужен контекст открытой модели больше 262K или пропускная способность выше той, что даёт плотная 27B. Модель вышла, веса реальны, единственная независимая оценка на данный момент — почтенные 34, а аппаратная планка оказалась ниже, чем предполагали в материалах о запуске. Просто помните, какие цифры пришли из лаборатории, а какие — от вендора.