LBS-27B vs Qwen3.8 27B: Ribban vid 27B, och laboratoriet som har läst den

Sex veckor innan LBS-27B dök upp som ett tomt arkiv publicerade inclusionAI en annan modell: inclusionAI/Qwen3.8-27B-singprobe, en liten strömmande guardrail-probe byggd ovanpå Alibabas Qwen3.8 27B. Det är inte en språkmodell och inte en konkurrent. Det är en säkerhetsklassificerare som läser de dolda tillstånden i Qwen3.8 27B medan den modellen genererar, och dess existens säger något som ett specifikationsblad inte kan: labbet som just har reserverat namnet LBS-27B har arbetat direkt med modellen som upptar samma parameterplats.

Det är därför den här jämförelsen är den viktigaste i batchen. Gemma 4 26B A4B har en annan arkitektur och tillhör en annan prisklass; Granite 4.2 30B är ett dense-alternativ för företag; LFM2.5 24B A2B är ett effektivitetsexperiment. Qwen3.8 27B är den modell som en ny 27B-modell från ett seriöst kinesiskt labb mest sannolikt skulle rikta in sig på. Om LBS-27B är en utmaning mot den, ett billigare alternativ eller något helt annat går inte att avgöra utifrån ett kodförråd som innehåller en licensfil på 28 byte – men nivån som Qwen har satt går att avgöra, och den är hög.

Vad Qwen3.8 27B faktiskt är

Qwen3.8 27B marknadsförs som en 27B-modell, listas med 28B parametrar i BF16 på Hugging Face och är byggd på en hybrid uppmärksamhetsstack snarare än en standardtransformer. Modellkortet beskriver sexton återkommande block, där varje block innehåller tre Gated DeltaNet-lager följt av ett Gated Attention-lager, med en dold storlek på 5 120, 64 lager, 24 uppmärksamhetshuvuden, 4 nyckel-värde-huvuden och en framåtmatningsdimension på 17 408 i bredd. Ordförrådet är 248 320 tokens.

Kontextfönstret är inbyggt 262 144 tokens och kan utökas till ungefär en miljon med YaRN. Det är inbyggt multimodalt: text, bilder och video in, text ut. Tänkande är på som standard, med nivåerna xhigh, medium och low för resonemangsansträngning, samt en flagga för att bevara tänkande som är aktiverad som standard. Licensen är Apache-2.0. Vikterna dök upp i augusti 2026.

Arkitekturen är den del som är värd att stanna upp vid. Gated DeltaNet-lager är varianter av linjär attention som skalar bättre med sekvenslängd än full attention, och att varva dem med ett litet antal full-attention-lager är ett sätt att få långkontextbeteende utan att betala kvadratisk kostnad i varje lager. Det är en mer ambitiös design än en vanlig tät stack, och det är den typen av sak som är svår att matcha vid ett första försök.

Baren, i siffror

Alla följande resultat är Qwens egna rapporterade resultat och har inte reproducerats oberoende av oss. De är fortfarande den relevanta måttstocken, eftersom det är vad en köpare kommer att jämföra med.

• Kodning och mjukvaruteknik — LiveCodeBench v6 90.3, QwenSWEBench 79.0, SWE-bench Pro 61.7, DeepSWE 1.1 42.2, NL2Repo-Bench 42.3.

• Terminal- och agentiskt arbete — Terminal-Bench 2.1 (Terminus) 73,0, CoWorkBench 70,7, JobBench 33,4, Agents' Last Exam 20,4 pass@1 och 42,9 poäng.

• Kunskap och resonemang – GPQA Diamond 89,2, Humanity's Last Exam 30,8, IFBench 79,5. HLE-siffran är ovanligt hög för en 27B-modell och är det enskilt mest slående numret på kortet.

Vision och datoranvändning — OSWorld-Verified 84.3, AndroidWorld 81.9, WebArena Verified 64.8, MathVision 90.0 utan integrering av kedjetänkande och 94.6 med den, OmniDocBench 1.5 91.1, RealWorldQA 85.9, CharXiv-resonemang 83.7 och 90.2 med integrering.

• Svagare rader — SWE-MM 38,6, RecreationBench 47,1, ClawEval-MM 57,4 pass@3. Till och med de svaga raderna är respektabla.

Det här är inte en modell som vinner på en enda axel. Den är konkurrenskraftig inom kodning, kunskap, vision och datoranvändning samtidigt, vilket är precis den profil som gör en utmanare i samma storlek svår att positionera. En ny 27B kan inte slå den genom att vara något bättre på en sak; den behöver ett annat argument.

Vad LBS-27B har visat

Inget som kan utvärderas. Repositoriet skapades 05:36 UTC den 26 oktober 2026 och innehåller en 1 519 byte stor .gitattributes och en README på 28 byte. README-filen är licensdeklarationen och endast licensdeklarationen: license: apache-2.0. Det finns inga vikter, ingen konfiguration, ingen tokenizer, inget modellkort och inga benchmark-rader. Nedladdningar spåras inte och gilla-markeringar är noll, och vi kunde inte hitta något tillkännagivande, någon artikel eller någon offentlig diskussion om modellen någonstans.

"27B" är ett namn. Det har inte bekräftats som ett totalt parameterantal, än mindre ett aktivt antal, och det finns inget som tyder på om modellen är dense, sparse eller byggd på en hybrid attention-stack som Qwen's.

Sonden är den mest intressanta ledtråden.

inclusionAI:s Qwen3.8-27B-singprobe skapades den 14 september 2026 och är taggad för säkerhet, skyddsräcken, streaming och hallucinationsdetektion. Den baseras på Qwen3.8 27B, licensierad under Apache-2.0, och den har fått lite uppmärksamhet – 219 nedladdningar och två gillningar vid skrivandet.

Dess betydelse ligger inte i dess popularitet. Det visar att inclusionAI har instrumenterat Qwen3.8 27B på hidden-state-nivå, vilket innebär att labbet förstår modellens interna representationer tillräckligt väl för att bygga en klassificerare på dem. Det är en djupare form av förtrogenhet än en jämförelse av benchmarkresultat. Det bevisar inte att LBS-27B härstammar från Qwen3.8 27B — det finns inga belägg för det, och de två organisationerna är separata företag, Ant Group och Alibaba — men det antyder att 27B-klassen inte är ett slumpmässigt mål för detta labb.

Det väcker också en möjlighet som är värd att nämna: ett labb som levererar säkerhetsprober tillsammans med modeller kan positionera sin egen 27B kring styrbarhet och skyddsräcken snarare än att vara ledande på råa benchmarkresultat. Om det är budskapet förändras jämförelsen med Qwen3.8 27B från "vem som får högst poäng" till "vilken som är enklare att distribuera säkert" – en annan fråga med ett annat svar.

Tre sätt det här kan utvecklas

Utan ett modellkort är det ärliga tillvägagångssättet att beskriva de troliga formerna snarare än att välja en.

• Ett billigare Qwen-alternativ. Om LBS-27B är en tät 27B-modell med jämförbar kvalitet och lägre driftskostnad konkurrerar den på pris. Det är svårt mot en modell som kostar $0.33 per miljon indatatoken, men inte omöjligt om inclusionAI:s träningsrecept är effektivare eller om den riktar sig mot ett mindre antal aktiva parametrar.

• En effektivitetsstrategi. Om LBS-27B är gles med ett litet antal aktiva parametrar kringgår den Qwens beräkningsprofil helt. Qwen3.8 27B är tät, vilket gör den dyr per token vid lång kontext; en gles 27B med en bråkdel aktiva parametrar skulle kunna underbjuda den i kostnad men ge avkall på viss kvalitet. Det är LFM2.5-strategin tillämpad i större skala.

• En annan nisch. Om LBS-27B leder inom säkerhet, flerspråkig täckning, arbete med långa dokument eller en specifik agentisk harness, kanske den inte alls försöker slå Qwen3.8 27B på alla områden. singprobe är svagt bevis för detta, men det är det enda bevis som finns.

Var och en av dessa former innebär en annan konfigurationsfil. Det är därför arkitekturavslöjandet, när det väl kommer, blir mer informativt än något lanseringsblogginlägg.

Jämförelsen, med luckorna markerade

• Parametrar – Qwen3.8 27B marknadsförs som 27B och listas som 28B i BF16; LBS-27B är en overifierad 27B.

• Arkitektur — en hybrid av Gated DeltaNet- och Gated Attention-lager för Qwen; okänt för LBS.

• Kontext — 262 144 inbyggda och cirka en miljon med YaRN för Qwen; okänt för LBS.

• Modalitet – text-, bild- och videoinmatning med textutdata för Qwen; okänt för LBS.

• Tankekontroller – resonemangsansträngning på xhigh, medium eller low för Qwen; okänt för LBS.

• Licens — Apache-2.0 för Qwen; Apache-2.0 deklareras för LBS.

• Pris — 0,33 USD per miljon indatatoken och 2,40 USD per miljon utdatatoken för Qwen på OrcaRouter; inget pris för LBS.

• Utvärderingar — ett fullständigt leverantörskort för Qwen, inklusive rader för kodning, agentiska funktioner och vision; inget för LBS.

Priset och argumentet för ett enda API

Qwen3.8 27B finns tillgänglig på OrcaRouter som qwen/qwen3.8-27b för 0,33 USD per miljon indatatokens och 2,40 USD per miljon utdatatokens, med den fulla kontexten på 262 144 tokens. OrcaRouter vidarebefordrar leverantörens listpris utan påslag, så om Alibaba eller deras hostingpartner ändrar priset ändras siffran hos oss samma dag. Det finns även en andra listning för Qwen3.8 27B på plattformen till ett högre pris under ett annat leverantörsnamn, vilket är värt att kontrollera om du jämför offerter.

LBS-27B finns inte på OrcaRouter. Det finns inget att routa till. När modellvikter väl finns är det praktiska sättet att besvara den fråga som den här artikeln inte kan – är den nya modellen faktiskt bättre för min arbetsbelastning? – att skicka en del av trafiken till den via samma endpoint medan Qwen kvarstår som fallback. Automatisk failover gör det till ett reversibelt experiment i stället för en migrering, och routing-DSL:en innebär att uppdelningen kan uttryckas som en policy i stället för en kodgren. Det är den användbara rollen för en router i en 27B-jämförelse: inte att utse vinnaren, utan att låta dig mäta den ena mot den andra på dina egna indata.

Vad skulle göra detta till en riktig jämförelse

Den första artefakten är en konfigurationsfil. Den kommer att avgöra frågan om dense kontra sparse och ge ett antal aktiva parametrar, vilket avgör om LBS-27B konkurrerar med Qwen i kvalitet eller kringgår den genom kostnad.

Den andra är ett visionstorn. Qwen3.8 27B:s multimodala förmåga är inte en sidofunktion; den är en stor del av varför modellen är konkurrenskraftig i dokument-, UI- och datoranvändningsuppgifter. En textbaserad LBS-27B skulle vara en mindre produkt riktad mot ett snävare segment av samma köpare.

Den tredje är ett positioneringsuttalande från inclusionAI. Labbet har inte angett vad LBS-27B är till för, och namnet anger det inte heller. Allt i den här artikeln om avsikt är slutledningar från en sond, en licens och en tidsstämpel.

För närvarande är den försvarbara slutsatsen snäv. Qwen3.8 27B är en av de starkaste 27B-modellerna som finns, med en hybridarkitektur, inbyggd multimodalitet, en utökningsväg på en miljon tokens och ett aggressivt pris för hosting. LBS-27B är ett repo som ännu inte har blivit en modell. Klyftan mellan dem är inte en klyfta i förmåga; det är avståndet mellan en färdig produkt och ett reserverat namn — och den intressanta frågan är om ett labb som har läst Qwens dolda tillstånd förbereder sig för att konkurrera med den eller komplettera den.