Qwen3.8-27B: Den Dense 27B i Alibabas Qwen3.8-serie

Ett tal avgör om du kan köra Qwen3.8-27B själv: 55,6 GB. Det är BF16-vikttotalen i leverantörens eget repo – arton safetensors-shards, 27,8 miljarder parametrar när visionstornet räknas in – och det är anledningen till att modellens praktiska hemvist är ett 24 GB grafikkort som kör en komprimerad version snarare än en arbetsstation som kör den i originalskick. Allt annat om Qwen3.8-27B följer av den formen. Det är en tät modell, inte en mixture of experts: varje token du genererar aktiverar alla 27 miljarder parametrar, vilket är den motsatta avvägningen jämfört med de glesa jättar som den delar generation med. Och det är den enda medlemmen i den här omgången med ett verkligt grannskap kring sitt namn – läsare söker på det ensamt, och de söker på kvalificerarna runt det – så den här sidan är det raka svaret på vad saken är, vad den är till för och vad du väljer innan du väljer en storlek eller ett format.

Den exakta identifieringen, eftersom tre namn i den här familjen är lätta att förväxla. Qwen3.8-27B är den täta, självhostbara medlemmen av Alibabas Qwen3.8-generation. Dess syskon är andra produkter: Qwen3.8-2.4T-A95B är den glesa mixture-of-experts-modellen med 2,4 biljoner parametrar, vars vikter också släpptes i augusti 2026, och Qwen3.8-Max är det hostade API:et som bygger på samma arkitektur och som inte har några nedladdningsbara vikter alls. Generationen tillkännagavs den 3 augusti 2026, och 27B:ns vikter publicerades på Hugging Face och ModelScope den 14 augusti 2026 under Apache 2.0 – ett datum som är värt att ange exakt, eftersom lanseringen bara är det som daterar den här modellen, inte en händelse som den här sidan rapporterar om.

Vad det är, med Alibaba egna ord

Modellkortet beskriver Qwen3.8-27B som en "kompakt, driftsättningsvänlig dense-modell": en nativ bild- och språkmodell som förstår bilder och videor, med flexibel styrning av tänkandet, "utformad för att med större tillförlitlighet driva komplexa uppgifter i flera steg ända till slutförande." Det är leverantörens positionering, tillskriven leverantören, och modellkortet backar upp den med fem påstådda förbättringar – förbättringar av kärnkapaciteten inom kodning, professionellt arbete, forskning och agentiska uppgifter med lång horisont; starkare autonom planering och hantering av återkoppling från miljön; bredare stöd för populära agentramverk och utvecklingsverktyg; ett tankeläge som är aktiverat som standard men kan inaktiveras per begäran, med djupet justerat via reasoning_effort; och inbyggd bild- och videoförståelse som enligt modellkortet omfattar allt från STEM-diagram och dokument till videor i timskala.

Arkitekturen bakom det påståendet är en hybrid. Qwen3.8-27B är uppbyggd av sexton återkommande block, där vart och ett innehåller tre Gated DeltaNet-lager med linjär uppmärksamhet och ett fullt Gated Attention-lager – 64 lager totalt, dold dimension 5 120, 48 linjära uppmärksamhetshuvuden för värden mot 16 för frågor. I klartext: endast ett lager av fyra behåller en konventionell uppmärksamhetscache. Det är därför en 27B-modell kan hantera en inbyggd kontext på 262 144 token utan den minneskostnad som en konventionell transformer av denna storlek skulle kräva, och det är också därför dess lokala fotavtryck är vänligare än vad dess parametrantal antyder. Kontexten kan utökas till 1 000 000 token med YaRN-skalning, vilket modellkortet varnar för kan försämra prestandan vid kortare indata om du lämnar det statiskt påslaget. Tänkläget är på som standard; modellkortets rekommenderade sampling är temperatur 1,0 med top_p 0,95 vid tänkande, 0,7 med top_p 0,80 när det inte är på, och det föreslår att avsätta utdata generöst – upp till 262 144 resonemangstoken och 131 072 för det slutliga svaret inom ett långt fönster.

Nu den ärliga allmänna delen, som är hantverkskunskap snarare än en mätning av den här modellen. En tät 27B år 2026 befinner sig på en specifik plats. Den är tillräckligt stor för att vara genuint användbar och tillräckligt liten för att rymmas på hårdvara som en person eller ett litet team äger, vilket gör den till rätt form för privat inferens, för batcharbete där fakturering per token är fienden, och för agentloopar som gör många billiga anrop i stället för ett dyrt. Den är inte rätt form för den svåraste resonemang du har, för de längsta enskilda dokumenten, eller för något där du hellre hyr toppmodern kapacitet än äger tillräckligt bra — en tät 27B förlorar mot en välservad frontiermodell i toppen, och den förlorar mot en liten MoE i kostnad per token i botten. Täthet är också ett latensfaktum: med varje parameter aktiv för varje token är en tät modell i allmänhet långsammare per token än en gles modell av liknande kvalitet, och Qwen3.8-27B är dessutom en resonemangsmodell, så den lägger output-tokens på att tänka innan den svarar. Inget av detta är en poäng för just den här modellen. Det är formen på beslutet du fattar.

Storlek och passform, sammanfattningsvis

Sammanfattningen, med den detaljerade aritmetiken lämnad där den hör hemma. Fullständiga BF16-vikter är 55,6 GB, vilket är en fråga för 80 GB-acceleratorer. Den hybrida attention-layouten är det som gör de komprimerade byggena ovanligt hanterbara: en 4-bitars kvantisering hamnar i 15–19 GB-området och kör bekvämt på ett 24 GB-kort vid normala kontextlängder, ett 16 GB-kort är bara realistiskt om du accepterar en lägre kvantisering eller kort kontext, och 8 GB är uteslutet. Eftersom bara 16 av de 64 lagren har en full attention-cache kostar lång kontext mindre än den skulle göra på en konventionell 27B — men det är inte gratis, och cachen är det som pressar en bekväm 24 GB-konfiguration mot sitt tak när du ökar fönstret. Vi har en separat sida med VRAM-stegen per kvantisering, kontextlängdskurvan och siffrorna för enhetligt minne på Apple-silicon; om du ska köpa hårdvara bör du läsa den i stället för den här.

Formaten, som ett val snarare än en instruktion

Det finns fyra vägar och de svarar på fyra olika frågor. GGUF är kompatibilitetsvalet — llama.cpp-linjen, den bredaste hårdvarusupporten, formatet som kommer att köras på vad du än redan äger, och det är vad de flesta som söker efter Qwen3.8-27B faktiskt letar efter: välj det när du vill att vikterna ska fungera på maskinen framför dig och du är beredd att välja en kvantiseringsnivå. MLX är Apple-silicon-valet, och det är ett verkligt sådant — den här modellen körs på en Mac via MLX, vilket för en 27B vision-language-modell inte är något man kan ta för givet. På serveringssidan är NVFP4 och FP8 de format du distribuerar snarare än kör interaktivt: FP8 håller modellen nära full precision vid ungefär halva viktfotavtrycket för en enda stor GPU, och NVFP4 är den aggressiva Blackwell-erabygget som mäter runt 25 GB VRAM med vision tower bevarat i full precision. Unsloth är finjusteringsvägen — GGUF-paketet med en träningsväg kopplad till sig, för när du avser att ändra vikterna snarare än att bara köra dem. Var och en av dessa har sin egen sida under den här modellen, och var och en svarar på en annan fråga än den här gör.

Vad licensen tillåter

Qwen3.8-27B distribueras under Apache 2.0. LICENSE-filen finns i kodförrådet, och licensen är den tillåtande standardlicensen snarare än ett anpassat avtal: kommersiell användning utan användartak eller royalty, modifiering, vidaredistribution och en uttrycklig patentlicens, förutsatt att du inkluderar licensen och meddelandena med allt du för vidare. Det spelar roll eftersom det är en annan fil än den som styr resten av familjen — Qwen3.8-2.4T-A95B distribueras under en anpassad Qwen-licens, inte Apache 2.0 — så "det är en Qwen, alltså är det Apache" är inte ett säkert antagande, och detta är medlemmen där det råkar vara sant.

Apache 2.0 på vikterna är också det enkla svaret på den enskilt största kvalificerade frågan som den här sidan ligger intill, de ocensurerade och abliterade. Vad licensen tillåter är enkelt och förtjänar att sägas utan omskrivningar: de publicerade vikterna får modifieras och distribueras vidare, inklusive modifieringar som ändrar modellens beteende, och derivatbyggen får släppas under samma villkor. Det är hela mekanismen bakom en ablitererad utgåva – en community eller ett labb publicerar en modifierad kopia av öppet licensierade vikter och distribuerar den vidare. Vi går själva den vägen för den här modellen: byggena Qwen3.8-27B-Uncensored-GGUF, NVFP4 och MLX är våra, publicerade under samma Apache 2.0-villkor som originalet. Vad en hostad tjänst kommer att generera eller inte generera är en separat fråga från vad licensen tillåter, och den här sidan besvarar den inte – de ocensurerade sidorna för respektive format täcker nedladdningarna.

Vad är inte avgjort

Tre saker är verkligen öppna. Kontexten på 1M tokens är en YaRN-utökning snarare än ett inbyggt fönster, och modellkortet självt varnar för att statisk YaRN-skalning kan försämra prestandan för korta indata, så det praktiska taket för de flesta lokala miljöer är det inbyggda fönstret på 262 144 och utökningen är ett beslut per driftsättning som du måste testa. Alibabas eget modellkort hänvisar läsare som söker en hanterad tjänst till Qwen Cloud, som det beskriver som "kommer snart" för den här modellen — så från och med oktober 2026 är den hostade nivån som kortet annonserar inte något vi kan bekräfta som allmänt tillgängligt, och vi kommer inte att beskriva dess villkor utifrån en teaser. Och benchmark-tabellen på kortet är Alibabas egen utvärdering, inte reproducerad av den part som publicerade den, vilket är ett förbehåll som överlever lanseringen.

Tillgänglighet

Vi tillhandahåller den här modellen. Identifieraren är qwen/qwen3.8-27b i vår aktuella modellista — det är den täta multimodala 27B-modellen, den tar emot text, bilder och video med ett kontextfönster på 262 144 positioner, och en läsare kan i dag rikta en OpenAI-kompatibel klient mot den. Det är allt vi kommer att säga om rutten här: inga påståenden om pris, inga påståenden om genomströmning. Om du väljer utifrån kostnad, räkna ut det från din egen trafik i stället för från en siffra på den här sidan.

Valet som återstår att göra är formatet, och det är en hårdvarufråga innan det är en mjukvarufråga. Om du kör det på maskinen framför dig är GGUF-vägen där kvantiseringsnivåerna finns och där du får veta om ditt kort räcker. Om du kör på en Mac är MLX-vägen den som avgör om du överhuvudtaget har det enhetliga minnet. Läs en av de två härnäst, och kom tillbaka till den här sidan bara om du vill påminna dig om vad modellen är innan du tar diskutrymmet i anspråk.