Qwen3.8-27B på Hugging Face: det officiella repot, vad som finns inuti, och hur man laddar ner det

Qwen3.8 27B finns på Hugging Face på Qwen/Qwen3.8-27B, publicerad av Qwe​n-organisationen den 14 augusti 2026 under Apache 2.0-licensen. Repot innehåller 55,6 GB BF16-safetensors fördelade på 18 shards, plus tokenizer, chat-mall och konfiguration som hör till — gratis att ladda ner, gratis att använda kommersiellt, och ingen avgift per token. Två saker ställer till det för folk: det officiella repot levererar bara safetensors, medan GGUF-kvantiseringarna som folk kör på konsument-GPU:er finns i separata community-repon; och lookalike-repon dök upp före releasen, så bara Qwe​n-organisationens kopia är äkta. Den här artikeln är nedladdningsguiden: vad som finns i repot, de tre sätten att hämta det, och hur du verifierar att du har fått de äkta vikterna.

De snabba fakta, kontrollerade den 15 augusti 2026

• Repo — Qwen/Qwen3.8-27B på Hugging Face, publicerad av Qwe​n-organisationen; speglad på Qwen/Qwen3.8-27B på ModelScope.

• Släppt — vikterna släpptes den 14 augusti 2026; rapportering i andra tidszoner anger också den 13 augusti, och förhandsartiklar från veckan före lanseringen rapporterade dem som väntande.

• Licens — Apache 2.0: ladda ner, modifiera och återdistribuera, kommersiell användning inkluderad.

• Storlek — 55.57 GB safetensors över 18 shards (2.1–3.99 GB vardera); reposidan avrundar totalen till 55.6 GB.

• modell — 27B täta parametrar (28B när du räknar med vision-encodern), 64 lager, dold storlek 5 120, vokabulär 248 320.

• Uppmärksamhet — hybrid: 48 Gated DeltaNet-lager (linjär attention) mot 16 fullständiga Gated Attention-lager, tränad för multi-token-prediktion — 3:1-fördelningen är anledningen till att 262 144 tokens i nativ kontext körs på en 27B.

• Kontext — 262 144 token som standard, utbyggbart till 1 000 000 via YaRN RoPE-skalning.

• Indata — inbyggd bild och video tillsammans med text; returnerar text.

• Signal — 91 917 nedladdningar på modellkortets rullande 30-dagarsräknare, kontrollerat den 15 augusti 2026.

Varje siffra ovan kommer från Hugging Face-modellsidan, repoträdet och konfigurationen för Qwen3.8 27B, läst den 15 augusti 2026. Benchmark-påståendena på kortet (SWE-bench Pro 61.7, LiveCodeBench v6 90.3, OSWorld-Verified 84.3) är Ali​baba-rapporterade; hittills har inget oberoende labb reproducerat dem.

Varför ladda ner den: frågan om lokalt kontra API

Öppna vikter är den enda modellkategorin där marginalkostnaden för att köra en token är vad din elkostnad är. Ingen licensavgift, inget pris per token, ingen hastighetsbegränsning, och inget lämnar din maskin. Qwen3.8 27B är Apache 2.0, så den friheten är permanent: Ali​baba kan inte dra tillbaka vikterna, licensera om dem, eller debitera dig för dem.

Avvägningen är hårdvara och installation. De fulla BF16-vikterna kräver en GPU av 80 GB-klass med native precision, och 55,6 GB är en rejäl nedladdning. Om du vill utvärdera modellen innan du bestämmer dig för det, är API-vägen snabbare: Qwen3.8 27B serveras på OrcaRouter till Qwens pris på $0,33 per miljon inmatningstokens och $2,40 per miljon utdatatokens, förmedlat utan påslag — och OrcaRouter har också en hastighetsbegränsad gratisnivå för samma modell, så ett kostnadsfritt rökprov kräver ingen nedladdning alls. Men API:et är en bekvämlighet, inte ett beroende — vikterna är produkten, och de är gratis.

Vad finns egentligen i repot?

Repot är inte bara vikter. Det är ett komplett körbart paket: 18 shards plus metadatafilerna som Transformers, vLLM och SGLang behöver. Går igenom det uppifrån och ner:

• model-00001-of-00018.safetensors … model-00018-of-00018.safetensors — vikterna, 2.1–3.99 GB per shard, 55.57 GB totalt.

• model.safetensors.index.json — mappar varje tensor till dess shard; detta är vad en loader läser först.

• config.json — arkitekturen: 64 lager, dold storlek 5 120, vokabulär 248 320 och layouten för Gated DeltaNet / Gated Attention.

• tokenizer.json (12.8 MB), tokenizer_config.json, vocab.json (6.72 MB), merges.txt (3.35 MB) — tokenizern.

• chat_template.jinja — chattmallen, inklusive tankeblocket; llama.cpp behöver den skickad som en jinjamall, annars svarar modellen dig med tanketaggar.

• preprocessor_config.json och video_preprocessor_config.json — bild- och videoförbehandling.

• crc32.txt — checksummor per shard; verifiera en nedladdning mot denna så slutar en korrupt överföring att vara ett mysterium.

• README.md (modellkortet på 65 kB), LICENSE (Apache 2.0), generation_config.json, .gitattributes (markerar viktfilerna som Git LFS).

En konsekvens av denna layout har betydelse för problemet med falska repos nedan. En äkta kopia av detta repo är tung och komplett. Ett placeholder-repo med "Qwen3.8" i namnet och inget annat än en README är inte en nedladdning som misslyckades — det är ett annat, tomt repository.

Så här laddar du ner det — tre sätt

Metod ett, huggingface-cli, är den renaste vägen. Modellen är offentlig, så ingen inloggning krävs; detta hämtar alla 18 delar plus metadata till en mapp:

huggingface-cli download Qwen/Qwen3.8-27B --local-dir Qwen3.8-27B

För en överföring på 55,6 GB, hf_transfer-backenden är värd att installera — den parallelliserar nedladdningen och förkortar vanligtvis tiden rejält:

pip install hf_transfer

HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download Qwen/Qwen3.8-27B --local-dir Qwen3.8-27B

Metod två, git clone, ger dig repot som en arbetskopia med historik. Kräver Git LFS:

git lfs install

git clone https://huggingface.co/Qwen/Qwen3.8-27B

Metod tre, webbläsaren — öppna fliken Filer och ladda ner shards individuellt. Endast rimligt när du behöver en fil (säg, bara config.json för att inspektera arkitekturen). För hela repot är det 18 manuella nedladdningar plus en kontrollsummekontroll; använd ett CLI.

Vilka filer du faktiskt bör ladda ner

Det officiella arkivet är BF16 safetensors — full precision, 55,6 GB — rätt artefakt om du har en GPU i 80 GB-klassen, eller vill kvantisera ner själv senare. Det finns ingen officiell GGUF. De GGUF-byggen som folk faktiskt kör på konsumentkort är community-utgåvor: Hugging Face listar 303 kvantiserade modeller byggda från denna bas (kontrollerat den 15 augusti 2026), och de som runbooks pekar på är unsloth- och lmstudio-community-byggena. Den ungefärliga stegen:

• BF16 safetensors — 55,6 GB, kräver en GPU i 80 GB-klassen vid native precision.

• GGUF Q8_0 — cirka 29 GB, ryms på ett 48 GB-kort.

• GGUF Q4_K_M — ungefär 17 GB, standardvalet för 24 GB-kort.

• GGUF 2-bit — ungefär 9 GB, får plats på 12 GB-kort med synlig kvalitetsförlust.

Om du vill ha vision från en GGUF-build, behöver du också den separata mmproj-filen för visionskodaren, dokumenterad på varje communitykort. För den fullständiga genomgången av kvantisering och körtid — inklusive varningen om chat-mallen i llama.cpp — vår runbook för att köra Qwen3.8 27B lokalt innehåller detaljerna.

Hur man skiljer det riktiga repot från de falska

Innan vikterna släpptes var Hugging Face-sökningen full av "Qwen3.8"-repos utan viktfiler — platshållarkort och forks som parkerats för att fånga upp personer som söker tidigt. En del finns fortfarande kvar. Verifieringschecklistan:

• Kontrollera utgivaren, inte namnet.Den äkta repon ligger under Qwen-organisationen: Qwen/Qwen3.8-27B. Ett repo som heter Qwen3.8 27B under något annat konto är inte den officiella utgåvan, hur professionellt det än ser ut.

• Använd den officiella samlingen. Qwen underhåller huggingface.co/collections/Qwen/qwen38; alla repon i den är deras.

• Kontrollera licensfältet. Det riktiga kortet säger Apache 2.0.

• Kontrollera storleken och formen. Det riktiga repot har 18 safetensors-shards på totalt cirka 55,6 GB, en crc32.txt-kontrollsummefil och en README på 65 kB. Noll viktfiler betyder ett tomt repo, inte en trasig nedladdning.

• Behandla nedladdningsantalet som en signal, inte ett bevis. Det äkta repot passerade 91 000 nedladdningar inom en dag, vilket talar om var alla andra pekar. Men en förfalskning kan också laddas ner; utgivaren är garantin.

Efter nedladdningen, verifiera integriteten: kontrollera CRC32 för varje shard mot crc32.txt, eller ladda modellen med Transformers och bekräfta att state dict laddas utan varningar. Det fångar både en korrupt överföring och en ompaketerad fel modell.

När nedladdning är fel drag

Att ladda ner 55,6 GB är inte rätt val för alla, och den ärliga versionen av denna artikel säger det rakt ut.

Du vill bara utvärdera modellen. API-vägen är snabbare — ett strukturerat test kostar ören och tar minuter, inte en nedladdning och en eftermiddag av installation.

Du har inget GPU på nära 80 GB. BF16-nedladdningen är fel artefakt för dig. Välj en GGUF-kvantisering eller API:t.

Du behöver verifierade riktmärken. Varje rubriksiffra för Qwen3.8 27B är Ali​baba-rapporterad den 15 augusti 2026. Om ditt beslut beror på siffror som ett oberoende laboratorium har reproducerat, vänta på dem — vikterna kommer fortfarande att finnas här.

Du bygger på en modell som är några dagar gammal. Vikterna släpptes den 14 augusti. OrcaRouters modellsida, läst idag, visar en felprocent på 33,3 % över de senaste sju dagarna och p50-latens för första token på 225 ms — en helt ny modell under tidig belastning, så behandla tidig telemetri som preliminär. De som själva hostar bör låsa fast commiten de laddade ner och ha en fallback; API-användare bör ha en failover-regel som samma försäkring.

Du vill ha ett supportavtal. Apache 2.0 är tillåtande, men en licens är inte ett SLA. Om din arbetsbelastning behöver leverantörsstöd är den värdbaserade API-vägen det säkrare valet.

Slutsatsen

Den riktiga Qwen3.8 27B finns på Hugging Face på Qwen/Qwen3.8-27B, Apache 2.0, släppt den 14 augusti 2026, 55,6 GB BF16-safetensors i 18 shards. Ladda ner den med huggingface-cli eller git clone, verifiera att utgivaren är Qwen-organisationen, och du har en toppmodern 27B med öppna vikter som ingen kan ta ifrån dig eller fakturera dig för. Om det är ett större åtagande än vad ditt användningsfall kräver, finns samma modell några cent bort via API:t. Vikterna är dock det viktiga — och de är gratis.