LBS-27B กับ Qwen3.8 27B: มาตรฐานที่ระดับ 27B และแล็บที่เฝ้าติดตามเรื่องนี้มาโดยตลอด

หกสัปดาห์ก่อนที่LBS-27Bจะปรากฏเป็นรีโพซิทอรีว่าง inclusionAI ได้เผยแพร่โมเดลที่แตกต่างออกไป: inclusionAI/Qwen3.8-27B-singprobe ซึ่งเป็นโพรบการ์ดเรลแบบสตรีมมิงขนาดเล็กที่สร้างขึ้นบนพื้นฐานของ AlibabaQwen3.8 27B มันไม่ใช่โมเดลภาษาและไม่ใช่คู่แข่ง มันเป็นตัวจำแนกความปลอดภัยที่อ่านสถานะซ่อนเร้นของ Qwen3.8 27B ขณะที่โมเดลนั้นสร้างผลลัพธ์ และการมีอยู่ของมันบอกคุณบางสิ่งที่เอกสารสเปกบอกไม่ได้: แล็บที่เพิ่งจองชื่อ LBS-27B ไว้ได้ทำงานโดยตรงกับโมเดลที่ครองช่องพารามิเตอร์เดียวกัน

นั่นคือเหตุผลว่าทำไมการเทียบครั้งนี้จึงเป็นสิ่งที่สำคัญที่สุดในชุดนี้ Gemma 4 26B A4B เป็นสถาปัตยกรรมที่แตกต่างและอยู่ในระดับราคาที่ต่างกัน; Granite 4.2 30B เป็นโมเดล dense ที่มุ่งตลาดองค์กร; LFM2.5 24B A2B เป็นการทดลองด้านประสิทธิภาพ Qwen3.8 27B คือโมเดลที่โมเดล 27B ใหม่จากห้องแล็บจีนที่จริงจังมีแนวโน้มสูงสุดที่จะมุ่งเป้าไปที่ ไม่ว่า LBS-27B จะเป็นการท้าทายมัน เป็นทางเลือกที่ถูกกว่า หรือเป็นอย่างอื่นโดยสิ้นเชิงนั้น ไม่อาจรู้ได้จากรีโพซิทอรีที่มีไฟล์สัญญาอนุญาตขนาด 28 ไบต์ — แต่มาตรฐานที่ Qwen ตั้งไว้สามารถรู้ได้ และมันสูง

Qwen3.8 27B จริง ๆ แล้วคืออะไร

Qwen3.8 27B ถูกวางตลาดในฐานะโมเดลขนาด 27B ระบุบน Hugging Face ว่ามี 28B พารามิเตอร์ในรูปแบบ BF16 และสร้างขึ้นบนสแต็กแอตเทนชันแบบไฮบริดแทนทรานส์ฟอร์เมอร์มาตรฐาน การ์ดของโมเดลอธิบายว่าประกอบด้วยบล็อกซ้ำกันสิบหกบล็อก โดยแต่ละบล็อกมีเลเยอร์ Gated DeltaNet สามเลเยอร์ตามด้วยเลเยอร์ Gated Attention หนึ่งเลเยอร์ มีขนาด hidden size 5,120, 64 เลเยอร์, 24 หัวแอตเทนชัน, 4 หัวคีย์-แวลู และมิติฟีดฟอร์เวิร์ดกว้าง 17,408 คำศัพท์มี 248,320 โทเคน

หน้าต่างบริบทมีขนาด 262,144 โทเค็นโดยธรรมชาติ และขยายได้ถึงประมาณหนึ่งล้านโทเค็นด้วย YaRN รองรับหลายรูปแบบโดยกำเนิด: ข้อความ รูปภาพ และวิดีโอเป็นอินพุต เอาต์พุตเป็นข้อความ การคิดเปิดใช้งานโดยค่าเริ่มต้น พร้อมระดับความพยายามในการคิดได้แก่ xhigh, medium และ low และมีแฟล็ก preserve-thinking ที่เปิดใช้งานโดยค่าเริ่มต้น สัญญาอนุญาตคือ Apache-2.0 น้ำหนักโมเดลเผยแพร่ในเดือนสิงหาคม 2026

สถาปัตยกรรมคือส่วนที่ควรหยุดพิจารณา เลเยอร์ Gated DeltaNet เป็นรูปแบบย่อยของ linear attention ที่ขยายขนาดได้ดีกว่าการใช้ attention แบบเต็มเมื่อความยาวลำดับเพิ่มขึ้น และการสลับใช้เลเยอร์เหล่านี้ร่วมกับเลเยอร์ full-attention จำนวนเล็กน้อยก็เป็นวิธีหนึ่งที่จะได้พฤติกรรมแบบบริบท longs โดยไม่ต้องจ่ายต้นทุนเชิงกำลังสองในทุกเลเยอร์ มันเป็นการออกแบบที่ทะเยอทะยานกว่าการเรียงซ้อนแบบ dense ธรรมดา และเป็นสิ่งที่ยากจะทำได้เทียบเท่าในการลองครั้งแรก

บาร์ในตัวเลข

ทั้งหมดต่อไปนี้เป็นผลลัพธ์ที่ Qwen รายงานด้วยตนเอง และยังไม่ได้รับการทำซ้ำอย่างเป็นอิสระโดยเรา แต่สิ่งเหล่านี้ยังคงเป็นเกณฑ์อ้างอิงที่เกี่ยวข้อง เพราะเป็นสิ่งที่ผู้ซื้อจะนำไปเปรียบเทียบ

• การเขียนโค้ดและวิศวกรรมซอฟต์แวร์ — LiveCodeBench v6 90.3, QwenSWEBench 79.0, SWE-bench Pro 61.7, DeepSWE 1.1 42.2, NL2Repo-Bench 42.3

• งานบนเทอร์มินัลและงานแบบเอเจนต์ — Terminal-Bench 2.1 (Terminus) 73.0, CoWorkBench 70.7, JobBench 33.4, Agents' Last Exam 20.4 pass@1 และคะแนน 42.9

• ความรู้และการให้เหตุผล — GPQA Diamond 89.2, Humanity's Last Exam 30.8, IFBench 79.5 ตัวเลข HLE นั้นสูงผิดปกติสำหรับโมเดล 27B และเป็นตัวเลขที่สะดุดตาที่สุดเพียงตัวเดียวบนการ์ด

• วิสัยทัศน์และการใช้งานคอมพิวเตอร์ — OSWorld-Verified 84.3, AndroidWorld 81.9, WebArena Verified 64.8, MathVision 90.0 โดยไม่ผสาน chain-of-thought และ 94.6 เมื่อผสาน, OmniDocBench 1.5 91.1, RealWorldQA 85.9, การให้เหตุผล CharXiv 83.7 และ 90.2 เมื่อผสาน

• แถวที่อ่อนกว่า — SWE-MM 38.6, RecreationBench 47.1, ClawEval-MM 57.4 pass@3 แม้แต่แถวที่อ่อนก็ยังนับว่าน่าพอใจ

นี่ไม่ใช่โมเดลที่ชนะในแกนใดแกนหนึ่งเพียงอย่างเดียว มันแข่งขันได้ทั้งด้านการเขียนโค้ด ความรู้ ด้านภาพ และการใช้คอมพิวเตอร์พร้อมกัน ซึ่งเป็นโปรไฟล์ที่ทำให้คู่แข่งที่มีขนาดเท่ากันยากต่อการวางตำแหน่ง โมเดล 27B ใหม่ไม่สามารถเอาชนะมันได้ด้วยการเก่งขึ้นเล็กน้อยในเรื่องใดเรื่องหนึ่งเท่านั้น แต่ต้องมีข้อโต้แย้งที่แตกต่างออกไป

สิ่งที่ LBS-27B ได้แสดงให้เห็น

ไม่มีสิ่งใดที่สามารถประเมินได้ รีโพซิทอรีนี้ถูกสร้างเมื่อ 05:36 UTC วันที่ 26 ตุลาคม 2026 และมีไฟล์ขนาด 1,519 ไบต์ชื่อ .gitattributes และ README ขนาด 28 ไบต์ README เป็นประกาศสัญญาอนุญาตและเป็นเพียงประกาศสัญญาอนุญาตเท่านั้น: license: apache-2.0 ไม่มี weights ไม่มี config ไม่มี tokenizer ไม่มี model card และไม่มีแถว benchmark ใด ๆ ไม่มีการติดตามจำนวนการดาวน์โหลดและยอดไลก์เป็นศูนย์ และเราไม่พบประกาศ เอกสารวิชาการ หรือการพูดคุยสาธารณะเกี่ยวกับโมเดลนี้ที่ใดเลย

“27B” เป็นชื่อหนึ่ง ยังไม่ได้รับการยืนยันว่าเป็นจำนวนพารามิเตอร์ทั้งหมด ยิ่งไม่ต้องพูดถึงจำนวนพารามิเตอร์ที่ใช้งานอยู่ และไม่มีข้อบ่งชี้ว่าโมเดลนี้เป็นแบบ dense, sparse หรือสร้างขึ้นบนสแต็ก attention แบบไฮบริดอย่างของ Qwen

ยานสำรวจเป็นเบาะแสที่น่าสนใจที่สุด

Qwen3.8-27B-singprobe ของ inclusionAI ถูกสร้างขึ้นเมื่อวันที่ 14 กันยายน 2026 และติดแท็กไว้สำหรับความปลอดภัย ระบบป้องกัน การสตรีม และการตรวจจับการสร้างข้อมูลเท็จ (hallucination) โดยอ้างอิงจาก Qwen3.8 27B ภายใต้สัญญาอนุญาต Apache-2.0 และได้รับความสนใจไม่มากนัก — มียอดดาวน์โหลด 219 ครั้ง และถูกใจสองครั้ง ณ เวลาที่เขียน

ความสำคัญของเรื่องนี้ไม่ได้อยู่ที่ความนิยมของมัน มันแสดงให้เห็นว่า inclusionAI กำลังตรวจวัด Qwen3.8 27B ในระดับ hidden state ซึ่งหมายความว่าห้องแล็บเข้าใจการแทนค่าภายในของโมเดลดีพอที่จะสร้าง classifier บนการแทนค่าเหล่านั้นได้ นั่นเป็นความคุ้นเคยในระดับที่ลึกกว่าการเปรียบเทียบ benchmark มันไม่ได้พิสูจน์ว่า LBS-27B พัฒนามาจาก Qwen3.8 27B — ไม่มีหลักฐานในเรื่องนั้น และทั้งสององค์กรเป็นบริษัทแยกจากกัน คือ Ant Group และ Alibaba — แต่ก็ชี้ให้เห็นว่าคลาส 27B ไม่ใช่เป้าหมายแบบสุ่มสำหรับห้องแล็บนี้

มันยังชี้ให้เห็นถึงความเป็นไปได้หนึ่งที่ควรกล่าวถึง: ห้องแล็บที่จัดส่งโพรบความปลอดภัยไปพร้อมกับโมเดลอาจวางตำแหน่ง 27B ของตัวเองโดยเน้นเรื่องความสามารถในการควบคุมและ guardrails มากกว่าการเป็นผู้นำด้านคะแนน benchmark ดิบ หากนั่นคือจุดขาย การเปรียบเทียบกับ Qwen3.8 27B ก็เปลี่ยนจาก "ใครได้คะแนนสูงกว่า" เป็น "ตัวไหนติดตั้งใช้งานได้อย่างปลอดภัยง่ายกว่า" — ซึ่งเป็นคำถามคนละข้อและมีคำตอบคนละแบบ

เรื่องนี้อาจเป็นไปได้สามทาง

หากไม่มีโมเดลการ์ด แนวทางที่ซื่อสัตย์คือการอธิบายรูปร่างที่เป็นไปได้ต่างๆ แทนที่จะเลือกเพียงอันเดียว

• ทางเลือก Qwen ที่ถูกกว่า หาก LBS-27B เป็นโมเดล dense ขนาด 27B ที่มีคุณภาพเทียบเคียงได้และมีต้นทุนการให้บริการที่ต่ำกว่า ก็จะแข่งขันด้านราคาได้ ซึ่งเป็นเรื่องยากเมื่อเทียบกับโมเดลที่ราคา $0.33 ต่อล้านโทเค็นอินพุต แต่ไม่ใช่เรื่องเป็นไปไม่ได้ หากสูตรการฝึกของ inclusionAI มีประสิทธิภาพมากกว่า หรือหากมันมุ่งเป้าไปที่จำนวนพารามิเตอร์ที่ใช้งานน้อยกว่า

• กลยุทธ์เน้นประสิทธิภาพ หาก LBS-27B เป็นแบบ sparse ที่มีจำนวนพารามิเตอร์ที่ทำงานอยู่เพียงเล็กน้อย ก็จะหลีกเลี่ยงโปรไฟล์การคำนวณของ Qwen ไปโดยสิ้นเชิง Qwen3.8 27B เป็นแบบ dense ซึ่งทำให้มีต้นทุนต่อโทเคนสูงเมื่อบริบทยาว ส่วนโมเดล sparse ขนาด 27B ที่มีเพียงเศษเสี้ยวทำงานอยู่ อาจลดต้นทุนได้ดีกว่าโดยแลกกับคุณภาพบางส่วน นั่นคือกลยุทธ์ของ LFM2.5 ที่นำมาใช้ในขนาดที่ใหญ่ขึ้น

• เป็นตลาดเฉพาะที่แตกต่างออกไป หาก LBS-27B ชูจุดเด่นด้านความปลอดภัย ความครอบคลุมหลายภาษา งานเอกสารยาว หรือฮาร์เนสแบบเอเจนต์เฉพาะทาง ก็อาจเป็นไปได้ว่าโมเดลนี้ไม่ได้พยายามเอาชนะ Qwen3.8 27B ในทุกด้านเลย singprobe เป็นหลักฐานที่ไม่หนักแน่นสำหรับข้อสันนิษฐานนี้ แต่ก็เป็นหลักฐานเดียวที่มีอยู่

รูปทรงแต่ละแบบนั้นบ่งบอกถึงไฟล์คอนฟิกที่แตกต่างกัน นั่นคือเหตุผลที่การเปิดเผยสถาปัตยกรรม เมื่อถึงเวลานั้น จะให้ข้อมูลที่เป็นประโยชน์มากกว่าบล็อกโพสต์เปิดตัวใด ๆ

การเปรียบเทียบ โดยมีช่องว่างที่ทำเครื่องหมายไว้

• พารามิเตอร์ — Qwen3.8 27B เป็นขนาด 27B ที่ใช้ในการตลาด และระบุเป็น 28B ใน BF16; LBS-27B เป็น 27B ที่ยังไม่ได้รับการยืนยัน

• สถาปัตยกรรม — ไฮบริดของเลเยอร์ Gated DeltaNet และ Gated Attention สำหรับ Qwen; ไม่ทราบสำหรับ LBS

• บริบท — 262,144 แบบเนทีฟ และประมาณหนึ่งล้านเมื่อใช้ YaRN กับ Qwen; ไม่ทราบสำหรับ LBS

• โมดัลลิตี — อินพุตข้อความ รูปภาพ และวิดีโอ พร้อมเอาต์พุตเป็นข้อความสำหรับ Qwen; ไม่ทราบสำหรับ LBS

• ตัวควบคุมการคิด — ระดับความพยายามในการให้เหตุผลที่ xhigh, medium หรือ low สำหรับ Qwen; ไม่ทราบสำหรับ LBS

• สัญญาอนุญาต — Apache-2.0 สำหรับ Qwen; Apache-2.0 ที่ประกาศไว้สำหรับ LBS

• ราคา — $0.33 ต่อล้านโทเค็นอินพุต และ $2.40 ต่อล้านโทเค็นเอาต์พุตสำหรับ Qwen บน OrcaRouter; ไม่มีราคาสำหรับ LBS

• การประเมิน — การ์ดผู้ให้บริการแบบครบถ้วนสำหรับ Qwen ซึ่งรวมถึงแถวด้านการเขียนโค้ด เอเจนติก และวิชัน; ส่วน LBS ไม่มี

ราคาและข้อโต้แย้งเรื่อง API เดียว

Qwen3.8 27B พร้อมให้บริการบน OrcaRouter ในชื่อ qwen/qwen3.8-27b ในราคา $0.33 ต่อล้านโทเคนอินพุต และ $2.40 ต่อล้านโทเคนเอาต์พุต พร้อมบริบทเต็มขนาด 262,144 โทเคน OrcaRouter ส่งผ่านราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม 0% ดังนั้นหาก Alibaba หรือพาร์ตเนอร์ผู้ให้บริการโฮสติ้งเปลี่ยนแปลงอัตรา ตัวเลขฝั่งเราก็จะปรับตามในวันเดียวกัน นอกจากนี้ยังมีรายการ Qwen3.8 27B อีกรายการบนแพลตฟอร์มในอัตราที่สูงกว่า ภายใต้ชื่อผู้ให้บริการที่แตกต่างออกไป ซึ่งควรค่าแก่การตรวจสอบหากคุณกำลังเปรียบเทียบใบเสนอราคา

LBS-27B ไม่ได้อยู่บน OrcaRouter จึงไม่มีอะไรให้กำหนดเส้นทางไป เมื่อมี weights วิธีปฏิบัติจริงในการตอบคำถามที่บทความนี้ตอบไม่ได้ — โมเดลใหม่ดีกว่าสำหรับ workload ของฉันจริงหรือไม่? — คือการส่งทราฟฟิกบางส่วนไปยังโมเดลนั้นผ่าน endpoint เดียวกัน โดยที่ Qwen ยังคงเป็น fallback การ failover อัตโนมัติทำให้สิ่งนี้เป็นการทดลองที่ย้อนกลับได้แทนที่จะเป็นการย้ายระบบ และ routing DSL ทำให้การแยกสัดส่วนสามารถแสดงเป็น policy ได้แทนที่จะเป็นสาขาในโค้ด นั่นคือบทบาทที่มีประโยชน์ของ router ในการเปรียบเทียบ 27B: ไม่ใช่การเลือกผู้ชนะ แต่คือการให้คุณวัดโมเดลหนึ่งเทียบกับอีกโมเดลบนอินพุตของคุณเอง

อะไรจะทำให้สิ่งนี้เป็นการเปรียบเทียบที่แท้จริง

อาร์ติแฟกต์แรกคือไฟล์คอนฟิก มันจะตัดสินประเด็น dense กับ sparse และบอกจำนวนพารามิเตอร์ที่ใช้งานอยู่ ซึ่งเป็นตัวกำหนดว่า LBS-27B กำลังแข่งขันกับ Qwen ด้านคุณภาพ หรือหลบเลี่ยงไปแข่งด้านต้นทุนแทน

อย่างที่สองคือวิสชันทาวเวอร์ ความสามารถมัลติโมดัลของ Qwen3.8 27B ไม่ใช่ฟีเจอร์เสริม แต่เป็นส่วนสำคัญที่ทำให้โมเดลนี้มีความสามารถในการแข่งขันในงานด้านเอกสาร UI และการใช้งานคอมพิวเตอร์ LBS-27B แบบข้อความล้วนจะเป็นผลิตภัณฑ์ที่เล็กกว่าโดยมุ่งเป้าไปยังกลุ่มย่อยที่แคบลงของผู้ซื้อกลุ่มเดียวกัน

ข้อความที่สามคือคำแถลงจุดยืนจาก inclusionAI ห้องแล็บยังไม่ได้ระบุว่า LBS-27B มีไว้เพื่ออะไร และชื่อก็ไม่ได้บอกเช่นกัน ทุกสิ่งในบทความนี้เกี่ยวกับเจตนาเป็นการอนุมานจากการทดสอบด้วยโพรบ ใบอนุญาต และตราเวลา

สำหรับตอนนี้ ข้อสรุปที่พอจะยืนยันได้ยังจำกัดอยู่แคบ ๆ Qwen3.8 27B เป็นหนึ่งในโมเดล 27B ที่แข็งแกร่งที่สุดที่มีอยู่ โดยมีสถาปัตยกรรมแบบไฮบริด ความสามารถหลายรูปแบบโดยกำเนิด เส้นทางการขยายสู่หนึ่งล้านโทเค็น และราคาโฮสต์ที่ดุดัน LBS-27B เป็นรีโพซิทอรีที่ยังไม่ได้กลายเป็นโมเดล ช่องว่างระหว่างทั้งสองไม่ใช่ช่องว่างด้านความสามารถ แต่เป็นระยะห่างระหว่างผลิตภัณฑ์ที่เสร็จสมบูรณ์กับชื่อที่จองไว้ — และคำถามที่น่าสนใจคือ ห้องแล็บที่อ่าน hidden states ของ Qwen อยู่นั้นกำลังเตรียมที่จะแข่งขันกับมันหรือเสริมมัน