การ์ดไตเติลสำหรับบทความ Qwen3.8-27B และ Artificial Analysis: แว่นขยายที่ลอยอยู่เหนือชิปพร้อมการ์ดคะแนน 'awaiting data' ที่ว่างเปล่า ตั้งชื่อว่า 'Qwen3.8-27B on Artificial Analysis' พร้อมคำบรรยายใต้ชื่อว่า 'No independent score yet — here's the data that stands in'
Guides & Insights

Qwen3.8-27B บน Artificial Analysis: ยังไม่มีดัชนี และข้อมูลที่ใช้แทน

ผู้เขียน

Magnus Corvin

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

Artificial Analysis ยังไม่ได้จัดทำดัชนี Qwen3.8 27B ตรวจสอบเมื่อ 2026-08-15 หน้าของโมเดลบน artificialanalysis.ai คืนค่า 404 — ไม่มี Intelligence Index ไม่มีความเร็วเอาต์พุต ไม่มีราคา AA ไม่มีเกณฑ์มาตรฐานอิสระ น้ำหนัก Apache 2.0 เผยแพร่เมื่อวันที่ 13–14 สิงหาคม ดังนั้นสิ่งนี้อาจจะเปลี่ยนแปลงภายในไม่กี่วันหรือไม่กี่สัปดาห์ แต่ยังไม่เปลี่ยนแปลง จนกว่าจะถึงตอนนั้น ทุกตัวเลข Qwen3.8 27B ที่คุณหาได้คือ model card ของ Alibaba เองหรือสำนักข่าวที่นำมาพูดซ้ำ นี่คือคำตอบหนึ่งบรรทัด ข้อมูล AA ที่มีอยู่จริงสำหรับตระกูล Qwen3.8 สเปกอย่างเป็นทางการ และการอ่านอย่างตรงไปตรงมาว่าพาดหัวข่าวที่ว่า "มันชนะทุกอย่าง" แท้จริงแล้วคืออะไร

หมายเหตุแหล่งที่มา: ทุกอย่างด้านล่างมีป้ายกำกับ ทางการ หมายถึงนำมาจากของ Ali​baba ที่เป็น Qwen/Qwen3.8-27B โมเดลการ์ดบน Hugging Face (สิงหาคม 2026). อิสระ หมายถึงการวัดและทำซ้ำโดยบุคคลภายนอก — ยังไม่มีอะไรสำหรับ 27B ที่เข้าข่าย ถ่ายทอด หมายถึงสำนักข่าวคัดลอกตัวเลขจากผู้จำหน่าย ซึ่งไม่ถือเป็นอิสระ.

คำตอบบรรทัดเดียว, ลงวันที่

Qwen3.8 27B บน Artificial Analysis: ไม่มีหน้า ไม่มีคะแนน. URL artificialanalysis.ai/models/qwen-3-8-27b ตอบกลับด้วย "404 Page not found" เมื่อตรวจสอบเมื่อ 2026-08-15.

• คะแนน AA ของ "Qwe​n 3.8" ที่แชร์กันในอินเทอร์เน็ต — Intelligence 58, Agentic Index #1 — เป็นของ Qwen3.8-Max ซึ่งเป็นเรือธง API ขนาด 2.4T พารามิเตอร์ ไม่ใช่รุ่น 27B.

• 27B ล่าสุดที่ AA ติดตามคือรุ่นก่อนหน้าของ Qwen3.6-27B: ค่าดัชนีความฉลาด ~37–38 ในโหมดการให้เหตุผล, ความเร็วเอาต์พุต ~55–59 โทเคน/วินาที นี่คือเส้นฐานของคุณสำหรับ 27B ที่ถูกทำดัชนี

A status card for Qwen3.8-27B on Artificial Analysis, checked 2026-08-15: the model is marked NOT INDEXED (no page, no score, no price; the model URL returns 404), while Qwen3.8-Max 2.4T A95B is indexed at Intelligence 58 and Agentic Index #1, and the predecessor Qwen3.6-27B is indexed at Intelligence ~37–38 and ~55–59 tokens/sec.

สิ่งที่ Artificial Analysis แสดงให้เห็นจริงสำหรับตระกูล Qwen3.8

กระดานอันดับของ AA แสดง "Qwen3.8 2.4T A95B" — ซึ่งก็คือ Qwen3.8-Max — อยู่ที่Intelligence Index 58 ซึ่งเป็นโมเดลโอเพนเวต (open-weights) ที่ดีที่สุดเป็นอันดับสองบนดัชนีดังกล่าว (หน้าโมเดลของ Artificial Analysis, เข้าถึงเมื่อ 2026-08-15) เมื่อวันที่ 6 สิงหาคม 2026 Agentic Index ของ AA จัดอันดับให้ Qwen3.8-Max อยู่อันดับ #1 ของโลก — เป็นครั้งแรกที่ห้องแล็บจีนครองตำแหน่งสูงสุด โดยนำหน้า Claude Opus 5 และ GPT-5.6 — ตามที่มีรายงานอย่างแพร่หลายจากกระดานอันดับของ AA ในวันนั้น

ตัวเลขเหล่านั้นไม่มีตัวใดใช้กับ 27B ได้ Qwen3.8-Max เป็นโมเดล API แบบ mixture-of-experts ที่มีพารามิเตอร์ 2.4T โดยมีพารามิเตอร์ที่ทำงานจริงประมาณ 95B ส่วน 27B เป็นโมเดลแบบ dense ที่ดาวน์โหลดไปโฮสต์เองได้ ทั้งคู่ใช้ป้ายชื่อเจนเนอเรชันร่วมกันเท่านั้น ไม่ใช่การประเมินผล

รุ่นก่อนหน้าคือเกณฑ์พื้นฐานของคุณ: Qwen3.6-27B บน AA

AA ติดตาม Qwen3.6-27B มาเป็นเวลาหลายเดือน ขึ้นอยู่กับ snapshot คะแนนของมันคือ ~37–38 ใน Intelligence Index ในโหมด reasoning (ประมาณ 31 ในโหมด non-reasoning) ที่ความเร็ว ~55–59 tokens/sec — โมเดล GPU ตัวเดียวที่สู้กับโมเดล frontier ระดับกลางจากปีที่แล้วได้ นั่นคือรูปแบบข้อมูลที่ควรคาดหวังเมื่อ AA จัดทำดัชนี 3.8-27B: ดัชนีที่ใกล้เคียงกัน ความเร็วบนฮาร์ดแวร์ผู้บริโภค และราคาที่สะท้อนตัวเลือกการโฮสต์เป็นหลัก จงถือว่ามันเป็นข้อมูลพื้นฐาน ไม่ใช่การคาดการณ์ — 3.8-27B เพิ่มความสนใจแบบไฮบริดและการรับวิดีโอแบบเนทีฟ ซึ่งอย่างใดอย่างหนึ่งอาจทำให้ตัวเลขเปลี่ยนไปได้

ข้อมูลอย่างเป็นทางการ: การ์ดโมเดลของ Ali​baba ไม่ได้เป็นอิสระ

A data card for Qwen3.8-27B from Alibaba's official model card: specifications (27B dense, 28B with vision encoder, 64 layers, hidden size 5,120, vocabulary 248,320, 48 linear + 16 full attention heads, 262K native to 1M context via YaRN, text+image+video input, ~55.6 GB BF16) and vendor-reported benchmarks (Terminal-Bench 2.1 73.0, SWE-bench Pro 61.7, LiveCodeBench v6 90.3, GPQA Diamond 89.2, OSWorld-Verified 84.3), labeled Alibaba-reported, unreproduced.

ต่อไปนี้เป็นข้อมูลจำเพาะที่ผ่านการตรวจสอบแล้วจากโมเดลการ์ด Qwen/Qwen3.8-27B (Apache 2.0, สิงหาคม 2026):

• พารามิเตอร์แบบ dense 27B (28B รวมตัวเข้ารหัสภาพ), 64 เลเยอร์, ขนาดฮิดเดน 5,120, คำศัพท์ 248,320.

แอตเทนชันแบบไฮบริด: หัวแอตเทนชันเชิงเส้น 48 หัว (Gated DeltaNet) บวกกับหัว Gated Attention แบบเต็ม 16 หัว — โดยประมาณเป็นอัตราส่วน 3:1 ระหว่างเชิงเส้นต่อแบบเต็ม

• บริบท: โทเคน 262,144 ตัวโดยกำเนิด ขยายได้ถึง 1,000,000 ผ่าน YaRN

• อินพุต: ข้อความ รูปภาพ และวิดีโอโดยตรง; โหมดคิดเปิดอยู่โดยค่าเริ่มต้น

• ขนาด: ประมาณ 55.6 GB ในรูปแบบ BF16; น้ำหนักประมาณ 16–17 GB ที่ Q4 — GPU ขนาด 24 GB เป็นเป้าหมายสำหรับการ์ดเดี่ยวที่ใช้งานได้จริง

ผลทดสอบที่ผู้ผลิตแจ้งไว้สำหรับการ์ดเดียวกัน (คำกล่าวของ Ali​baba ยังไม่มีการตรวจสอบซ้ำ): 73.0; SWE-bench Pro 61.7; LiveCodeBench v6 90.3; GPQA Diamond 89.2; OSWorld-Verified 84.3.

พาดหัวข่าวที่ว่า "มันเหนือกว่าทุกสิ่ง" แท้จริงแล้วคืออะไร

การถ่ายทอดข่าวเทคโนโลยีจีน (Gate.it, กลางเดือนสิงหาคม 2026) ขึ้นต้นด้วยข่าว "Qwen3.8 27B ชนะ Muse Glimmer ของ Meta ในเกณฑ์ชี้วัดทั้ง 8 รายการ" — Terminal-Bench 2.1 ได้ 73.0 เทียบกับ 51.7, SWE-bench Pro ได้ 61.7 เทียบกับ 51.2 — และอ้างว่าชนะ Claude Opus 4.6 ใน 15 จาก 19 การทดสอบที่ทับซ้อนกัน ตัวเลขเหล่านั้นคือตัวเลขจากการ์ดโมเดลของ Ali​baba ที่ถูกคัดลอกลงในบทสรุปข่าว ไม่มีห้องแล็บภายนอกใดเคยรันโมเดล 27B และการถ่ายทอดนี้ก็ไม่ได้อ้างว่ามีใครทำเช่นนั้น "การรายงานข่าวโดยบุคคลที่สาม" ในที่นี้หมายถึงการเผยแพร่ซ้ำโดยบุคคลที่สาม ไม่ใช่การตรวจสอบโดยบุคคลที่สาม

A screenshot of the Qwen/Qwen3.8-27B model card on Hugging Face, showing the Apache 2.0 license, the model type 'Causal Language Model with Vision Encoder', BF16 tensor type, the note that the Qwen Cloud hosted version is coming soon with 1M context, and 4 adapters, 46 finetunes and 304 quantizations.

ทำไมจึงไม่มีราคา AA สำหรับ 27B — และนั่นบอกอะไรคุณ

AA กำหนดราคาโมเดลตาม API endpoint 27B ยังไม่มี hosted API อย่างเป็นทางการ: การโฮสต์บน Qwe​n Cloud ของ Ali​baba "กำลังจะมาเร็วๆ นี้" พร้อมบริบท 1M token จึงไม่มีอะไรให้กำหนดราคา นี่คือความแตกต่างที่แท้จริงซึ่งเป็นแกนกลางของโมเดลนี้ Qwen3.8 27B เป็นโมเดลดาวน์โหลดแบบ open-weights; ราคาของมันคือค่าไฟของคุณ ที่ Q4 บนการ์ด 24 GB ราคา $0 ต่อ token โมเดลเรือธงแบบ API-only อย่าง Qwen3.8-Max ราคา $2 ต่อล้าน input / $6 ต่อล้าน output โมเดลที่โฮสต์เองจะไม่ปรากฏในดัชนีการตั้งราคา API ก็เพราะมันฟรีต่อ token — ซึ่งตรงกันข้ามกับทุก API model ที่ AA ตั้งราคา

จะใช้อะไรจนกว่า AA จะจัดทำดัชนี

วันนี้คุณต้องการ Qwen​ 27B ที่ได้รับการให้คะแนนอย่างอิสระ: รันหรือเรียกใช้ Qwen3.6-27B ซึ่งเป็นโมเดลที่มีดัชนี AA (ความฉลาดประมาณ 37–38 ในโหมดให้เหตุผล), Apache 2.0, โฮสต์เองได้ และเป็นโมเดลที่ 3.8-27B ต้องเอาชนะให้ได้ หากคุณต้องการเรียกใช้ผ่าน API มากกว่าการรัน มันอยู่ในแค็ตตาล็อก OrcaRouter ในราคารายการของผู้ให้บริการ โดยไม่มีมาร์กอัป 0% — คีย์เดียว ไม่มีสัญญาที่สอง

คุณต้องการ API ระดับเรือธง: Qwen3.8-Max ถูกจัดอันดับ AA ที่ 58 และเป็น Agentic อันดับ 1 ในราคา $2/$6 ต่อ 1M โทเคน คุณกำลังจ่ายสำหรับ MoE ขนาด 2.4T ไม่ใช่โมเดลท้องถิ่น

คุณต้องการ 3.8-27B โดยเฉพาะ: ดาวน์โหลดน้ำหนัก Apache-2.0 และโฮสต์เอง ถือว่าเกณฑ์วัดทุกอันเป็นเพียงคำพูดของ Ali​baba จนกว่าชุดทดสอบอิสระจะเผยแพร่ผล ติดตามหน้าโมเดล AA (artificialanalysis.ai/models/qwen-3-8-27b) และชุดทดสอบแบบเปิด — เมื่อมีตัวเลขจริงออกมา มันจะชัดเจนเอง

สรุป

Qwen3.8 27B ไม่มีคะแนน Artificial Analysis เพราะ Artificial Analysis ยังไม่ได้วัด — และไม่มีราคา AA เพราะเป็นโมเดลที่โฮสต์เอง ไม่ใช่ API ทุกพาดหัวที่คุณเห็นในวันนี้ที่บอกว่า "Qwe​n 3.8 ชนะ X" คือ model card ของ Ali​baba ที่แต่งชุดข่าว ตัวเลขที่เป็นอิสระอย่างแท้จริงในเรื่องนี้เป็นของพี่น้องตระกูลนี้: Qwen3.8-Max ที่ Intelligence 58 กับ Agentic Index อันดับ #1 และ Qwen3.6-27B ที่ ~37–38 ยึดตัวเลขเหล่านั้นเป็นหลัก ปฏิบัติต่อตัวเลขของ 27B เองว่าเป็นคำกล่าวอ้างจากผู้จำหน่ายจนกว่าจะมีใครสักคนที่เป็นอิสระรันมัน กลับมาดูอีกครั้ง — หน้านี้จะเปลี่ยนไปในวันที่ AA เผยแพร่

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

providers@orcarouter.ai

เข้าร่วมคอมมูนิตี้ของเรา

Discordsupport@orcarouter.aiXGitHubYouTube