Qwen3.8-27B บน Hugging Face: ที่เก็บอย่างเป็นทางการ, สิ่งที่อยู่ข้างใน, และวิธีดาวน์โหลด

Qwen3.8 27B อยู่บน Hugging Face ที่ Qwen/Qwen3.8-27B เผยแพร่โดย Qwe​n org เมื่อวันที่ 14 สิงหาคม 2026 ภายใต้สัญญาอนุญาต Apache 2.0 ภายใน repo มี safetensors แบบ BF16 ขนาด 55.6 GB แบ่งเป็น 18 shards พร้อมด้วย tokenizer, chat template และ config ที่มาคู่กัน — ดาวน์โหลดฟรี ใช้เชิงพาณิชย์ได้ฟรี และไม่มีค่าธรรมเนียมต่อ token สองสิ่งที่ทำให้คนสับสน: repo อย่างเป็นทางการมาพร้อมกับ safetensors เท่านั้น ในขณะที่ GGUF quantizations ที่ผู้คนใช้บน GPU ระดับผู้บริโภคนั้นอยู่ใน repo ชุมชนแยกต่างหาก และมี repo ปลอมที่คล้ายกันปรากฏก่อนการเปิดตัว ดังนั้นเฉพาะของ Qwe​n org เท่านั้นที่เป็นของจริง บทความนี้เป็นแนวทางการดาวน์โหลด: มีอะไรอยู่ใน repo สามวิธีในการดาวน์โหลด และวิธีตรวจสอบว่าคุณได้น้ำหนักที่แท้จริง

ข้อเท็จจริงโดยย่อ ตรวจสอบเมื่อวันที่ 15 สิงหาคม 2026

• ที่เก็บ — Qwen/Qwen3.8-27B บน Hugging Face, เผยแพร่โดยองค์กร Qwe​n; มีมิเรอร์ที่ Qwen/Qwen3.8-27B บน ModelScope.

• เผยแพร่ — น้ำหนักเผยแพร่เมื่อวันที่ 14 สิงหาคม 2026; รายงานข่าวตามเขตเวลาอ้างถึงวันที่ 13 สิงหาคมด้วย และบทความก่อนเผยแพร่จากสัปดาห์ก่อนหน้าระบุว่ายังอยู่ในระหว่างรอ

• สัญญาอนุญาต — Apache 2.0: ดาวน์โหลด แก้ไข และแจกจ่าย รวมถึงการใช้งานเชิงพาณิชย์

• ขนาด — safetensors จำนวน 55.57 GB กระจายอยู่ใน 18 ชาร์ด (ชาร์ดละ 2.1–3.99 GB); หน้า repo ปัดเศษยอดรวมเป็น 55.6 GB

• โมเดล — พารามิเตอร์แบบ dense 27B (28B หากนับรวมตัวเข้ารหัสภาพ), 64 เลเยอร์, ขนาด hidden 5,120, คำศัพท์ 248,320.

• ความสนใจ — ไฮบริด: 48 ชั้นของ Gated DeltaNet (ความสนใจเชิงเส้น) เทียบกับ 16 ชั้นของ Gated Attention แบบเต็ม โดยฝึกด้วยการทำนายหลายโทเคน — อัตราส่วน 3:1 คือเหตุผลที่ 262,144 โทเคนของบริบทดั้งเดิมทำงานบนโมเดล 27B.

• บริบท — รองรับ 262,144 โทเคนโดยกำเนิด ขยายได้ถึง 1,000,000 ผ่าน YaRN RoPE scaling.

• อินพุต — รองรับรูปภาพและวิดีโอโดยตรงควบคู่กับข้อความ คืนค่าเป็นข้อความ

• Signal — ดาวน์โหลด 91,917 ครั้งบนตัวนับ 30 วันแบบหมุนเวียนของการ์ดโมเดล ตรวจสอบเมื่อวันที่ 15 สิงหาคม 2026.

ทุกตัวเลขด้านบนมาจากหน้าโมเดลของ Hugging Face, โครงสร้าง repo tree และคอนฟิกสำหรับ Qwen3.8 27B อ่านเมื่อวันที่ 15 สิงหาคม 2026 ข้ออ้างเรื่องเบนช์มาร์กบนการ์ด (SWE-bench Pro 61.7, LiveCodeBench v6 90.3, OSWorld-Verified 84.3) เป็นข้อมูลที่รายงานโดย Ali​baba; ณ วันนี้ยังไม่มีห้องปฏิบัติการอิสระใดที่ทำซ้ำผลลัพธ์เหล่านี้ได้

ทำไมต้องดาวน์โหลด: คำถามเรื่อง local เทียบกับ API

Open weights คือโมเดลประเภทเดียวที่ต้นทุนส่วนเพิ่มของการรันหนึ่ง token คือค่าไฟฟ้าที่คุณจ่ายเท่านั้น ไม่มีค่าธรรมเนียมใบอนุญาต ไม่มีราคาต่อ token ไม่มีการจำกัดอัตราการใช้งาน และไม่มีสิ่งใดออกจากเครื่องของคุณQwen3.8 27Bเป็น Apache 2.0 ดังนั้นเสรีภาพนั้นจึงถาวร: Alibaba ไม่สามารถเรียกคืนเวต เปลี่ยนสัญญาอนุญาต หรือเรียกเก็บเงินจากคุณได้

สิ่งที่ต้องแลกคือฮาร์ดแวร์และการตั้งค่า ค่าน้ำหนัก BF16 ทั้งหมดต้องการ GPU ระดับ 80 GB ที่ความแม่นยำแบบเนทีฟ และ 55.6 GB ก็เป็นการดาวน์โหลดที่ใหญ่ไม่เบา หากคุณต้องการประเมินโมเดลก่อนที่จะลงทุนกับมัน เส้นทาง API จะเร็วกว่า: Qwen3.8 27Bถูกให้บริการบน OrcaRouter ในราคาของ Qwen คือ $0.33 ต่อล้านโทเค็นอินพุต และ $2.40 ต่อล้านโทเค็นเอาต์พุต ส่งผ่านโดยไม่มีการบวกเพิ่ม — และ OrcaRouter ยังมีชั้นบริการฟรีแบบจำกัดอัตราการใช้งานสำหรับโมเดลเดียวกัน ดังนั้นการทดสอบแบบ smoke test ที่ไม่มีค่าใช้จ่ายจึงไม่ต้องดาวน์โหลดอะไรเลย แต่ API เป็นเพียงความสะดวก ไม่ใช่สิ่งที่ต้องพึ่งพา — น้ำหนักโมเดลคือตัวผลิตภัณฑ์ และมันฟรี.

จริงๆ แล้วมีอะไรอยู่ใน repo

รีโปนี้ไม่ได้มีแค่ weights แต่เป็นแพ็กเกจที่รันได้อย่างสมบูรณ์: 18 ชาร์ด พร้อมไฟล์ metadata ที่ Transformers, vLLM และ SGLang ต้องการ ไล่ดูจากบนลงล่าง:

• model-00001-of-00018.safetensors … model-00018-of-00018.safetensors — น้ำหนักโมเดล ชาร์ดละ 2.1–3.99 GB รวมทั้งหมด 55.57 GB

• model.safetensors.index.json — แมปทุกเทนเซอร์ไปยังชาร์ดของมัน ซึ่งเป็นไฟล์ที่ตัวโหลดอ่านเป็นอย่างแรก

• config.json — สถาปัตยกรรม: 64 เลเยอร์, hidden size 5,120, ขนาดคำศัพท์ 248,320 และเลย์เอาต์ Gated DeltaNet / Gated Attention

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

• chat_template.jinja — เทมเพลตแชท ซึ่งรวมถึงบล็อกการคิด; llama.cpp ต้องการให้ส่งเป็นเทมเพลต jinja ไม่เช่นนั้นโมเดลจะตอบกลับคุณในแท็กความคิด

• preprocessor_config.json และ video_preprocessor_config.json — การประมวลผลล่วงหน้าของภาพและวิดีโอ

• crc32.txt — เช็คซัมรายชาร์ด; ใช้ตรวจสอบไฟล์ดาวน์โหลดเทียบกับไฟล์นี้ แล้วการถ่ายโอนที่เสียหายจะไม่เป็นปริศนาอีกต่อไป

• README.md (การ์ดโมเดลขนาด 65 kB), LICENSE (Apache 2.0), generation_config.json, .gitattributes (ระบุว่าไฟล์น้ำหนักเป็น Git LFS).

ผลที่ตามมาประการหนึ่งของรูปแบบโครงสร้างนี้มีความสำคัญต่อปัญหาที่เก็บปลอมด้านล่าง สำเนาที่แท้จริงของที่เก็บนี้มีขนาดใหญ่และสมบูรณ์ ที่เก็บตัวแทนที่มีชื่อ "Qwen3.8" และมีเพียง README ไม่ใช่การดาวน์โหลดที่ล้มเหลว — แต่มันเป็นที่เก็บที่แตกต่างและว่างเปล่า

วิธีดาวน์โหลด — สามวิธี

วิธีที่หนึ่งคือ huggingface-cli ซึ่งเป็นวิธีที่สะอาดที่สุด โมเดลเป็นสาธารณะ จึงไม่จำเป็นต้องเข้าสู่ระบบ คำสั่งนี้จะดาวน์โหลดทั้ง 18 ชาร์ดพร้อมกับข้อมูลเมตาลงในโฟลเดอร์:

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

สำหรับการถ่ายโอนขนาด 55.6 GB hf_transfer ซึ่งเป็นแบ็กเอนด์ที่คุ้มค่าแก่การติดตั้ง — มันทำให้การดาวน์โหลดเป็นแบบขนานและมักจะลดเวลาลงอย่างมาก:

pip install hf_transfer

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

วิธีที่สอง, git clone, จะทำให้คุณได้ repo เป็น working copy ที่มีประวัติการเปลี่ยนแปลง ต้องใช้ Git LFS:

git lfs install

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

วิธีที่สามคือ เบราว์เซอร์ — เปิดแท็บ Files และดาวน์โหลดชาร์ดทีละอัน วิธีนี้สมเหตุสมผลก็ต่อเมื่อคุณต้องการไฟล์เดียว (เช่น แค่ config.json เพื่อตรวจสอบสถาปัตยกรรม) สำหรับรีพอซิทอรีทั้งหมด ต้องดาวน์โหลดเอง 18 ครั้ง บวกการตรวจสอบเช็คซัม ควรใช้ CLI แทน

ไฟล์ใดที่คุณควรดาวน์โหลดจริงๆ

รีโพอย่างเป็นทางการคือ BF16 safetensors — ความแม่นยำเต็ม 55.6 GB — อาร์ติแฟกต์ที่เหมาะสมหากคุณมี GPU ระดับ 80 GB หรือต้องการจะลด quantization ลงเองทีหลัง ไม่มี GGUF อย่างเป็นทางการ GGUF build ที่ผู้คนใช้จริงบนการ์ดผู้บริโภคนั้นเป็นเวอร์ชันจากชุมชน: Hugging Face แสดงโมเดล quantized 303 รายการที่สร้างจาก base นี้ (ตรวจสอบเมื่อ 15 สิงหาคม 2026) และที่ runbooks ชี้ไปคือ unsloth และ lmstudio-community builds ระดับคร่าวๆ:

• BF16 safetensors — 55.6 GB ต้องใช้ GPU ระดับ 80 GB ที่ความแม่นยำเต็มรูปแบบ

• GGUF Q8_0 — ประมาณ 29 GB ใส่การ์ด 48 GB ได้

• GGUF Q4_K_M — ประมาณ 17 GB เป็นตัวเลือกมาตรฐานสำหรับการ์ดจอ 24 GB

• GGUF 2-bit — ประมาณ 9 GB ใส่ในการ์ด 12 GB ได้พอดี โดยคุณภาพลดลงอย่างเห็นได้ชัด

หากคุณต้องการความสามารถด้านภาพจากบิลด์ GGUF คุณยังต้องมีไฟล์ mmproj แยกต่างหากสำหรับตัวเข้ารหัสภาพ ซึ่งระบุไว้ในการ์ดชุมชนแต่ละใบ สำหรับรายละเอียดครบถ้วนเกี่ยวกับการควอนไทซ์และรันไทม์ — รวมถึงข้อควรระวังเรื่อง chat-template ของ llama.cpp — รันบุ๊คของเราเกี่ยวกับการรัน Qwen3.8 27B บนเครื่องของคุณมีรายละเอียดทั้งหมด

วิธีแยก repo จริงออกจากของปลอม

ก่อนที่ weights จะถูกปล่อยออกมา การค้นหาใน Hugging Face เต็มไปด้วย repos ของ "Qwen3.8" ที่ไม่มีไฟล์น้ำหนัก — การ์ดหลอก (placeholder cards) และ forks ที่ถูกจอดไว้เพื่อดักคนที่ค้นหาตั้งแต่เนิ่นๆ บางตัวยังคงอยู่ รายการตรวจสอบการยืนยัน:

• ตรวจสอบผู้เผยแพร่ ไม่ใช่ชื่อ คลังเก็บที่แท้จริงอยู่ภายใต้ org ของ Qwe​n: Qwen/Qwen3.8-27B. คลังเก็บที่ชื่อ Qwen3.8 27B ภายใต้บัญชีอื่นไม่ใช่เวอร์ชันทางการ ไม่ว่าหน้าตาจะดูน่าเชื่อถือแค่ไหนก็ตาม

• ใช้คอลเล็กชันอย่างเป็นทางการ Qwe​n เป็นผู้ดูแล huggingface.co/collections/Qwen/qwen38 โดยทุก repo ในนั้นเป็นของ Qwen

• ตรวจสอบช่องใบอนุญาต บัตรจริงระบุว่า Apache 2.0

• ตรวจสอบขนาดและรูปร่าง พื้นที่เก็บข้อมูลจริงมี safetensors 18 ชาร์ด รวมประมาณ 55.6 GB, ไฟล์เช็คซัม crc32.txt และ README ขนาด 65 kB การไม่มีไฟล์น้ำหนักใดๆ หมายถึงพื้นที่เก็บข้อมูลว่างเปล่า ไม่ใช่การดาวน์โหลดที่เสียหาย

• ให้ถือว่าจำนวนดาวน์โหลดเป็นสัญญาณ ไม่ใช่หลักฐาน รีโปของแท้มียอดดาวน์โหลดเกิน 91,000 ครั้งภายในวันเดียว ซึ่งบ่งบอกว่าคนอื่นกำลังชี้ไปทางไหน แต่ของปลอมก็ถูกดาวน์โหลดได้เช่นกัน ผู้เผยแพร่คือหลักประกัน

หลังการดาวน์โหลด ให้ตรวจสอบความถูกต้อง: ตรวจสอบ CRC32 ของแต่ละชาร์ดเทียบกับ crc32.txt หรือโหลดโมเดลด้วย Transformers และยืนยันว่า state dict โหลดโดยไม่มีคำเตือน วิธีนี้จะจับได้ทั้งการถ่ายโอนที่เสียหายและโมเดลที่ถูกแพ็กใหม่ผิดตัว

เมื่อการดาวน์โหลดคือการตัดสินใจที่ผิด

การดาวน์โหลด 55.6 GB ไม่ใช่ทางเลือกที่เหมาะสำหรับทุกคน และบทความเวอร์ชันที่พูดตรงไปตรงมาก็กล่าวไว้ชัดเจนเช่นนั้น

คุณแค่ต้องการประเมินโมเดล เส้นทาง API เร็วกว่า — การทดสอบแบบมีโครงสร้างมีค่าใช้จ่ายเพียงไม่กี่เซ็นต์และใช้เวลาเป็นนาที ไม่ใช่การดาวน์โหลดและการตั้งค่าที่ต้องใช้เวลาทั้งบ่าย

คุณไม่มี GPU ที่มีความจุใกล้เคียง 80 GB ไฟล์ดาวน์โหลด BF16 ไม่ใช่สิ่งที่เหมาะสำหรับคุณ เลือก GGUF quant หรือ API

คุณจำเป็นต้องมีเกณฑ์มาตรฐานที่ผ่านการตรวจสอบแล้ว ตัวเลขหลักทุกตัวสำหรับ Qwen3.8 27B เป็นข้อมูลที่รายงานโดย Ali​baba ณ วันที่ 15 สิงหาคม 2026 หากการตัดสินใจของคุณขึ้นอยู่กับตัวเลขที่ห้องปฏิบัติการอิสระได้ทำซ้ำแล้ว ก็จงรอตัวเลขเหล่านั้น — น้ำหนักของโมเดลจะยังคงอยู่ที่นี่

คุณกำลังต่อยอดจากโมเดลที่เพิ่งถูกสร้างขึ้นมาได้ไม่กี่วัน ชุดน้ำหนักถูกเผยแพร่เมื่อวันที่ 14 สิงหาคม หน้าข้อมูลโมเดลของ OrcaRouter ที่อ่านวันนี้แสดงอัตราความผิดพลาด 33.3% ในช่วงเจ็ดวันที่ผ่านมา และค่า p50 ของ latency ในการสร้างโทเค็นแรกที่ 225 มิลลิวินาที — นี่คือโมเดลใหม่เอี่ยมที่เพิ่งเริ่มมีโหลด ดังนั้นให้ถือว่าเทเลเมทรียุคแรกเริ่มเป็นข้อมูลชั่วคราว ผู้ที่โฮสต์เองควรยึด commit ที่ดาวน์โหลดไว้และเก็บทางสำรอง ผู้ใช้ API ควรตั้งกฎ failover ไว้เช่นกัน เพื่อเป็นหลักประกันในลักษณะเดียวกัน

คุณต้องการสัญญาการสนับสนุนApache 2.0 เป็นสัญญาอนุญาตแบบผ่อนปรน แต่ใบอนุญาตไม่ใช่ SLA หากปริมาณงานของคุณต้องการการสนับสนุนจากผู้จำหน่าย เส้นทาง API แบบโฮสต์คือทางเลือกที่ปลอดภัยกว่า

สรุป

ตัวจริงQwen3.8 27B อยู่บน Hugging Face ที่ Qwen/Qwen3.8-27B, Apache 2.0, เผยแพร่เมื่อวันที่ 14 สิงหาคม 2026, BF16 safetensors ขนาด 55.6 GB ใน 18 ชาร์ด. ดาวน์โหลดด้วย huggingface-cli หรือ git clone, ตรวจสอบว่าผู้เผยแพร่คือองค์กร Qwen, แล้วคุณจะได้โมเดลโอเพนเวตส์ขนาด 27B ที่ล้ำสมัยซึ่งไม่มีใครสามารถเอาออกไปหรือเรียกเก็บเงินจากคุณได้. หากนั่นเป็นการผูกมัดมากเกินกว่าที่การใช้งานของคุณต้องการ, โมเดลเดียวกันนี้ก็อยู่ห่างออกไปเพียงไม่กี่เซนต์ผ่าน API. อย่างไรก็ตาม, น้ำหนักของโมเดลคือหัวใจสำคัญ — และมันฟรี.