Qwen3.8-27B: โมเดลมัลติโมดัลขนาดกะทัดรัดในกลุ่มผลิตภัณฑ์ Qwen3.8 ของ Alibaba

Qwen3.8-27B เป็นสมาชิกรุ่น dense แบบโหนดเดียวในเจเนอเรชัน Qwe​n3.8 ของ Aliba​ba: โมเดล vision-language แบบเนทีฟขนาด 27 พันล้านพารามิเตอร์ เผยแพร่บน Hugging Face ภายใต้ Apache 2.0 รองรับข้อความ รูปภาพ และวิดีโอ และส่งคืนข้อความด้วยหน้าต่างบริบท 262,144 โทเคน หน้านี้คือหน้าอ้างอิงสำหรับโมเดลนั้น — บทความมาตรฐานที่อธิบายว่ามันคืออะไร มีค่าใช้จ่ายเท่าใดในการเรียกใช้ และทำอะไรได้บ้าง — และเป็นการดีที่จะกล่าวตั้งแต่ต้นว่าทำไมจึงมีหน้าสำหรับโมเดลที่น้ำหนักปรากฏครั้งแรกในเดือนสิงหาคม 2026 ไม่ใช่ในเจ็ดวันที่ผ่านมา เราไม่ได้รายงานการเปิดตัว เรากำลังตอบคำถามที่มีอยู่เรื่อยมา: ผู้อ่านมาถึงเราด้วยชื่อ "Qwen3.8-27B" หลายพันครั้งต่อเดือน และจนถึงตอนนี้ก็ยังไม่มีหน้าใดของเราที่เป็นเจ้าของคำตอบนั้น การเปิดตัวของโมเดลเอง ซึ่งระบุวันที่บนการ์ดของ Qwe​n และบันทึกเป็น 2026-08-14 โดย Artificial Analysis เป็นข้อเท็จจริงที่หน้านี้ใช้ระบุวันที่ของโมเดล ไม่ใช่เหตุการณ์ที่หน้านี้รายงาน

จงอ่านสิ่งนี้ในฐานะข้อยกเว้นอย่างที่มันเป็น: หากยึดเกณฑ์เจ็ดวันอย่างเคร่งครัด โมเดลจากกลางเดือนสิงหาคม 2026 ก็ไม่ถือว่าใหม่ และรายการนี้ก็จะถูกข้ามไปในฐานะข่าว แต่เหตุผลรองรับตรงนี้ต่างออกไป นี่คือหน้าอ้างอิงที่ตัวเลขต่าง ๆ ได้รับการตรวจสอบเทียบกับโมเดลการ์ดของ Qwen เอง ไฟล์สัญญาอนุญาตของรีโพซิทอรี เรตการ์ดของ Qwen Cloud และ Artificial Analysis เมื่อวันที่ 2026-09-28 และเหตุผลที่มันดำรงอยู่ก็คือความต้องการค้นหาที่เราวัดเองจากฝ่ายเราในวันเดียวกัน มันไม่ใช่การประกาศครั้งที่สอง และไม่ควรมีใครอ่านมันเช่นนั้น

ตำแหน่งของ 27B ในไลน์อัป Qwen3.8

เจ​เนอเรชัน Qwe​n3.8 ไม่ใช่โมเดลเดียว และคำต่อท้ายที่บอกขนาดคือหัวใจทั้งหมดของชื่อนี้ บันทึกในรีโพซิทอรีของ Qwe​n เองที่ครอบคลุมทั้งตระกูลได้ระบุการแยกส่วนนี้ไว้อย่างชัดเจน:

• Qwen3.8-27B — พารามิเตอร์แบบ dense 27B, รองรับอินพุตรูปภาพและวิดีโอแบบเนทีฟ, Apache 2.0 สมาชิกที่เหมาะสำหรับการดีพลอย: โมเดลที่มีขนาดพอเหมาะสำหรับรันบน GPU ตัวเดียวหรือโหนดขนาดเล็ก และเป็นหัวข้อของหน้านี้

• Qwen3.8-Max ซึ่งสร้างขึ้นบน Qwen3.8-2.4T-A95B — โมเดลที่มีพารามิเตอร์รวม 2.4 ล้านล้านตัว โดยมีพารามิเตอร์ที่ทำงานอยู่ 95B จัดอยู่ในระดับ Qwen-Max ที่ Alibaba เปิดให้ใช้งานเป็นครั้งแรกในเจเนอเรชันนี้ ที่เก็บโค้ดของมันใช้สัญญาอนุญาตแบบเฉพาะ qwen3.8-max แทน Apache 2.0

• Qwen3.8-Flash-Next — ตัวอย่างสถาปัตยกรรมเชิงทดลองที่ Qwen กล่าวว่าจะเป็นรากฐานรองรับ Qwen4 ซึ่งเผยแพร่ภายใต้qwen-community-1.0 สัญญาอนุญาต โดย Qwen3.8-Flash แบบโฮสต์นั้นสร้างขึ้นบนสถาปัตยกรรมนี้

ดังนั้น "27B" ไม่ใช่ระดับรุ่นย่อยของโมเดล Max; มันคือคลาสขนาดที่ทีมเดียวสามารถให้บริการได้จริง สิ่งที่ Alibaba อ้างว่ามันสืบทอดมาคือสูตรการฝึกโมเดล: การ์ดระบุว่า Qwen3.8-27B นำความก้าวหน้าของรุ่นในด้านการเขียนโค้ด งานวิชาชีพ การวิจัย และงานแบบเอเจนต์ระยะยาว มาบีบอัดให้เป็นเช็กพอยต์แบบ dense

สถาปัตยกรรมที่ Qwen เผยแพร่

ตัวเลขทุกตัวด้านล่างนี้มาจากการ์ดโมเดลที่ Qwen/Qwen3.8-27B ซึ่งเป็นเอกสารของผู้จำหน่ายเอง:

• พารามิเตอร์ — 27B ตามที่โฆษณาไว้ เมทาดาทา safetensors ของที่เก็บเองระบุจำนวนพารามิเตอร์ทั้งหมด 27,781,427,952 พารามิเตอร์ใน BF16 กระจายอยู่ 18 shard ดังนั้นจึงประมาณ 27.8B เมื่อนับ vision tower รวมด้วย ที่นี่ไม่มี mixture-of-experts: พารามิเตอร์ทั้งหมดทำงานในทุกโทเคน

• ขนาด — 64 เลเยอร์, มิติที่ซ่อนอยู่ 5,120, มิติระดับกลางของฟีดฟอร์เวิร์ด 17,408, การฝังโทเคนและเอาต์พุต LM 248,320 (แพด)

• แอตเทนชันแบบไฮบริด — เลย์เอาต์ที่ Qwe​n พิมพ์คือ 16 × (3 × (Gated DeltaNet → FFN) → 1 × (Gated Attention → FFN)): บล็อก linear attention สามบล็อกต่อบล็อก full attention หนึ่งบล็อก อัตราส่วน 3:1 Gated DeltaNet รัน linear attention head 48 หัวสำหรับ V และ 16 หัวสำหรับ QK ที่ head dimension 128; Gated Attention รัน query head 24 หัว เทียบกับ KV head 4 หัว ที่ head dimension 256 โดยมี rotary dimension 64 อัตราส่วนนี้คือสิ่งที่ทำให้หน้าต่าง 262K จ่ายไหวบนโมเดล 27B และเป็นสายพันธุ์เดียวกับที่ Qwen3.8-Flash-Next ต่อยอดด้วย sparse attention

• การทำนายหลายโทเคน — การ์ดระบุว่าโมเดลนี้ถูกฝึกด้วย MTP หลายขั้นตอน ซึ่งเป็นเทคนิคการดราฟต์ที่ช่วยเร่งความเร็วในการสร้างเอาต์พุตในสแตกการให้บริการที่รองรับ MTP

• การควบคุมการคิด — โหมดคิดเปิดอยู่โดยค่าเริ่มต้นและสามารถปิดได้ตามคำขอ reasoning_effort รับค่า xhigh (ค่าเริ่มต้น), medium หรือ low และ preserve_thinking เปิดอยู่โดยค่าเริ่มต้น เพื่อให้ร่องรอยการให้เหตุผลคงอยู่ข้ามเทิร์นแทนที่จะถูกสร้างใหม่

หน้าต่างบริบทและเพดานเอาต์พุต

การ์ดระบุว่ารองรับ 262,144 โทเค็นแบบเนทีฟ และขยายได้ถึง 1,000,000 ด้วยการสเกล RoPE (YaRN) แนวทางการเสิร์ฟของ Qwen เองสำหรับการรันแบบเอเจนต์เป็นเวลานาน ภายในขอบเขต 1 ล้านโทเค็นนั้น คืออนุญาตสูงสุด 262,144 โทเค็นสำหรับเนื้อหาการให้เหตุผล และสูงสุด 131,072 โทเค็นสำหรับคำตอบสุดท้าย — เพดานดังกล่าวเป็นการตั้งค่าการเสิร์ฟ ไม่ใช่คุณสมบัติตายตัวของเช็กพอยต์

สองหน้าต่างนี้ควรแยกออกจากกัน เพราะอาจถูกนำมาปนกันได้ง่ายน้ำหนักแบบเปิดรันที่ 262,144 แบบเนทีฟ; ส่วนโฮสต์เวอร์ชันบน Qwen Cloud ซึ่งการ์ดโมเดลระบุว่ายังมาไม่ถึง ("บริการกำลังจะมา") ถูกระบุไว้บนหน้าโมเดลของ Qwen Cloud ด้วยคอนเท็กซ์ 1M อินพุตสูงสุด 991K เอาต์พุตสูงสุด 131K และงบการให้เหตุผลสูงสุด 262K สเปกชีตของผลิตภัณฑ์โฮสต์ไม่ใช่สเปกชีตของเช็กพอยต์

รูปแบบ: อะไรเข้าและอะไรออก

อินพุตคือข้อความ รูปภาพ และวิดีโอ เอาต์พุตเป็นข้อความเท่านั้น การ์ดนี้เรียก Qwen3.8-27B ว่า “โมเดลภาษาภาพแบบเนทีฟที่เข้าใจรูปภาพและวิดีโอ” และโค้ดตัวอย่างของโมเดลก็รองรับอินพุตทั้งสามประเภท ไม่มีอินพุตเสียง ไม่มีการสร้างรูปภาพ และไม่มีเอาต์พุตเสียงพูด บันทึกโมเดลของ Artificial Analysis สำหรับเช็กพอยต์เดียวกันเห็นพ้องกับกรอบความสามารถนี้ — รับรูปภาพ วิดีโอ และข้อความเข้า ส่งข้อความออก — ซึ่งเป็นการอ่านจากแหล่งที่สองที่มีประโยชน์ เพราะไม่ใช่หน้าของ Alibaba เอง

สิ่งที่การเปิดตัว Apache 2.0 อนุญาตจริง ๆ

สัญญาอนุญาตนี้ไม่ใช่บทสรุปในโพสต์บล็อก; ที่เก็บโค้ดมีข้อความ Apache License, Version 2.0 อยู่ในตัว และเมทาดาทาของการ์ดระบุว่า license: apache-2.0 สิ่งที่สิทธินี้มอบให้ เมื่ออ่านจากข้อความสัญญาอนุญาต: สัญญาอนุญาตลิขสิทธิ์แบบถาวร ทั่วโลก ไม่มีค่าลิขสิทธิ์ ในการทำซ้ำ จัดทำงานดัดแปลง แสดงต่อสาธารณะ อนุญาตให้ใช้สิทธิช่วงต่อ และแจกจ่ายงานและงานดัดแปลงของงานนั้น รวมถึงสัญญาอนุญาตสิทธิบัตรจากผู้มีส่วนร่วม — โดยมีการใช้งานเชิงพาณิชย์เป็นหนึ่งในวัตถุประสงค์ที่อนุญาต และไม่มีข้อจำกัดขอบเขตการใช้งาน ไม่มีเกณฑ์จำนวนผู้ใช้ และไม่มีข้อตกลงเชิงพาณิชย์แยกต่างหาก Apache 2.0 ยังเป็นแบบผ่อนปรนในแง่ที่สำคัญต่อการส่งมอบผลิตภัณฑ์: เวตที่ดัดแปลงอาจถูกแจกจ่ายต่อภายใต้เงื่อนไขที่แตกต่างออกไปได้ โดยมีเงื่อนไขว่าคุณต้องเก็บสัญญาอนุญาตและประกาศการให้เครดิตไว้ และระบุว่าคุณเปลี่ยนแปลงอะไรไปบ้าง (มาตรา 4a–4c) มาตรา 6 ไม่ได้ให้สิทธิ์ใด ๆ ในชื่อหรือเครื่องหมายการค้า Qwe​n ดังนั้นฟอร์กที่ใช้ Apache-2.0 จึงไม่สามารถทำการตลาดว่าตนเองเป็น Qwe​n ได้

การเปรียบเทียบภายในตระกูลนี้ให้ข้อคิด และมองเห็นได้จากรีโพซิทอรีมากกว่าจากความครอบคลุม: เช็กพอยต์ 2.4T-A95B เรียกตัวเองว่า อื่น ด้วยสัญญาอนุญาต qwen3.8-max ในขณะที่ Qwen3.8-Flash-Next ใช้ qwen-community-1.0. ส่วน 27B เป็นรุ่นเดียวในสามรุ่นที่มาภายใต้ Apache 2.0 แบบธรรมดา.

ตำแหน่งมาตรฐานอิสระ

Artificial Analysis ได้รันโมเดลนี้แล้ว และผลงานของมันควรแยกออกจากตารางของ Alibaba เอง เพราะทั้งสองตอบคำถามที่แตกต่างกัน ดัชนีอิสระ ซึ่งวัดบนxhighการตั้งค่า

• Intelligence Index 33.7 — ค่าที่จัดเก็บไว้ของ Artificial Analysis ซึ่งหน้าโมเดลของมันแสดงโดยปัดเป็น 34 มีการเผยแพร่สองอันดับ และทั้งสองวัดกลุ่มที่ต่างกัน: ไทล์สรุปของหน้านั้นเองจัดให้โมเดลอยู่อันดับ 1 จาก 142 โมเดลในระดับขนาดของมัน ในการเปรียบเทียบคลาสเดียวกันที่ทูลทิปของหน้าอธิบายไว้ ขณะที่แถวที่มาจากแหล่ง Artificial Analysis ในแค็ตตาล็อกของเราบันทึกเป็นอันดับ 45 จาก 145 ซึ่งประมาณเปอร์เซ็นไทล์ที่ 67 ทั้งสองไม่ใช่การจัดอันดับที่เทียบกับกลุ่มเดียวกันกับอีกอัน ดังนั้นอย่าอ่านค่าเหล่านี้เป็นตัวเลขเดียวกันในสองรูปแบบ

• ดัชนีการเขียนโค้ด 68.1 — บันทึกไว้ในแค็ตตาล็อกของเรา โดยมี artificialanalysis.ai เป็นแหล่งข้อมูลที่ระบุชื่อไว้ จัดอยู่ในอันดับที่ 35 จาก 138 ในกลุ่มของดัชนีนั้น โมเดลนี้มีอันดับด้านการเขียนโค้ดสูงกว่าด้านสติปัญญาทั่วไป ซึ่งสอดคล้องกับรูปแบบตารางของผู้จำหน่ายเอง

• บันไดความพยายาม ฮาร์เนสเดียวกัน — การลดความพยายามในการให้เหตุผลทำให้ดัชนีขยับไปไกลมาก: 33.7 ที่ xhigh, 27.6 ที่ medium, 26.2 ที่ low, และ 20.2 เมื่อปิดการให้เหตุผลทั้งหมด นั่นคือช่วงห่างที่วัดได้ 13.5 คะแนน และเป็นข้อโต้แย้งที่เป็นรูปธรรมที่สุดสำหรับการปรับความพยายามให้เหมาะกับแต่ละภาระงาน มากกว่าปรับตามโมเดล

• จุดที่สองแหล่งข้อมูลเห็นตรงกันและไม่ตรงกัน — บน GPQA Diamond การ์ดของ Aliba​ba รายงาน 89.2 และ Artificial Analysis วัดได้ 90.5 บน Humanity's Last Exam การ์ดรายงาน 30.8 และ Artificial Analysis 33.9 ใกล้เคียงกัน แต่ไม่ใช่ตัวเลขเดียวกัน ซึ่งเป็นเรื่องปกติ: ฮาร์เนสต่างกัน การรันต่างกัน มีข้อควรระวังหนึ่งข้อที่ควรอยู่ในบทความมากกว่าในเชิงอรรถ — ยังไม่มีบุคคลที่สามรายใดเผยแพร่การเปรียบเทียบแบบตัวต่อตัวระหว่าง Qwen3.8-27B กับโมเดลใด ๆ ในตารางเปรียบเทียบของ Aliba​ba ที่รันด้วยความพยายามที่จับคู่กันบนฮาร์เนสที่จับคู่กัน ดังนั้นการเปรียบเทียบข้ามโมเดลทุกจุดในหน้านี้จึงเป็นการเปรียบเทียบการวัดที่แยกกัน ไม่ใช่ผลลัพธ์

สิ่งที่ Qwen รายงาน และวิธีอ่าน

การ์ดโมเดลมีคะแนนราวสองโหล พร้อมคอลัมน์เปรียบเทียบสำหรับ Qwen3.6-27B, Qwen3.7-Plus, Muse Glimmer-30B และ Opus4.6 Max ทั้งหมดเป็นข้อมูลที่ผู้ขายรายงานและยังไม่มีการทำซ้ำผล — การประเมินของ Alibaba เอง ซึ่งพิมพ์โดย Alibaba — และหลายแถวใช้ฮาร์เนส Claude Code ที่ถูกตัดสินโดยบิลด์ GPT-5.4 ซึ่งเชิงอรรถของการ์ดระบุไว้ ตัวเลขเด่นของผู้ขายบนพื้นฐานดังกล่าว:

• การเขียนโค้ดในเทอร์มินัลแบบเอเจนต์ — Terminal Bench 2.1 (Terminus) 73.0 เทียบกับ 63.4 สำหรับ Qwen3.6-27B ที่มันมาแทนที่ โดยมี Opus4.6 Max เป็นผู้นำในแถวด้วย 78.2

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

• เอเจนต์และงานสำนักงาน — CoWorkBench 70.7, JobBench 33.4, Agents' Last Exam 42.9 ตามคะแนน (Pass@1 20.4)

• การให้เหตุผลทั่วไป — GPQA Diamond 89.2, HLE 30.8, IFBench 79.5. Opus4.6 Max เป็นผู้นำในทั้งสองแถวด้านการให้เหตุผลในตารางของผู้ขายเอง โดยอยู่ที่ 91.3 และ 40.0

• การมองเห็นและการใช้คอมพิวเตอร์ — OSWorld-Verified 84.3, AndroidWorld 81.9, WebArena-Verified 64.8, OmniDocBench 1.5 91.1, RealWorldQA 85.9.

สรุปที่ซื่อตรงของตารางนั้นแคบกว่าที่ตารางดูเหมือน เมื่อเทียบกับรุ่นก่อนหน้าโดยตรง การเพิ่มขึ้นนั้นมากและสม่ำเสมอ — QwenSWEBench 79.0 เทียบกับ 49.3, DeepSWE 42.2 เทียบกับ 13.3 — และนั่นเป็นข้อกล่าวอ้างเกี่ยวกับการเปลี่ยนแปลงสูตรหนึ่งรุ่น เมื่อเทียบกับโมเดลระดับแนวหน้าในคอลัมน์ข้างเคียง มันชนะในบางแถวและแพ้ในแถวอื่น จากตัวเลขของ Aliba​ba เอง จากการเลือกฮาร์เนสของ Aliba​ba เอง

กำลังรันมัน

เวตเป็น BF16 แบบแบ่งเป็น 18 ชาร์ดในรูปแบบ Transformers และการ์ดระบุว่า Hugging Face Transformers, vLLM, SGLang และ TokenSpeed เป็นสแตกที่รองรับ เราได้เขียนเส้นทางการปรับใช้ในเครื่องและเส้นทางการควอนไทซ์ไว้แยกกัน และนั่นคือที่ที่เหมาะสมสำหรับรายละเอียดนั้น: Qwen3.8-27B บน Ollama สำหรับดีมอนในเครื่อง และบทแนะนำการวัดประสิทธิภาพสำหรับสกอร์การ์ดฉบับเต็ม รวมถึงสิ่งที่เปลี่ยนแปลงไปจาก Qwen3.6-27B หน้านี้จะอยู่ที่ตัวโมเดลเท่านั้น

Qwen3.8-27B ในแคตตาล็อกของเรา

วันนี้มีสองการ์ดที่เปิดใช้งานอยู่บน OrcaRouter เคียงข้างกัน และทั้งคู่ได้รับการอ่านซ้ำอีกครั้งเมื่อวันที่ 2026-09-28 ก่อนที่ย่อหน้านี้จะถูกเขียนขึ้น qwen/qwen3.8-27bมีราคาอยู่ที่ $0.33 ต่อโทเคนอินพุตหนึ่งล้านโทเคน และ $2.40 ต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน พร้อมหน้าต่างบริบทขนาด 262,144 โทเคนเต็มรูปแบบ รองรับอินพุตแบบข้อความ รูปภาพ และวิดีโอ และมีพื้นผิวด้าน reasoning, tools, structured-output และ JSON ที่เปิดให้ใช้เป็นพารามิเตอร์ได้ ส่วนรุ่นพี่น้องอย่าง obsidian/Qwen3.8-27B ซึ่งใช้น้ำหนักชุดเดียวกันแต่ให้บริการในรูปแบบ block-FP8 โดยที่ vision tower ยังคงความแม่นยำเต็มรูปแบบ และตามคำบรรยายในการ์ดของมันเองว่า "ออกแบบมาเพื่อให้คำตอบที่ตรงประเด็นและครบถ้วนสำหรับพรอมป์ที่หลากหลาย" มีราคาอยู่ที่ $0.40 สำหรับอินพุต และ $4.21 สำหรับเอาต์พุต ทั้งสองรุ่นตอบรับ chat completions และ Responses API ดังนั้นงานด้านการแยกวิเคราะห์เอกสารหรือสกรีนช็อตจึงสามารถชี้ไปที่โมเดลใดก็ได้ภายใต้คีย์เดียวและเอนด์พอยต์เดียว โดยไม่ต้องมีสัญญาที่สองและไม่ต้องแก้โค้ดใด ๆ

เพื่อให้เห็นขนาด playground ของเราเองได้ประมวลผล 105.1 ล้านโทเคนผ่าน qwen/qwen3.8-27b ในช่วงเจ็ดวันที่ผ่านมา โดยมีค่ามัธยฐานเวลาถึงไบต์แรกที่ 3.8 วินาที และอัตราข้อผิดพลาด 3.3% ในช่วงเดียวกัน นั่นคือตัวเลขการให้บริการของเรา ไม่ใช่คำตัดสินเกี่ยวกับโมเดล

การค้นหาที่นำมาที่นี่

อุปสงค์ที่อยู่เบื้องหลังหน้านี้กระจายตัวบางเบา และอยู่เลยจุดคลิกไปเพียงเล็กน้อย ในช่วง 28 วันจนถึงวันที่ 2026-09-25 พร็อพเพอร์ตี้ของเราได้รับการแสดงผล 8,931 ครั้ง และคลิก 273 ครั้ง จากการสะกดชื่อโมเดลที่แตกต่างกันอย่างแม่นยำ 69 แบบ — "qwen3.8 27b", "qwen3.8-27b", "qwen 3.8 27b" และวิธีเขียนโทเค็นสามตัวเดียวกันนี้อีกหลายสิบแบบ อันดับที่ดีที่สุดของเราสำหรับการสะกดที่ใหญ่ที่สุดอยู่ที่ 9.0 ถึง 10.6 นั่นคืออันดับที่เราได้มาโดยบังเอิญจากหน้าอื่น ซึ่งเป็นปัญหาที่หน้า canonical แก้ไขได้พอดี: ในอันดับที่เก้า คุณอยู่บนหน้า แต่ไม่มีใครคลิก จุดเดียวที่ทราฟฟิกเปลี่ยนเป็นการกระทำคือภาษาต่างประเทศ — การสะกดชื่อเป็นภาษารัสเซียอยู่ที่อันดับ 1.8 สำหรับเรา และมีอัตราการแปลง 14.4%

ไม่มีสิ่งใดในนั้นเป็นหลักฐานเกี่ยวกับตัวโมเดล มันเป็นหลักฐานเกี่ยวกับสิ่งที่ผู้คนพิมพ์ และนั่นคือเหตุผลที่หน้านี้มีอยู่

เมื่อรวมทั้งหมดแล้ว: เช็กพอยต์แบบ dense ขนาด 27B ที่มีเลย์เอาต์แอตเทนชันแปลกตาอย่างแท้จริง สัญญาอนุญาตแบบผ่อนปรน ความเข้าใจวิดีโอแบบเนทีฟ เงื่อนไข Apache-2.0 ที่ให้คุณปล่อยเวอร์ชันดัดแปลงได้ อันดับด้านการเขียนโค้ดจากหน่วยงานอิสระที่อยู่ในควอไทล์บนสุดของสิ่งที่ Artificial Analysis วัด และตารางจากผู้ขายที่แข็งแกร่งเมื่อเทียบกับรุ่นก่อนหน้าแต่ก้ำกึ่งเมื่อเทียบกับกลุ่มผู้นำ คำถามที่ยังเปิดอยู่คือคำถามที่ยังไม่มีใครนอก Alibaba ตอบได้ — เส้นทางโฮสต์แบบ 1M-token ทำงานอย่างไรในการใช้งานจริง และสถาปัตยกรรม Flash-Next จะถูกนำมาใช้ในโมเดลขนาดนี้หรือไม่

คอร์ 2.4T-A95B ที่อยู่เบื้องหลัง Qwen3.8-Max เปิดใช้งานแล้วในแคตตาล็อกเดียวกัน: qwen/qwen3.8-max ในราคา $2.00 / $6.00 ต่อล้านโทเคน หากขนาด 27B ไม่ใช่ขนาดที่คุณต้องการ