Thẻ tiêu đề hero cho bài đánh giá Qwen3.8-27B, có tựa đề 'Qwen3.8-27B Review' với phụ đề 'Mô hình 27B open-weight là Opus ngay tại nhà — được kiểm chứng trước sự thổi phồng', hiển thị huy hiệu open-weights, huy hiệu Apache 2.0 và bộ biểu tượng GPU và máy chủ trên nền trắng sạch với điểm nhấn gradient xanh dương nhạt.
Guides & Insights

Đánh giá Qwen3.8-27B: mô hình 27B trọng số mở được ví như "Opus tại nhà" — được kiểm chứng thực tế trước sự thổi phồng

Tác giả

Alistair Wren

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Qwen3.8 27B hiện là mô hình 27B trọng số mở tốt nhất mà bạn có thể tự vận hành, và khoảng cách không hề nhỏ. Trọng số được phát hành ngày 14 tháng 8 năm 2026 theo giấy phép Apache 2.0: một mô hình dense 27B (28B nếu tính cả bộ mã hóa thị giác) với ngữ cảnh gốc 262K, đầu vào hình ảnh và video gốc, cùng các điểm số lập trình tác tử do nhà cung cấp báo cáo ở mức ngang hoặc vượt Cla​ude Opus 4.6 Max — SWE-bench Pro 61,7, DeepSWE 1.1 42,2, LiveCodeBench v6 90,3. Mức giá đáng chú ý là số không: tải 55,6 GB về và chạy. Những hạn chế cũng là thật — kiểm thử độc lập cho thấy nó chậm hơn khoảng ba lần và ngốn token nhiều hơn so với phiên bản tiền nhiệm, bảng benchmark của nhà cung cấp vẫn chưa có ai tái lập được, và ngữ cảnh 1M chỉ là tính năng dành riêng cho bản chạy trên máy chủ. Điểm chuyển biến thú vị kể từ khi ra mắt nằm ở phần dưới bảng thông số: vào ngày 13 tháng 10, một bản port llama.cpp do cộng đồng thực hiện đã báo cáo chạy được trọng số này trên GPU của một chiếc PlayStation 5 đã jailbreak với tốc độ khoảng 20 token mỗi giây. Kết luận: nếu bạn có GPU từ 24 GB trở lên và muốn năng lực tiệm cận hàng đầu mà không phải trả hóa đơn theo mức dùng, hãy tự vận hành nó — nhưng hãy bắt đầu với hiểu biết rõ ràng về việc chính xác những con số nào còn thiếu chắc chắn.

Kết luận trước: bạn có nên sử dụng Qwen3.8 27B?

Câu trả lời ngắn gọn — có, đối với khối lượng công việc cục bộ và riêng tư; hãy chờ số liệu từ bên thứ ba trước khi quyết định mua sắm. Qwen3.8 27B là mô hình hiếm hoi mà trọng số mở là sản phẩm và API là sự tiện lợi. Vì giấy phép là Apache 2.0, giá mỗi token vĩnh viễn bằng 0 khi bạn đã có phần cứng, và không gì bạn xây dựng trên nó có thể bị cấp phép lại hoặc tính phí hồi tố. Điều bạn đánh đổi là tốc độ, sự xác minh và sự tiện lợi.

Nếu bạn đã chạy Qwen3.6-27B và hài lòng với nó, thì bản nâng cấp là có thật nhưng không miễn phí về mặt thời gian thực tế. Nếu bạn đến đây từ buổi ra mắt Qwen3.8-Max, thì đây là thành viên nhỏ hơn, có thể tự lưu trữ trong cùng thế hệ — một công cụ khác cho một công việc khác.

Những thông tin nhanh, được kiểm tra ngày 15 tháng 10 năm 2026

• Phát hành — trọng số đã được phát hành vào ngày 14 tháng 8 năm 2026 tại Qwen/Qwen3.8-27B trên Hugging Face, được nhân bản trên ModelScope; các bài đưa tin theo múi giờ cũng ghi nhận ngày 13 tháng 8, và bản phát hành ra mắt khoảng một tuần sau khi thế hệ Qwen3.8 được công bố.

• Giấy phép — Apache 2.0: tải xuống, sửa đổi, phân phối lại, sử dụng thương mại, kèm theo cấp bằng sáng chế rõ ràng. Vĩnh viễn.

• Tham số — 27B dense (28B tính cả bộ mã hóa thị giác), 64 lớp, kích thước ẩn 5.120, từ vựng 248.320.

• Kiến trúc — cơ chế chú ý lai: 48 lớp chú ý tuyến tính Gated DeltaNet so với 16 lớp Gated Attention đầy đủ (tỷ lệ 3:1). Đây là lý do một mô hình dense 27B có thể mang theo 262K token ngữ cảnh gốc.

• Ngữ cảnh — 262.144 token gốc; có thể mở rộng lên 1.000.000 qua YaRN trên phiên bản lưu trữ.

• Đầu vào — hình ảnh và video gốc cùng với văn bản; trả về văn bản. Bộ mã hóa thị giác là lý do số tham số được ghi là 28B.

• Suy nghĩ — chế độ suy luận bật theo mặc định và có thể tắt theo yêu cầu; reasoning_effort (thấp/trung bình/cao) và preserve_thinking cho các lần chạy agent dài.

• Trọng số — 55,6 GB safetensors BF16 được chia thành 18 phần; FP8 và GGUFs từ cộng đồng cũng được cung cấp.

Các thông số kỹ thuật ở trên đến từ thẻ mô hình và cấu hình Hugging Face của Qwen3.8 27B, được đọc ngày 15 tháng 10 năm 2026. Bảng đánh giá chuẩn của nhà cung cấp do Alibaba báo cáo và vẫn chưa được tái lập. Đánh giá độc lập duy nhất được ghi nhận là của Artificial Analysis, đơn vị chấm Qwen3.8 27B 34 điểm trên Chỉ số Thông minh của mình và đo được 41,2 token đầu ra mỗi giây — một chỉ số duy nhất đặt cạnh một thẻ đầy số liệu của nhà cung cấp, và nó không tái lập được những số liệu đó.

Qwen3.8 27B thực sự giỏi ở điểm gì

Trường hợp thuyết phục nhất là kỹ thuật phần mềm tác tử. Ali​baba báo cáo DeepSWE 1.1 tăng gấp 3 lần so với phiên bản 27B trước đó (42.2 so với 13.3) và đạt điểm số vượt qua Cla​ude Opus 4.6 Max trên SWE-bench Pro (61.7 so với 53.4). Đó là những con số đã giúp nó có biệt danh "Opus tại nhà" — một mô hình dense 27B thực hiện các tác vụ lập trình gần mức tiên phong trên phần cứng mà một người thực sự có thể sở hữu.

Benchmark scoreboard card comparing Qwen3.8-27B with Qwen3.6-27B and Claude Opus 4.6 Max: SWE-bench Pro 61.7 vs 53.5 vs 53.4; DeepSWE 1.1 42.2 vs 13.3 vs n/a; LiveCodeBench v6 90.3 vs 83.9 vs 88.8; Terminal Bench 2.1 73.0 vs 63.4 vs 78.2; GPQA Diamond 89.2 vs 87.8 vs 91.3; OSWorld-Verified 84.3 vs 63.9 vs 72.7; QwenSWEBench 79.0 vs 49.3 vs 63.8; CoWorkBench 70.7 vs 61.0 vs 68.2. Footer: all figures Alibaba-reported, not yet independently reproduced.

Ba điều ngoài những con số thô khiến đây là một lựa chọn mua hợp lý:

• Đa phương thức nguyên bản. Ảnh và video đầu vào, văn bản đầu ra — một tài liệu có sơ đồ hoặc video hướng dẫn không phải là một mô hình riêng biệt. Điểm suy luận thị giác (85.6 với tính năng chuỗi suy nghĩ được bật, 94.6 toán thị giác, cả hai do nhà cung cấp công bố) là nơi bộ mã hóa thị giác chứng tỏ giá trị của nó.

• 262K ngữ cảnh gốc. Các tác vụ agent tầm xa, codebase lớn và bản ghi nhiều giờ đều vừa trong một cửa sổ. Thiết kế linear-attention lai giúp chi phí KV của ngữ cảnh đó thấp hơn so với mô hình full-attention thuần túy cùng kích thước.

• Trọng số miễn phí, vĩnh viễn.Đây chính là toàn bộ ý nghĩa của danh mục: một mô hình API đóng được thuê; Qwen3.8 27Bthì bạn sở hữu. Ở mức 4-bit, nó chạy trên card 24 GB (loại RTX 3090/4090), và AMD đã cung cấp hỗ trợ Day-0 (lên tới 24.5 tokens/s trên Ryzen AI Max+ 395 và 51.8 tokens/s trên Radeon AI PRO R9700, theo chính blog của AMD).

Nơi bài đánh giá trở nên khó coi: tốc độ, token và xác minh

Việc kiểm tra độc lập cho đến nay mới chỉ là bộ khung kiểm tra của một người thử nghiệm, không phải phòng thí nghiệm — nhưng đó là tín hiệu tốt nhất chúng ta có. Chạy Qwen3.8 27B so với Qwen3.6-27B trên mười tác vụ thực tế (được GPT-5.5 đánh giá thông qua bộ khung llmcompare), bản 3.8 đã thắng chín trên mười và đạt điểm trung bình 8.838 so với 6.862 — "một trong những sự cải thiện trí thông minh ấn tượng nhất" mà người thử nghiệm từng thấy. Nó cũng sử dụng gần gấp ba lần số token và chậm hơn đáng kể; một tác vụ mất thời gian lâu hơn khoảng 600%. Vì vậy, bước nhảy về chất lượng là có thật, và cái giá về thời gian thực tế cũng vậy.

Bốn điểm trừ nữa:

• Các đánh giá độc lập thì ít hơn so với những gì thẻ sản phẩm ngụ ý. Thẻ của nhà cung cấp rất chi tiết và mọi con số trên đó vẫn do Alibaba báo cáo. Điểm Chỉ số Thông minh 34 của Artificial Analysis, đọc ngày 15 tháng 10, là đánh giá độc lập đầu tiên mà mô hình này có — chỉ một điểm số, từ một phòng thí nghiệm, và không nói lên điều gì về SWE-bench Pro 61.7 hay DeepSWE 1.1 42.2. Nếu quyết định của bạn đòi hỏi các tuyên bố về năng lực tác tử phải được tái lập, thì chúng vẫn chưa được tái lập.

• Ngưỡng VRAM tối thiểu là có thật. BF16 cần một GPU cỡ 80 GB. Để chạy vừa trên card 24 GB, bạn buộc phải dùng 4-bit, và các báo cáo từ cộng đồng (luồng bình luận trên dev.to, vài ngày sau khi phát hành) nói rằng các bản dựng lượng tử hóa "mất tập trung sau ngữ cảnh dài." Dùng trọng số chính thức nếu bạn có đủ VRAM; dùng bản lượng tử hóa nếu không — và con đường lượng tử hóa giờ đã vươn tới phần cứng thấp hơn nhiều so với card 24 GB, mà phép đo trên PlayStation 5 dưới đây là bằng chứng thực tế đầu tiên về điều đó.

• Ngữ cảnh 1M chỉ có trên bản hosted. Các trọng số mở giới hạn ở mức 262K. Con số mở rộng lên 1M là tính năng của bản hosted Qwe​n Cloud, không phải điều mà bản sao cục bộ làm được mặc định.

• "Beats Opus" cần các điều kiện đi kèm. Các benchmark agentic khen thưởng các hành vi đặc thù của harness, và một bình luận hàng đầu trên bài đăng ra mắt tại dev.to đã nói thẳng: "chúng không đánh bại được opus khi sử dụng thực tế." Hãy coi bảng điểm là giới hạn trên trong một ngày thuận lợi, chứ không phải một lời hứa.

Nó nằm ở đâu trong gia đình Qwe​n 3.8

• so với Qwen3.6-27B — cùng phân khúc phần cứng và ngữ cảnh 262K, nhưng là bước nhảy vọt về khả năng, đánh đổi bằng tốc độ và hiệu suất token. Nếu bạn đã chạy 3.6 và bị giới hạn về thông lượng, giữ nguyên là hợp lý.

• so với Qwen3-Coder-30B-A3B — Coder là một MoE với khoảng 3,3 tỷ tham số hoạt động, chạy nhanh hơn nhiều (~90–110 token/giây). Bản dense 27B chậm hơn mỗi token nhưng kế thừa các lợi ích agentic của thế hệ; nếu điểm số kỹ thuật phần mềm của bản 27B được giữ vững qua kiểm tra độc lập, vai trò của Coder-30B sẽ thu hẹp.

• so với Qwen3.8-Max — mô hình chủ lực 2.4T MoE là mô hình dành cho trung tâm dữ liệu (chỉ dùng qua API, khoảng $2/$6 mỗi triệu token theo các bài viết công bố) với ngữ cảnh 1M và hỗ trợ video. Bản 27B mới là bản có thể triển khai. Chúng giải quyết những câu hỏi khác nhau.

Mức sàn phần cứng đã thay đổi vào ngày 13 tháng 10.

PS5LM là một bản port llama.cpp chạy các mô hình GGUF trên PlayStation 5 đã jailbreak, ngay bên trong chiếc console bạn đã sở hữu. Bản phát hành của nó khá khiêm tốn — v0.1.1, một payload duy nhất giới hạn ở khoảng 1,6 GB mô hình, tức Qwen3.5 2B ở 4-bit và không lớn hơn, chỉ trên CPU. Vào ngày 13 tháng 10, dự án đã nhận một pull request làm thay đổi diện mạo danh sách phần cứng: một hướng ứng dụng gốc liên kết llama-server với trình điều khiển Vulkan cộng đồng dành cho console, và báo cáo Qwen3.8 27B đạt 20,7 token mỗi giây ở lượng tử hóa UD-IQ2_XXS (6,77 GiB, ngữ cảnh 64k) và 20,3 token mỗi giây ở UD-Q2_K_XL (9,15 GiB, ngữ cảnh 32k, bộ đệm q4_0), với một câu trả lời dài 7.775 token duy trì ở 19,7 token mỗi giây. Cùng chiếc console đó đạt 61 token mỗi giây với Gemma 4 E4B và 124 với Llama 3.2 3B Instruct, và đó là điều khiến con số 27B đáng để đọc: đây không phải một mô hình nhỏ đang tô điểm cho một con số lớn.

Hãy gắn nhãn cho nó trước khi bạn hành động dựa trên nó. Những con số đó là số đo của chính tác giả pull request trên một nhánh chưa được hợp nhất, không phải benchmark của nhà cung cấp và cũng không phải bản dựng đã phát hành. Kho lưu trữ của chính PS5LM vẫn liệt kê cả GPU offload lẫn Qwen 3.8 27B là các mục trong lộ trình mà nó chưa phát hành, và bình luận của người bảo trì trên pull request cho biết ông ấy sẽ tái tạo các con số trên máy console của riêng mình trước khi README đăng chúng. Một người thử nghiệm thứ hai báo cáo rằng ứng dụng có chạy — firmware 4.50, các mô hình 7B và 9B ở khoảng 30 token mỗi giây — điều này củng cố cơ chế mà không tái tạo kết quả 27B. Để đạt được điều đó cũng giả định bạn sở hữu một máy console, firmware 7.00 đến 13.60, và một bản jailbreak.

Điều nó thay đổi là hình dạng của câu hỏi về chi phí, chứ không phải câu trả lời. Một mô hình 27B dense chạy khoảng 20 token mỗi giây trên máy chơi game thì chậm hơn cùng mô hình đó được phục vụ từ một GPU thực thụ — Artificial Analysis đo được 41,2 token mỗi giây qua API riêng của Ali​baba, và 20 token mỗi giây là tốc độ của bản dựng 2-bit, kèm theo mất mát chất lượng mà việc nén kéo theo. Vậy nên đây không phải là lý do để bỏ qua card 24 GB; đó là bằng chứng rằng hạng mô hình này có thể chạy được ở mức thấp hơn nhiều so với card đó. Nếu điều bạn thực sự muốn là biết liệu mô hình có tốt hay không trước khi dành cả cuối tuần cho một lần jailbreak, thì con đường rẻ là gọi tính phí theo mức dùng: một khóa API cho hơn 200 mô hình, không cần hợp đồng thứ hai, và tự động chuyển đổi dự phòng giữa các nhà cung cấp nếu endpoint chập chờn trong lúc bạn đang đánh giá.

Chi phí: câu hỏi local so với API, đã ngã ngũ

Với một mô hình đóng, bạn so sánh giá theo từng token. Với Qwen3.8 27B thì token biên không tốn gì trên phần cứng của riêng bạn — cái giá thật sự nằm ở chi phí GPU ban đầu và thời gian của bạn. Ở 4-bit, đó là một card 24 GB; ở BF16, đó là một máy thuộc lớp 80 GB. Nếu bạn không có sẵn máy đó, hoặc muốn có câu trả lời trước khi cam kết 55,6 GB dung lượng đĩa, thì vẫn có lộ trình dùng dịch vụ được lưu trữ: OrcaRouter niêm yết Qwen3.8 27B ở mức 0,33 USD mỗi triệu token đầu vào và 2,40 USD mỗi triệu token đầu ra trên trang mô hình của OrcaRouter, đây là giá niêm yết của nhà cung cấp được chuyển nguyên ở mức 0% markup (đã kiểm tra ngày 15 tháng 10 năm 2026). Gói miễn phí, bị giới hạn tốc độ mà trang này mô tả hồi tháng 8 không còn xuất hiện ở đó nữa — hãy coi đó là thông tin đã cũ trừ khi bạn thấy nó được nêu rõ. API riêng của Ali​baba là lộ trình dịch vụ được lưu trữ còn lại, được Artificial Analysis niêm yết ở mức 0,50 USD và 3,00 USD mỗi triệu token cho cấu hình suy luận Xhigh. Phiên bản được lưu trữ của Qwe​n Cloud, với ngữ cảnh 1M, vẫn được đánh dấu là "sắp ra mắt."

Cost comparison card for Qwen3.8-27B titled 'Self-host vs hosted — the real price': Apache 2.0 weights at $0 license plus your own GPU and electricity; a 4-bit GGUF of roughly 17 GB that fits a 24 GB card; BF16 at 55.6 GB needing an 80 GB-class GPU; a free rate-limited hosted tier at $0 with HTTP 429 past the cap; and a paid hosted tier at $0.33 input / $2.40 output per million tokens with a 262K context window. Footer: prices from the OrcaRouter model page, read August 15, 2026.

Cách lý giải trung thực: với một mô hình open-weights, nhà cung cấp chỉ là tiện ích, không phải sự phụ thuộc. Một lệnh gọi được host có tính phí theo mức dùng là cách rẻ nhất có thể để quyết định liệu bản tải xuống 55.6 GB có đáng hay không; đó cũng là cách duy nhất để thử mô hình mà không cần giải quyết trước vấn đề phần cứng mà đoạn về PlayStation 5 mô tả. Nhưng một khi bạn đã quyết định, trọng số mới là thứ quan trọng — và chúng miễn phí.

Cách thực sự thử nó

• Đánh giá nhanh nhất — hãy gọi nó trên một endpoint được lưu trữ với giá $0.33/$2.40 mỗi triệu token; vài trăm nghìn token cho công việc thực chỉ tốn vài xu và giải quyết xong câu hỏi trước khi bạn tải bất cứ thứ gì về.

• Kiểm tra thực tế trên phần cứng của bạn — tải xuống một GGUF từ cộng đồng (bản Q4_K_M nặng khoảng 17 GB và vừa với thẻ 24 GB) và chạy nó trong llama.cpp hoặc Ollama. Truyền mẫu trò chuyện Jinja, nếu không mô hình sẽ trả lời bạn trong các thẻ suy nghĩ. Đối với thị giác từ GGUF, bạn cũng cần tệp mmproj riêng. Runbook của chúng tôi về cách chạy Qwen3.8 27Bcục bộ sẽ hướng dẫn bạn qua từng bước.

• Độ chính xác đầy đủ — dùng huggingface-cli tải Qwen/Qwen3.8-27B lên GPU phân khúc 80 GB.

• Xác minh những gì bạn đã tải xuống — hãy kiểm tra nhà phát hành là tổ chức Qwen và xác thực các shard với crc32.txt; các kho lưu trữ giả mạo đã xuất hiện trước khi phát hành.

Khi bài đánh giá này sai (và ai nên bỏ qua Qwen3.8 27B)

• Bạn không có GPU và sẽ không thuê một cái. Gói dịch vụ được host có giá $0.33/$2.40 mỗi triệu — một mô hình API nhỏ có thể phục vụ bạn rẻ hơn và đáng tin cậy hơn. Mô hình này dành cho những người muốn tự sở hữu suy luận.

• Bạn cần một SLA. Gói hosted đã được đưa lên vào giữa tháng 8; trang model của OrcaRouter, đọc ngày 15 tháng 10, cho thấy tỷ lệ lỗi 2,8% trong bảy ngày gần nhất, độ trễ token đầu tiên p50 là 3,23 giây và tốc độ đầu ra 156 token mỗi giây trên 77,2M token được định tuyến trong khoảng thời gian đó. Sau hai tháng, đó là một endpoint đang hoạt động thay vì một hàng đợi ngày ra mắt — nhưng mức trung bình của tuần gần nhất vẫn chưa phải là một cam kết sản xuất. Những người tự host nên ghim commit tải xuống của mình và giữ một phương án dự phòng.

• Bạn cần các tuyên bố về năng lực tác tử của nhà cung cấp được tái lập, chứ không chỉ một điểm chỉ số duy nhất.Điểm Chỉ số Thông minh của Artificial Analysis là 34 — con số độc lập duy nhất mà mô hình này có, và nó chẳng nói lên điều gì về SWE-bench Pro 61,7 hay DeepSWE 1.1 42,2 — cả hai vẫn do Ali​baba báo cáo. Chỉ mang tính định hướng, chưa đạt chuẩn để mua sắm.

• Ngữ cảnh 262K open-weights là không đủ. Bản mở rộng 1M hiện chỉ khả dụng dưới dạng hosted.

• Thông lượng là điểm nghẽn của bạn. Tóm tắt hàng loạt hoặc các batch lớn sẽ gây bất lợi: đây là một mô hình dense 27B cũng tiêu tốn lượng token gấp khoảng 3 lần so với phiên bản tiền nhiệm. Với các tác vụ hàng loạt giá rẻ, một mô hình nhỏ hơn hoặc nhanh hơn sẽ thắng.

• Bạn đang dùng card 12 GB. GGUF 2-bit vẫn chen được vào, kèm suy giảm chất lượng rõ rệt — đó chính là cấu hình đằng sau điểm dữ liệu PlayStation 5 ở trên — vì vậy đây là mô hình để thử nghiệm, chứ không phải để lấy làm chuẩn.

Verdict infographic titled 'Use it if / Skip it if' for Qwen3.8-27B: left lane in soft blue labeled 'Use it if' with three items — '24 GB GPU', 'Free Apache 2.0 weights', '262K context + image/video'; right lane in soft gray labeled 'Skip it if' with three items — 'No GPU', 'Need an SLA', 'Need verified benchmarks'.

Điểm mấu chốt

Qwen3.8 27B là mô hình 27B trọng số mở mạnh nhất hiện có, và miễn phí mãi mãi theo Apache 2.0. Nếu bạn có GPU 24 GB+ và muốn lập trình agentic, ngữ cảnh 262K, cùng đầu vào hình ảnh/video gốc mà không phát sinh hóa đơn theo mức dùng, thì đây chính là lựa chọn nên mua. Những lý do để chờ đợi cũng cụ thể không kém: bạn cần các tuyên bố về lập trình agentic của nhà cung cấp được tái lập ở đâu đó ngoài thẻ mô hình, cần SLA, cần ngữ cảnh trọng số mở hơn 262K, hoặc cần thông lượng cao hơn mức một mô hình 27B dense mang lại. Mô hình đã ra mắt, trọng số là thật, điểm số độc lập duy nhất cho đến nay là 34, một con số đáng nể, và mức phần cứng tối thiểu hóa ra lại thấp hơn so với giả định trong các bài đưa tin ra mắt. Chỉ cần nhớ con số nào đến từ phòng thí nghiệm và con số nào đến từ nhà cung cấp.