Qwen3.8-27B er en indbygget vision-sprog-model bygget på Qwen3.5-fundamentet. Den bruger en Hybrid Gated DeltaNet-opmærksomhedsmekanisme, hvor tre ud af fire opmærksomhedsunderlag bruger lineær O(n)-opmærksomhed, hvilket muliggør lange kontekster uden kvadratisk hukommelseseksplosion . Nøglespecifikationer fra det officielle Hugging Face-modelkort inkluderer :
| Attribut | Detalje |
|---|---|
| Parametre | ~27 mia. (nogle kilder rapporterer 28 mia. i alt) |
| Arkitektur | Tæt transformer med Hybrid Gated DeltaNet + Gated Attention |
| Kontekstvindue | 262.144 tokens nativt, kan udvides til ~1 mio. via YaRN |
| Modalitet | Tekst-, billed- og videoinput; skiftbar tænketilstand |
| Licens | Apache 2.0 (fuldt åbne vægte) |
| Kvantiseret størrelse | ~17 GB (4-bit, kører på forbrugergrafikkort) |
Udgivelsesdatoen besvarede flere spørgsmål fra før lanceringen. Modellen leveres med en overraskende vision-koder – multimodalitet var ikke lovet før lanceringen – og Apache 2.0-licensen fjerner den juridiske friktion, der historisk har hæmmet virksomheders adoption af kinesiske AI-modeller .
Alibaba offentliggjorde en fuld benchmark-tabel på Qwen3.8-27B's Hugging Face-modelkort . Tabellen sammenligner 27B-modellen med Metas Muse Glimmer-30B, Alibabas egen API-only-model Qwen3.7-Plus, Anthropics Opus4.6 Max og den tidligere generation Qwen3.6-27B .
| Benchmark | Qwen3.8-27B | Muse Glimmer-30B | Qwen3.7-Plus | Anthropic Opus4.6 Max | Qwen3.6-27B |
|---|---|---|---|---|---|
| Terminal-Bench 2.1 (agentisk terminalkodning) | 73.0 | 51.7 | 64.0 | 78.2 | 63.4 |
| SWE-bench Pro (agentisk softwareudvikling) | 61.7 | — | 57.6 | — | 53.5 |
| CoWorkBench (kontor/agentisk samarbejde) | 70.7 | — | 65.1 | — | — |
| LiveCodeBench v6 (konkurrencekodning) | 90.3 | — | 89.6 | 88.8 | 83.9 |
| IFBench (instruktionsfølgning) | 79.5 | 77.0 | 79.1 | 62.5 | 69.1 |
Tre fremtrædende resultater:
Sammenlignet med sin egen tidligere generation, Qwen3.6-27B, viser den nye model en gevinst på cirka 15% på Terminal-Bench (73.0 vs. 63.4) og en 8-points gevinst på SWE-bench Pro . 27B-modellen opnår også 90.3 på LiveCodeBench v6, den højeste i sit sammenligningssæt .
Udgivelsen af Qwen3.8-27B signalerer et strategisk skift. Alibabas Qwen-familie havde bevæget sig mod at holde sine bedste modeller bag API'er; den sidste fuldt open-weight generelle model før dette var Qwen3.6-27B fra 22. april 2026 . Apache 2.0-licensen på Qwen3.8-27B, kombineret med muligheden for at køre på forbrugerhardware, markerer en tilbagevenden til den open-weight-strategi, der opbyggede Qwens globale omdømme .
Dette er vigtigt, fordi kinesiske AI-modeller har gennemgået en dramatisk adoptionsstigning. I midten af 2026 nåede kinesisk-originerede modeller cirka 61% af token-volumen på OpenRouter, mens den amerikanske andel faldt fra omkring 70% til 30% på et enkelt år . Et andet estimat viser, at kinesiske open-weight-modeller behandler 46% af virksomhedernes API-tokens ugentligt i juli 2026, mod 35.7% for amerikanske modeller . Gartner forudsiger, at halvdelen af alle globale virksomheder vil adoptere kinesiske AI-modeller inden for to år, drevet af open-weight-tilgængelighed, tilladende licensering og markant lavere priser .
En rapport fra marts 2026 fra U.S.-China Economic and Security Review Commission dokumenterede en "feedback-loop", hvor udbredt adoption af kinesisk AI driver iteration, som igen driver yderligere adoption – også blandt amerikanske virksomheder . Apache 2.0-licensen på Qwen3.8-27B faciliterer direkte denne tendens ved at fjerne juridisk friktion og gøre det muligt for enhver organisation at selv-hoste en front-end-kompatibel multimodal model uden løbende API-omkostninger .