OpenCSG positionerer Agentic 27B – en model på omkring 27,36 mia. parametre – til opgaver, hvor en AI skal bruge værktøjer over flere trin.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What does OpenCSG’s November 7, 2026 release of Agentic-27B offer for multi-step tool workflows and private enterprise deployment, including. Article summary: Agentic-27B is positioned as a downloadable model for multi-step tool execution and private deployment, rather than merely single-turn question answering; commercial use requires permission.[6][13] The available evidence. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
OpenCSG præsenterer Agentic-27B som en model til opgaver, der kræver flere handlinger med såkaldte Skills og værktøjer – ikke kun et enkelt svar på et spørgsmål. Virksomheden fremhæver privat afvikling, og omtale af udgivelsen siger, at modellen er testet på ét NVIDIA A800-kort med 80 GB hukommelse. Det kan gøre den relevant for teams, der undersøger selvhostede AI-agenter, men kilderne dokumenterer ikke driftssikkerhed i produktion. Kommerciel brug kræver desuden tilladelse.4
6
9
Ifølge modelkortet skal en agent kunne forstå systemets begrænsninger, vælge en passende Skill, angive gyldige værktøjsparametre, fortolke værktøjernes svar, håndtere fejl og kontrollere, om opgaven faktisk er løst.4 Det er en anden type prøve end almindelig spørgsmål-og-svar: Modellen skal fungere gennem en hel kæde af handlinger og tilbagemeldinger.
Agentic-27B er den anden offentlige udgivelse i OpenCSG’s Agentic-serie. Hvor forgængeren byggede på Qwen3-30B-A3B, en blandingsekspertmodel (MoE), skifter den nye model til den tætte Qwen3.8-27B. OpenCSG beskriver også en fortsættelse af seriens LoRA DPO-metode til præferencetilpasning, baseret på data skabt gennem virksomhedens platform.4
En udbyder angiver modellens størrelse til 27,36 mia. parametre og oplyser, at værktøjskald understøttes. Samme oversigt beskriver en FP8-version med en kontekst på 32.768 tokens. Den bekræfter derfor ikke, at den oprindelige udgivelses vægte er i BF16-format, eller at alle opsætningsoplysninger gælder for andre måder at afvikle modellen på.5
Ifølge omtalen af udgivelsen har OpenCSG testet modellen på ét NVIDIA A800-kort med 80 GB hukommelse.6
9 Det viser, at en test med ét GPU-kort er rapporteret, men er ikke en garanti for, at modellen passer eller yder godt med en anden serveropsætning, kontekstlængde, samtidighed eller arbejdsbelastning.
De tilgængelige kilder giver ikke tilstrækkelige oplysninger til at kontrollere Agentic Eval-placeringen, antallet af opgaver med gyldige scorer, resultaterne på gentagne forsøg eller sammenligningen med forgængeren. Omtalen understreger, at benchmarkresultaterne kommer fra OpenCSG selv – de er ikke en uafhængig godkendelse af modellens pålidelighed i virksomheder.6
Hvis modellen skal vurderes til en konkret anvendelse, bør den prøves på repræsentative arbejdsgange. Medtag både vellykkede og fejlslagne værktøjskald, mål om den kommer hensigtsmæssigt videre efter fejl, og kontrollér, om opgaven ender med det ønskede resultat. Se annoncerede scorer som et udgangspunkt, ikke som erstatning for egne test.
En udbyder angiver licensen som other, og OpenCSG’s licensvejledning forklarer, at modeller i den kategori følger særlige vilkår.5
18 Omtalen af udgivelsen siger også, at kommerciel brug kræver tilladelse.
6
9 At vægtene kan downloades, er altså ikke det samme som fri kommerciel brugsret. Gennemgå aftalen for den konkrete model, og indhent den nødvendige tilladelse, før kommerciel brug.
De tilgængelige uddrag fastslår ikke de præcise vilkår for afledte modeller, agentprodukter eller API-tjenester. De viser heller ikke, at OpenCSG formelt kræver bestemte sikkerhedsforanstaltninger. Som forsigtig praksis bør følsomme handlinger, der ændrer data eller systemer, kræve passende menneskelig godkendelse, og værktøjer bør kun tildeles de nødvendige rettigheder.
Agentic-27B’s tydeligste styrke er fokusset på flertrinsopgaver med værktøjer, kombineret med OpenCSG’s rapport om en test på ét A800-kort. De tilgængelige kilder giver ikke et fuldt billede af benchmarkresultaterne eller alle opsætningsdetaljer, og kommerciel brug kræver tilladelse. Før en eventuel produktionsudrulning bør teams derfor både teste modellen på deres egne opgaver og få licensvilkårene afklaret.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
OpenCSG positionerer Agentic 27B – en model på omkring 27,36 mia. parametre – til opgaver, hvor en AI skal bruge værktøjer over flere trin.
OpenCSG positionerer Agentic 27B – en model på omkring 27,36 mia. parametre – til opgaver, hvor en AI skal bruge værktøjer over flere trin. Det er seriens anden offentlige udgivelse. Modellen bygger på den tætte Qwen3.8 27B og er finjusteret med LoRA DPO på data fra OpenCSG’s platform.[4]
De tilgængelige kilder dokumenterer ikke de detaljerede benchmarktal eller alle påstande om opsætning.
OpenCSG positionerer Agentic 27B – en model på omkring 27,36 mia. parametre – til opgaver, hvor en AI skal bruge værktøjer over flere trin.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What does OpenCSG’s November 7, 2026 release of Agentic-27B offer for multi-step tool workflows and private enterprise deployment, including. Article summary: Agentic-27B is positioned as a downloadable model for multi-step tool execution and private deployment, rather than merely single-turn question answering; commercial use requires permission.[6][13] The available evidence. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
OpenCSG præsenterer Agentic-27B som en model til opgaver, der kræver flere handlinger med såkaldte Skills og værktøjer – ikke kun et enkelt svar på et spørgsmål. Virksomheden fremhæver privat afvikling, og omtale af udgivelsen siger, at modellen er testet på ét NVIDIA A800-kort med 80 GB hukommelse. Det kan gøre den relevant for teams, der undersøger selvhostede AI-agenter, men kilderne dokumenterer ikke driftssikkerhed i produktion. Kommerciel brug kræver desuden tilladelse.4
6
9
Ifølge modelkortet skal en agent kunne forstå systemets begrænsninger, vælge en passende Skill, angive gyldige værktøjsparametre, fortolke værktøjernes svar, håndtere fejl og kontrollere, om opgaven faktisk er løst.4 Det er en anden type prøve end almindelig spørgsmål-og-svar: Modellen skal fungere gennem en hel kæde af handlinger og tilbagemeldinger.
Agentic-27B er den anden offentlige udgivelse i OpenCSG’s Agentic-serie. Hvor forgængeren byggede på Qwen3-30B-A3B, en blandingsekspertmodel (MoE), skifter den nye model til den tætte Qwen3.8-27B. OpenCSG beskriver også en fortsættelse af seriens LoRA DPO-metode til præferencetilpasning, baseret på data skabt gennem virksomhedens platform.4
En udbyder angiver modellens størrelse til 27,36 mia. parametre og oplyser, at værktøjskald understøttes. Samme oversigt beskriver en FP8-version med en kontekst på 32.768 tokens. Den bekræfter derfor ikke, at den oprindelige udgivelses vægte er i BF16-format, eller at alle opsætningsoplysninger gælder for andre måder at afvikle modellen på.5
Ifølge omtalen af udgivelsen har OpenCSG testet modellen på ét NVIDIA A800-kort med 80 GB hukommelse.6
9 Det viser, at en test med ét GPU-kort er rapporteret, men er ikke en garanti for, at modellen passer eller yder godt med en anden serveropsætning, kontekstlængde, samtidighed eller arbejdsbelastning.
De tilgængelige kilder giver ikke tilstrækkelige oplysninger til at kontrollere Agentic Eval-placeringen, antallet af opgaver med gyldige scorer, resultaterne på gentagne forsøg eller sammenligningen med forgængeren. Omtalen understreger, at benchmarkresultaterne kommer fra OpenCSG selv – de er ikke en uafhængig godkendelse af modellens pålidelighed i virksomheder.6
Hvis modellen skal vurderes til en konkret anvendelse, bør den prøves på repræsentative arbejdsgange. Medtag både vellykkede og fejlslagne værktøjskald, mål om den kommer hensigtsmæssigt videre efter fejl, og kontrollér, om opgaven ender med det ønskede resultat. Se annoncerede scorer som et udgangspunkt, ikke som erstatning for egne test.
En udbyder angiver licensen som other, og OpenCSG’s licensvejledning forklarer, at modeller i den kategori følger særlige vilkår.5
18 Omtalen af udgivelsen siger også, at kommerciel brug kræver tilladelse.
6
9 At vægtene kan downloades, er altså ikke det samme som fri kommerciel brugsret. Gennemgå aftalen for den konkrete model, og indhent den nødvendige tilladelse, før kommerciel brug.
De tilgængelige uddrag fastslår ikke de præcise vilkår for afledte modeller, agentprodukter eller API-tjenester. De viser heller ikke, at OpenCSG formelt kræver bestemte sikkerhedsforanstaltninger. Som forsigtig praksis bør følsomme handlinger, der ændrer data eller systemer, kræve passende menneskelig godkendelse, og værktøjer bør kun tildeles de nødvendige rettigheder.
Agentic-27B’s tydeligste styrke er fokusset på flertrinsopgaver med værktøjer, kombineret med OpenCSG’s rapport om en test på ét A800-kort. De tilgængelige kilder giver ikke et fuldt billede af benchmarkresultaterne eller alle opsætningsdetaljer, og kommerciel brug kræver tilladelse. Før en eventuel produktionsudrulning bør teams derfor både teste modellen på deres egne opgaver og få licensvilkårene afklaret.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
OpenCSG positionerer Agentic 27B – en model på omkring 27,36 mia. parametre – til opgaver, hvor en AI skal bruge værktøjer over flere trin.
OpenCSG positionerer Agentic 27B – en model på omkring 27,36 mia. parametre – til opgaver, hvor en AI skal bruge værktøjer over flere trin. Det er seriens anden offentlige udgivelse. Modellen bygger på den tætte Qwen3.8 27B og er finjusteret med LoRA DPO på data fra OpenCSG’s platform.[4]
De tilgængelige kilder dokumenterer ikke de detaljerede benchmarktal eller alle påstande om opsætning.