Qwen3.8-27B er en såkalt 'native vision-language model' bygget på Qwen3.5-grunnmuren. Den bruker en Hybrid Gated DeltaNet-oppmerksomhetsmekanisme der tre av fire oppmerksomhetslag benytter lineær O(n)-oppmerksomhet, noe som muliggjør lange kontekster uten kvadratisk minneøkning . Her er nøkkelspesifikasjonene fra den offisielle Hugging Face-modellkortet :
| Egenskap | Detalj |
|---|---|
| Parametere | ~27 milliarder (noen kilder rapporterer 28 mrd.) |
| Arkitektur | Tett (dense) transformer med Hybrid Gated DeltaNet + Gated Attention |
| Kontekstvindu | 262 144 tokens opprinnelig, utvidbar til ~1 million via YaRN |
| Modalitet | Tekst, bilde og video; kan bytte mellom tanke- og svarmodus |
| Lisens | Apache 2.0 (fullstendig åpen vekt) |
| Kvantisert størrelse | ~17 GB (4-bit, kjørbart på forbruker-GPUer) |
Alibaba publiserte en komplett benchmark-tabell på Qwen3.8-27Bs Hugging Face-modellkort . Tabellen sammenligner 27B-modellen med Metas Muse Glimmer-30B, Alibabas egen API-modell Qwen3.7-Plus, Anthropics Opus4.6 Max, og forrige generasjons 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 terminalkoding) | 73.0 | 51.7 | 64.0 | 78.2 | 63.4 |
| SWE-bench Pro (agentisk programvareutvikling) | 61.7 | — | 57.6 | — | 53.5 |
| CoWorkBench (kontor-/agentisk samarbeid) | 70.7 | — | 65.1 | — | — |
| LiveCodeBench v6 (konkurransekoding) | 90.3 | — | 89.6 | 88.8 | 83.9 |
| IFBench (instruksjonsfølging) | 79.5 | 77.0 | 79.1 | 62.5 | 69.1 |
Tre fremtredende resultater:
Lanseringen av Qwen3.8-27B markerer et strategisk skifte. Alibaba hadde i en periode holdt sine beste modeller bak betalingsmurer; den siste fullstendig åpne modellen før dette var Qwen3.6-27B fra 22. april 2026 . Apache 2.0-lisensen, kombinert med muligheten til å kjøre den på vanlig maskinvare, er et tydelig signal om en retur til en åpen kildekode-strategi .
Dette er viktig fordi kinesiske AI-modeller har opplevd en eksplosiv vekst i bruk. Ved midten av 2026 sto kinesiske modeller for omtrent 61 prosent av token-volumet på OpenRouter, mens USAs andel falt fra omtrent 70 til 30 prosent på ett år . Gartner spår at halvparten av alle globale bedrifter vil ta i bruk kinesiske AI-modeller i løpet av to år, drevet av åpne vekter, tillatende lisensiering og dramatisk lavere priser .
En rapport fra U.S.-China Economic and Security Review Commission fra mars 2026 dokumenterer en 'feedback loop' der utstrakt bruk av kinesisk AI driver videreutvikling, som igjen driver ytterligere adopsjon – også blant amerikanske selskaper . Apache 2.0-lisensen på Qwen3.8-27B letter denne trenden ved å fjerne juridisk friksjon og gjøre det mulig for enhver organisasjon å selv-hoste en AI-modell i frontklassen uten løpende API-kostnader .