ОтветыОпубликовано26 источники
Qwen3.8-27B: что умеет локальная модель на 27 млрд параметров
Qwen3.8 27B — плотная мультимодальная модель Alibaba на 27 млрд параметров с открытыми весами, поддержкой текста, изображений и видео. После квантования модель может запускаться примерно на 17 ГБ оперативной или видеопамяти, а конфигурация 4 bit обычно рассчитана на GPU с 24 ГБ памяти или Mac с 32 ГБ объединённой па...
ОпубликовалОтредактировано с помощью GPT-5.6 LunaИзображения созданы с помощью GPT Image 1.5
Ответ на исследование
Ключевые выводы
- Qwen3.8 27B — плотная мультимодальная модель Alibaba на 27 млрд параметров с открытыми весами, поддержкой текста, изображений и видео.
- После квантования модель может запускаться примерно на 17 ГБ оперативной или видеопамяти, а конфигурация 4 bit обычно рассчитана на GPU с 24 ГБ памяти или Mac с 32 ГБ объединённой памяти.
- Прозвище «локальная Opus 4.6» отражает сильные результаты в отдельных тестах программирования и компьютерного управления, но не доказывает универсальное превосходство над облачными флагманами.
Промпт ИИ
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Alibaba Qwen3.8-27B, the open-source Apache 2.0 model that topped Hugging Face’s global trending chart within two days, exceeded one. Article summary: Alibaba Qwen3.8-27B is a 27-billion-parameter, dense, open-weight multimodal model aimed at local agentic coding, tool use, and computer-use workloads. Its “local Opus 4.6” nickname is directionally useful for selected b. Topic tags: general, general web, user generated. 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 fa
Alibaba Qwen3.8-27B — это мультимодальная модель с открытыми весами, созданная для программирования, рассуждений, работы с инструментами и сценариев, где ИИ управляет компьютером. В названии зашифровано главное: модель содержит 27 млрд параметров, а после квантования может работать на оборудовании, которое заметно доступнее инфраструктуры облачных ИИ-сервисов. 1
4
Именно сочетание размера, возможностей и локального запуска сделало Qwen3.8-27B одной из самых обсуждаемых новинок среди моделей для самостоятельного развёртывания. Основной репозиторий Qwen3.8 за несколько дней преодолел отметку в миллион загрузок, а квантованные сборки Unsloth вскоре сообщили о 2,7 млн загрузок. Это, однако, быстро меняющиеся показатели платформ — они говорят об интересе пользователей, но сами по себе не доказывают качество модели. 48
54
56
Что представляет собой Qwen3.8-27B
Qwen3.8-27B — плотная модель, а не система mixture of experts, в которой для каждого запроса активируется только часть параметров. Она принимает текст, изображения и видео. В документации модели указано нативное контекстное окно на 262 144 токена с возможностью расширения до 1 млн токенов. В некоторых материалах Unsloth используется округление до 256K, поэтому перед запуском стоит сверить характеристики конкретного чекпойнта и серверного окружения. 4
1
По умолчанию модель работает в режиме рассуждений и поддерживает параметр reasoning_effort. Настройка xhigh предназначена для сложных задач, но может приводить к длинным цепочкам рассуждений и заметной задержке. Режимы medium и low позволяют обменять часть глубины анализа на более высокую скорость и меньшее потребление вычислительных ресурсов. 6
19
Весы распространяются по лицензии Apache 2.0. В общем случае это допускает коммерческое использование, изменение и распространение модели при соблюдении условий лицензии, а также отдельных требований, которые могут относиться к используемому программному обеспечению или данным. 10
Почему модель называют «локальной Opus 4.6»
Такое прозвище появилось из-за необычного сочетания: относительно компактной модели, возможности запуска на локальном компьютере и высоких результатов в отдельных тестах. В опубликованном Qwen сравнении Qwen3.8-27B опережает Claude Opus 4.6 Max в некоторых задачах программирования и компьютерного управления, но уступает ему в других. 7
22
| Бенчмарк | Qwen3.8-27B | Opus 4.6 Max | Что показывает результат |
|---|---|---|---|
| SWE-bench Pro | 61,7 | 53,4 | Qwen лидирует в представленном сравнении по исправлению программного кода. |
| Terminal-Bench 2.1 | 73,0 | 78,2 | Opus лучше справляется с этой задачей терминального агента. |
| NL2Repo-Bench | 42,3 | 47,6 | Opus лидирует в генерации кода на уровне репозитория. |
| DeepSWE 1.1 | 42,2 | Не указан | Qwen значительно улучшил результат по сравнению с 13,3 у Qwen3.6-27B. |
| LiveCodeBench v6 | 90,3 | 88,8 | Qwen лидирует в опубликованном сравнении. |
| GPQA-Diamond | 89,2 | 91,3 | Opus лучше проходит сложный тест на рассуждения. |
| Humanity’s Last Exam | 30,8 | 40,0 | У Opus сохраняется заметное преимущество. |
| CoWorkBench | 70,7 | 68,2 | Qwen немного опережает в длительной задаче офисной работы. |
| OSWorld-Verified | 84,3 | 72,7 | Qwen лидирует в сравнении по управлению компьютером. |
Эти цифры в основном взяты из карточки модели Qwen и сравнений, выполненных в разных системах и условиях. Они позволяют сделать более узкий, но важный вывод: Qwen3.8-27B необычно конкурентоспособна для своего размера, особенно в программировании, компьютерном управлении и структурированных офисных сценариях. Однако данные не доказывают, что она повсеместно равна или превосходит Opus, DeepSeek, GPT или другие новые флагманские модели во всех типах задач. 7
22
34
О чём говорит распределение результатов
Главный вывод — модель явно специализирована. Qwen3.8-27B особенно сильна там, где нужно следовать инструкциям, писать или исправлять код, управлять интерфейсом компьютера либо выполнять многоэтапный рабочий процесс. В SWE-bench Pro она получила 61,7 против 53,4 у Opus 4.6 Max, а в CoWorkBench — 70,7 против 68,2. 34
Но на более сложных терминальных задачах, генерации кода для целых репозиториев и тестах на знания и рассуждения картина меняется. Opus получил 78,2 против 73,0 у Qwen в Terminal-Bench, 47,6 против 42,3 в NL2Repo-Bench, 91,3 против 89,2 в GPQA-Diamond и 40,0 против 30,8 в Humanity’s Last Exam. 34
Поэтому универсальная формулировка «уровень флагманских моделей» может вводить в заблуждение. Итог агента зависит от тестового стенда, подключённых инструментов, промпта, длины контекста, бюджета рассуждений, параметров генерации и того, оценивается ли модель отдельно или внутри конкретного программного агента. Один из источников отдельно отмечал, что независимых подтверждений широкого превосходства над системами класса Opus пока было недостаточно. 7
Заявления о том, что Qwen3.8-27B в целом соответствует DeepSeek V4-Pro или GPT 5.6 Luna, стоит воспринимать как широкие сравнительные оценки, а не как вывод одного полностью контролируемого набора тестов. 10
21
Какое железо потребуется
Практические требования зависят от формата чекпойнта, степени квантования, длины контекста и включённых функций зрения или агентного управления.
- Около 17 ГБ RAM или VRAM. Unsloth описывает конфигурации, способные работать в таком диапазоне. Это минимальная оценка для запуска, а не гарантия высокой скорости, длинного контекста, быстрой обработки изображений и видео или одновременной работы нескольких агентов.
1
- Видеокарта с 24 ГБ памяти. 4-bit-версия обычно рассматривается как практичный вариант для такого GPU, хотя большой контекст и служебные расходы быстро уменьшают запас памяти.
4
- Mac с 32 ГБ объединённой памяти. Конфигурация 4-bit также описывается как подходящая для компьютеров Apple с примерно 32 ГБ unified memory.
- Мощная рабочая станция. Для FP8 или менее агрессивного квантования комфортнее иметь около 32 ГБ доступной видеопамяти. GPU на 24 ГБ в основном рассчитан на 4-bit-веса.
- Запуск с выгрузкой на CPU или RAM. Он возможен для компактных квантованных сборок, но обычно существенно медленнее, чем работа модели и её рабочей памяти на производительном GPU.
Важно учитывать не только размер файла модели. Длинный контекст требует дополнительной памяти под KV-кэш, а изображения и видео увеличивают нагрузку во время работы. Компьютер может технически загрузить веса, но при этом оказаться слишком медленным для интерактивного программирования или агента, управляющего рабочим столом.
Квантование: от ноутбука до более качественного запуска
Сборки Atomic Dynamic GGUF представлены в диапазоне примерно от 28,9 ГБ для 8-bit до 8,5 ГБ для 1-bit. Версия AD-IQ3_S размером 13,84 ГБ описывается как более реалистичный вариант для полного размещения на компьютере с 16 ГБ памяти, хотя низкобитные форматы заметно снижают качество. 3
9
11
Квантование уменьшает объём памяти за счёт хранения весов с меньшим числом бит. Компромиссы включают:
- снижение точности ответов при более сильном сжатии;
- уменьшение свободного места для контекста и KV-кэша;
- возможное ухудшение работы со зрением, видео и инструментами;
- зависимость скорости от процессора, GPU и используемого рантайма;
- меньший запас производительности при нескольких одновременных запросах.
Отдельный вариант — FP8. Он рассчитан на сохранение качества при меньшем объёме памяти по сравнению с более точными форматами. В официальном репозитории FP8 указано, что используются блочное квантование с размером блока 128 и совместимость с Transformers, vLLM, SGLang и TokenSpeed. 40
Поддерживаемое программное обеспечение
Официальные артефакты на Hugging Face поддерживают Transformers, vLLM, SGLang и связанные серверные системы. Для FP8 доступны отдельные чекпойнты. 19
40
Ollama может быть удобным вариантом для домашнего запуска через GGUF и сборки сообщества, но это не следует смешивать с официальным заявлением о поддержке исходных артефактов в формате Transformers, vLLM и SGLang. Выбор зависит от задачи: простой запуск на настольном компьютере, дообучение, максимальная пропускная способность или интеграция в собственный стек ИИ-агентов.
Почему этот релиз важен
Qwen3.8-27B снижает порог входа в разработку частных программных и компьютерных агентов. Организации могут запускать модель внутри собственной инфраструктуры, не отправляя каждый запрос, исходный код, снимок экрана или рабочую инструкцию во внешний облачный API. Открытые веса также можно изучать, адаптировать и интегрировать в программные продукты в рамках заявленной лицензии. 1
10
Но локальный запуск сам по себе не делает систему безопасной. Агент, которому разрешено редактировать репозитории, выполнять команды оболочки, открывать сайты или управлять рабочим столом, должен работать в изолированной среде и иметь строго ограниченные права. Хранение данных на устройстве снижает один из рисков утечки, но не устраняет prompt injection, вредоносный код, неправильное использование инструментов и ошибки самой модели.
Более глубокое значение релиза — экономическое и практическое. Модель на 27 млрд параметров с сильными заявленными результатами в программировании и компьютерном управлении позволяет экспериментировать с агентами на одном мощном потребительском компьютере. Она не заменяет лучшие облачные модели во всех задачах рассуждения и агентной работы, но делает выбор между конфиденциальностью локального запуска и возможностями, близкими к флагманским, менее жёстким.
Итог
Qwen3.8-27B лучше воспринимать как важный шаг в эффективности и доступности ИИ, а не как окончательно доказанную замену Opus. В одной модели сочетаются мультимодальный ввод, длинный контекст, регулируемая глубина рассуждений, открытая лицензия и агрессивное квантование. При этом результаты действительно конкурентоспособны в отдельных тестах программирования, офисной работы и компьютерного управления. 4
19
34
Практический вывод для разработчиков прост: Qwen3.8-27B стоит попробовать локально, если важны конфиденциальность, контроль над развёртыванием и сценарии программных агентов. А вот заявления о полном равенстве всем флагманским облачным системам пока требуют осторожности — методика тестирования и ограничения конкретных бенчмарков здесь не менее важны, чем громкие цифры.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Qwen3.8-27B: что умеет локальная модель на 27 млрд параметров»?
Qwen3.8 27B — плотная мультимодальная модель Alibaba на 27 млрд параметров с открытыми весами, поддержкой текста, изображений и видео.
Какие ключевые моменты необходимо проверить в первую очередь?
Qwen3.8 27B — плотная мультимодальная модель Alibaba на 27 млрд параметров с открытыми весами, поддержкой текста, изображений и видео. После квантования модель может запускаться примерно на 17 ГБ оперативной или видеопамяти, а конфигурация 4 bit обычно рассчитана на GPU с 24 ГБ памяти или Mac с 32 ГБ объединённой памяти.
Что мне делать дальше на практике?
Прозвище «локальная Opus 4.6» отражает сильные результаты в отдельных тестах программирования и компьютерного управления, но не доказывает универсальное превосходство над облачными флагманами.