Qwen3.8-27B: โมเดล AI 27B พารามิเตอร์แบบเปิดจาก Alibaba ที่โค่นแชมป์รุ่นพี่ของตัวเองบนงาน Coding Agentic

สถาปัตยกรรมและสเปกสำคัญ

Qwen3.8-27B เป็นโมเดลภาษา-วิทัศน์ (vision-language) โดยกำเนิด สร้างบนพื้นฐาน Qwen3.5 โดยใช้กลไกความสนใจแบบ Hybrid Gated DeltaNet ซึ่ง 3 ใน 4 ชั้นย่อยของ Attention จะใช้การคำนวณแบบ O(n) เชิงเส้น ช่วยให้จัดการบริบทขนาดยาวได้โดยไม่ทำให้หน่วยความจำพุ่งสูงเป็นสองเท่า สเปกสำคัญจาก Hugging Face model card :

วันที่เปิดตัวได้ยุติข้อสงสัยก่อนเปิดตัวหลายประการ โดยมาพร้อม Vision Encoder ที่เซอร์ไพรส์ (ซึ่งไม่ได้มีการสัญญามาก่อน) และไลเซนส์ Apache 2.0 ที่ขจัดอุปสรรคทางกฎหมายซึ่งเคยเป็นข้อกังวลขององค์กรในการนำโมเดล AI ของจีนไปใช้

ผล Benchmark: ชนะรุ่นพี่ Qwen3.7-Plus และ Meta Muse Glimmer-30B

Alibaba เผยแพร่ตาราง Benchmark บน Hugging Face Model Card ของ Qwen3.8-27B โดยเปรียบเทียบกับ Meta Muse Glimmer-30B, Qwen3.7-Plus (รุ่น API-only ของ Alibaba เอง), Anthropic Opus4.6 Max และ Qwen3.6-27B รุ่นก่อนหน้า :

สามผลลัพธ์ที่โดดเด่น:

• เทียบกับ Muse Glimmer-30B: Qwen3.8-27B นำขาดถึง 41% บน Terminal-Bench 2.1 (73.0 vs. 51.7) ซึ่งเป็นเกณฑ์วัดการทำงานของเอเจนต์บน Terminal จริง
• เทียบกับ Qwen3.7-Plus (รุ่นพี่ใหญ่กว่าแต่เป็น API-only): โมเดล Open-Weight ขนาดเล็กกว่ากลับเอาชนะรุ่นพี่ของ Alibaba เองได้ในการเขียนโค้ดแบบ Agentic (SWE-bench Pro: 61.7 vs. 57.6) และงานออฟฟิศ (CoWorkBench: 70.7 vs. 65.1)
• เทียบกับ Anthropic Opus4.6 Max: แม้ Opus4.6 Max จะนำใน Terminal-Bench 2.1 (78.2 vs. 73.0) แต่ Qwen3.8-27B ก็สูสีทั้งที่มีพารามิเตอร์น้อยกว่าเกือบ 50 เท่า และเป็นโมเดล Open-Weight เต็มรูปแบบ นอกจากนี้ Qwen3.8-27B ยังทำคะแนน IFBench ได้ 79.5 สูงกว่า Opus4.6 Max ที่ได้ 62.5

เมื่อเทียบกับรุ่นก่อนหน้าอย่าง Qwen3.6-27B โมเดลใหม่นี้พัฒนาขึ้นประมาณ 15% บน Terminal-Bench (73.0 vs. 63.4) และเพิ่มขึ้น 8 คะแนนบน SWE-bench Pro และทำคะแนน LiveCodeBench v6 ได้ถึง 90.3 ซึ่งสูงที่สุดในกลุ่มที่เปรียบเทียบ

บริบทที่ใหญ่กว่า: กลยุทธ์ Open-Weight และการยอมรับ AI จีนทั่วโลก

การปล่อย Qwen3.8-27B สะท้อนถึงการเปลี่ยนแปลงเชิงกลยุทธ์ ก่อนหน้านี้ ตระกูล Qwen ของ Alibaba ดูเหมือนจะเก็บโมเดลที่ดีที่สุดไว้ใช้ผ่าน API เท่านั้น โดยโมเดล Open-Weight ทั่วไปตัวสุดท้ายก่อนหน้านี้คือ Qwen3.6-27B ซึ่งปล่อยเมื่อวันที่ 22 เมษายน 2026 การใช้ไลเซนส์ Apache 2.0 สำหรับ Qwen3.8-27B ประกอบกับความสามารถในการรันบนฮาร์ดแวร์ทั่วไป ถือเป็นการกลับมาสู่กลยุทธ์ Open-Weight ที่เคยสร้างชื่อเสียงให้ Qwen ทั่วโลกอีกครั้ง

การเปลี่ยนแปลงนี้มีความสำคัญเนื่องจากโมเดล AI จากจีนได้รับการยอมรับอย่างรวดเร็ว ในช่วงกลางปี 2026 โมเดลจากจีนมีสัดส่วนประมาณ 61% ของปริมาณโทเคนบนแพลตฟอร์ม OpenRouter ในขณะที่สัดส่วนของสหรัฐฯ ลดลงจากประมาณ 70% เหลือ 30% ภายในปีเดียว อีกหนึ่งการประมาณการแสดงให้เห็นว่าโมเดล Open-Weight ของจีนประมวลผลโทเคนขององค์กรผ่าน API สูงถึง 46% ต่อสัปดาห์ภายในเดือนกรกฎาคม 2026 เทียบกับ 35.7% สำหรับโมเดลสหรัฐฯ Gartner คาดการณ์ว่าภายในสองปี ครึ่งหนึ่งขององค์กรทั่วโลกจะใช้โมเดล AI ของจีน โดยมีปัจจัยขับเคลื่อนจากการมี Open-Weight ไลเซนส์ที่ยืดหยุ่น และราคาที่ถูกกว่ามาก

รายงานของคณะกรรมาธิการทบทวนเศรษฐกิจและความมั่นคงแห่งสหรัฐฯ-จีน เดือนมีนาคม 2026 ระบุถึง "Feedback Loop" ที่การยอมรับ AI จีนในวงกว้างผลักดันให้เกิดการพัฒนา ซึ่งยิ่งนำไปสู่การยอมรับที่เพิ่มขึ้น รวมถึงโดยบริษัทสัญชาติอเมริกันด้วย ไลเซนส์ Apache 2.0 บน Qwen3.8-27B ยิ่งขับเคลื่อนแนวโน้มนี้โดยตรง เพราะขจัดอุปสรรคทางกฎหมายและทำให้องค์กรใดๆ ก็สามารถโฮสต์โมเดล Multimodal ที่มีความสามารถระดับแนวหน้าได้ด้วยตนเอง โดยไม่มีค่าใช้จ่าย API ที่เกิดขึ้นอย่างต่อเนื่อง