Alibaba veröffentlicht Qwen 3.8-27B mit offenen Gewichten und schlägt Metas Modell

Alibaba ↗ 1.35% hat Qwen3.8-27B veröffentlicht, ein multimodales Modell mit 27 Milliarden Parametern unter der Apache 2.0-Lizenz. Damit erfüllt das Unternehmen das Versprechen vom Start der Modellfamilie am 3. August, sowohl das kompakte Modell als auch das Flaggschiff innerhalb weniger Wochen als Open Source zur Verfügung zu stellen.officechai+1

Ein lokales Modell fordert größere Konkurrenten heraus

Die Veröffentlichung, die am 14. August auf Hugging Face live ging, verfügt über ein natives Kontextfenster von 262.000 Token, das über YaRN auf 1 Million erweitert werden kann, und ist darauf ausgelegt, bei einer Quantisierung auf 4-Bit-Präzision auf einer handelsüblichen GPU zu laufen. Gleichzeitig öffnete Alibaba die Gewichte für Qwen3.8-2.4T-A95B, die Max-Klasse Mixture-of-Experts-Version mit insgesamt 2,4 Billionen Parametern und etwa 95 Milliarden aktiven Parametern pro Token.yottalabs+3

Der Vergleich, der die meiste Aufmerksamkeit auf sich zieht, ist der mit Metas ↘ 0.86% Muse Glimmer-30B, einem lokalen Modell, das Meta wenige Tage zuvor veröffentlicht hatte. Auf dem Terminal Bench 2.1, der agentisches Terminal-Coding misst, erreicht Qwen3.8-27B 73,0 Punkte gegenüber 51,7 bei Muse Glimmer. Beim GPQA Diamond, einem Benchmark für wissenschaftliches Schlussfolgern, erzielt es 89,2 gegenüber 83,5. Bei jedem Benchmark, bei dem beide Modelle getestet wurden, liegt Qwen3.8-27B vorn.officechai

Übertrifft seine Gewichtsklasse

Bemerkenswerter ist, wie das 27B-Modell gegen deutlich größere Systeme abschneidet. Gegen Alibabas eigenes Qwen3.7-Plus, ein größeres proprietäres Modell, gewinnt Qwen3.8-27B bei den meisten Benchmarks: 61,7 auf SWE-bench Pro gegenüber 57,6 und 79,0 gegenüber 59,2 bei QwenSWEBench. Gegen Anthropics Opus4.6 Max liegt das kleinere Modell bei schwierigeren Schlussfolgerungsaufgaben zurück, schlägt es jedoch bei SWE-bench Pro (61,7 vs. 53,4) und bei der Instruktionsbefolgung auf IFBench (79,5 vs. 62,5).officechai

Die stärkste Kategorie des Modells ist die agentische Büroarbeit. Auf dem CoWorkBench, Alibabas Benchmark für langfristige Produktivitätsaufgaben, erzielt es 70,7 Punkte und liegt damit vor den 68,2 von Opus4.6 Max.officechai

Timing und Marktumfeld

Die Doppelveröffentlichung erfolgt zu einer Zeit, in der chinesische KI-Modelle weltweit an Zugkraft gewinnen. Russische Unternehmen verbrauchten in der ersten Jahreshälfte 2026 400 Milliarden Token chinesischer LLMs, eine elffache Steigerung gegenüber dem gesamten Jahr 2025, wobei Qwen laut dem russischen Cloud-Anbieter MWS Cloud allein für 261 Milliarden Token verantwortlich war. Die Strategie der offenen Gewichte unter Apache 2.0 versetzt Alibaba in die Lage, Entwickler an beiden Enden des Marktes zu gewinnen – von Hobbyisten, die quantisierte Modelle lokal ausführen, bis hin zu Teams, die das vollständige Max-Modell für produktive agentische Infrastrukturen einsetzen.kursiv+2