Alibaba julkaisi avoimen Qwen 3.8-27B -mallin, joka päihittää Metan kilpailijan

Alibaba ↗ 1.35% on julkaissut Qwen3.8-27B-mallin, joka on 27 miljardin parametrin tiheä multimodaalinen malli Apache 2.0 -lisenssillä. Tämä lunastaa 3. elokuuta annetun lupauksen avata sekä kompaktit että lippulaivamallit muutaman viikon sisällä.officechai+1

Paikallinen malli haastaa suuremmat kilpailijat

Julkaisu, joka tuli saataville Hugging Faceen 14. elokuuta, sisältää 262 000 tokenin natiivin konteksti-ikkunan, joka on laajennettavissa miljoonaan YaRN-tekniikalla. Se on suunniteltu toimimaan yhdellä kuluttajatason näytönohjaimella, kun se kvantisoidaan 4-bittiseen tarkkuuteen. Alibaba avasi samalla Qwen3.8-2.4T-A95B-mallin painoarvot. Kyseessä on Max-luokan mixture-of-experts -versio, jossa on yhteensä 2,4 biljoonaa parametria ja noin 95 miljardia aktiivista parametria per token.yottalabs+3

Eniten huomiota herättää vertailu Metan ↘ 0.86% Muse Glimmer-30B -malliin, jonka Meta julkaisi vain päiviä aiemmin. Terminal Bench 2.1 -testissä, joka mittaa agenttipohjaista terminaalikoodausta, Qwen3.8-27B sai 73,0 pistettä Muse Glimmerin 51,7 pistettä vastaan. GPQA Diamond -tieteellisen päättelyn testissä se sai 89,2 pistettä 83,5 vastaan. Qwen3.8-27B johtaa jokaisessa vertailutestissä, jossa molempia malleja on testattu.officechai

Painoluokkansa yläpuolella

Vielä merkittävämpää on se, miten 27B-malli suoriutuu verrattuna huomattavasti suurempiin järjestelmiin. Alibaban omaa Qwen3.7-Plus-mallia vastaan Qwen3.8-27B voittaa useimmissa testeissä, saaden 61,7 pistettä SWE-bench Pro -testissä (57,6 vastaan) ja 79,0 pistettä QwenSWEBench-testissä (59,2 vastaan). Anthropicin Opus4.6 Maxia vastaan pienempi malli jää jälkeen vaativissa päättelytehtävissä, mutta voittaa SWE-bench Prossa (61,7 vs 53,4) ja ohjeiden noudattamisessa IFBench-testissä (79,5 vs 62,5).officechai

Mallin vahvin osa-alue on agenttipohjainen toimistotyö. CoWorkBench-testissä, joka mittaa pitkäkestoisia tuottavuustehtäviä, se sai 70,7 pistettä, ohittaen Opus4.6 Maxin 68,2 pistettä.officechai

Ajoitus ja markkinatilanne

Kaksoisjulkaisu tapahtuu samaan aikaan, kun kiinalaiset tekoälymallit kasvattavat suosiotaan maailmanlaajuisesti. Venäläiset yritykset kuluttivat 400 miljardia tokenia kiinalaisia kielimalleja vuoden 2026 ensimmäisellä puoliskolla, mikä on 11-kertainen kasvu koko vuoteen 2025 verrattuna. Qwenin osuus tästä oli 261 miljardia tokenia, kertoo venäläinen pilvipalveluntarjoaja MWS Cloud. Apache 2.0 -lisenssin mukainen avoimien painoarvojen strategia mahdollistaa Alibaban tavoittaa kehittäjät markkinoiden molemmissa päissä: harrastajista, jotka ajavat kvantisoituja malleja paikallisesti, aina tiimeihin, jotka ottavat käyttöön täyden Max-tason mallin tuotantotason agentti-infrastruktuuria varten.kursiv+2