Alibaba Efficient Åbne vægte Tilgængelig i FlowHunt

Qwen3.8-27B

Qwen3.8-27B er en effektiv AI-model fra Alibaba, udgivet i august 2026. Det er en open-weight dense-model med 27B parametre under Apache-2.0-licensen, så du kan downloade den, selv hoste den eller finjustere den. Kontekstvinduet er nativt 262K tokens, som kan udvides op til 1M tokens.

Læs mere

Qwen3.8 er med Alibabas egne ord den mest kapable generation i Qwen-familien af åbne modeller til dato, bygget på arkitekturen fra Qwen3.5. Alibaba rapporterer forbedringer inden for kodning, professionelt arbejde, research og langsigtede agentiske opgaver, med stærkere planlægning og bedre håndtering af feedback fra miljøet.

Qwen3.8-27B bringer disse fremskridt til en kompakt, implementeringsvenlig dense-model. Det er en nativ vision-language-model, der forstår billeder og video. Thinking-tilstand er slået til som standard og kan slås fra pr. forespørgsel, og ræsonneringsdybden kan justeres. Vægtene fungerer med Hugging Face Transformers, vLLM og SGLang. Alibaba oplyser, at en hostet version med 1M kontekst som standard er på vej til Qwen Cloud.

Benchmarks

Hver score vises én gang, med sin placering blandt de sporede modeller og oplysning om, hvem der målte den.

Sammenlignet med Efficient-modeller på samme skala
  • Qwen3.8-27Bdenne model
  • Claude Haiku 5.5denne model fører på 0 af 4
  • Gemini 3.5 Flash-Litedenne model fører på 4 af 4
Verificeret uafhængig evaluator, tæller med i rangeringen Selvrapporteret offentliggjort af Alibaba, vist men ikke rangeret
Samlet

AA Intelligence Index

Independent composite of agent, coding, knowledge and science tests by Artificial Analysis (v4).

Kilde ↗

Qwen3.8-27B 33,7 Claude Haiku 5.5 43,4 Gemini 3.5 Flash-Lite 22,2
#26af 45 Verificeret
Kodning

SWE-bench Pro

Real issues across several languages and large codebases.

Kilde ↗

Qwen3.8-27B 61,7% Claude Haiku 5.5 64,8% Gemini 3.5 Flash-Lite Ingen score
Ikke rangeret Selvrapporteret

SWE-bench Verified

500 verified GitHub issues. Saturated at the frontier.

Kilde ↗

Qwen3.8-27B 86,0% Claude Haiku 5.5 Ingen score Gemini 3.5 Flash-Lite Ingen score
#7af 22 Verificeret
Agenter

Terminal-Bench 4.0

Multi-step professional tasks done by an agent in a command-line terminal.

Kilde ↗

Qwen3.8-27B 5,6% Claude Haiku 5.5 32,8% Gemini 3.5 Flash-Lite 1,0%
#24af 36 Verificeret
Ræsonnement

Humanity's Last Exam

Expert-written questions across 100+ subjects, no tools.

Kilde ↗Også: Selvrapporteret 30,8%

Qwen3.8-27B 33,9% Claude Haiku 5.5 44,4% Gemini 3.5 Flash-Lite 18,8%
#31af 44 Verificeret

GPQA Diamond

Graduate-level science questions that search cannot answer.

Kilde ↗Også: Verificeret 88,9% (Vals AI own implementation)Også: Selvrapporteret 89,2%

Qwen3.8-27B 90,5% Claude Haiku 5.5 Ingen score Gemini 3.5 Flash-Lite 83,8%
#21af 37 Verificeret

ARC-AGI-2

Novel visual puzzles that cannot be memorised.

Kilde ↗

Qwen3.8-27B 42,4% Claude Haiku 5.5 Ingen score Gemini 3.5 Flash-Lite Ingen score
#22af 27 Verificeret

Hvad skal Qwen3.8-27B bruges til

Selvhostede & private installationer

Qwen3.8-27B er en kompakt dense-model med åbne vægte under Apache-2.0. Kør den på din egen hardware for at holde data i dit miljø, undgå API-gebyrer per token eller finjustere den på proprietære data.

Kodning & agentiske opgaver

Alibaba rapporterer forbedringer inden for kodning og langsigtede agentiske opgaver, med bedre håndtering af feedback fra miljøet og bredere understøttelse af populære harnesses og udviklingsværktøjer.

Forståelse af billeder & video

Som nativ vision-language-model håndterer den STEM-diagrammer, dokumenter og lange videoer sammen med tekst.

Justerbar ræsonneringsdybde

Thinking-tilstand er slået til som standard og kan slås fra pr. forespørgsel, og ræsonneringsdybden kan justeres, så du kan tilpasse pris og latenstid til opgaven.

Styrker og begrænsninger

Styrker

  • Åbne vægte under Apache-2.0-licensen
  • Kompakt dense-model, der er lettere at implementere end større modeller
  • Nativ forståelse af billeder og video
  • Fleksibel styring af thinking
  • Kodning og langsigtede agentiske opgaver
  • Lang kontekst (262K nativt, kan udvides til 1M)

Begrænsninger

  • Efficient-niveau, så svære ræsonneringsopgaver kan kræve en større model
  • 1M kontekst kræver udvidelse ud over det native vindue på 262K

Brug den i FlowHunt

Brug Qwen3.8-27B i ethvert flow ved siden af dine egne værktøjer og videnskilder.

  1. 1Åbn et flow, eller opret et ud fra en skabelon
  2. 2Tilføj en AI Agent- eller Generator-komponent
  3. 3Vælg Qwen3.8-27B i modelvælgeren

Relaterede AI-modeller

Om Alibaba Hangzhou, China · Grundlagt 1999 · qwenlm.github.io

Alibaba Group er en af Kinas største og mest diverse teknologikonglomerater, grundlagt i 1999 af Jack Ma med hovedkvarter i Hangzhou. Gennem sin DAMO Academy og Tongyi Lab er Alibaba blevet en stor kraft inden for udvikling af store sprogmodeller med Qwen-familien (Tongyi Qianwen). Qwen 3.7-generationen, udgivet i midten af 2026, markerede Alibabas overgang fra indenlandske implementeringer til international benchmark-konkurrenceevne, og i 2026 fulgte Qwen 3.8-generationen. Alibabas AI-strategi er defineret af åbne vægtudgivelser som en modvægt til amerikanske API-only-modeller, integration af generativ AI på tværs af dets cloud- og e-handelsforretninger og kraftige investeringer i AI-infrastruktur på tværs af dets Alibaba Cloud-afdeling.

qwenlm.github.io ↗

Se det fulde AI Model Leaderboard

Ofte stillede spørgsmål