Alibaba Efficient Pesos abiertos Disponible en FlowHunt

Qwen3.8-27B

Qwen3.8-27B es un modelo de IA de nivel eficiente de Alibaba, lanzado en agosto de 2026. Es un modelo denso de 27B de pesos abiertos bajo la licencia Apache-2.0, por lo que puedes descargarlo, alojarlo tú mismo o ajustarlo. La ventana de contexto es de 262K tokens de forma nativa, ampliable hasta 1M de tokens.

Leer más

Qwen3.8 es, en palabras de Alibaba, la generación más capaz de la familia de modelos abiertos Qwen hasta la fecha, construida sobre la arquitectura de Qwen3.5. Alibaba informa de mejoras en programación, trabajo profesional, investigación y tareas agénticas de largo horizonte, con una planificación más sólida y un mejor manejo de la retroalimentación del entorno.

Qwen3.8-27B lleva estos avances a un modelo denso compacto y fácil de desplegar. Es un modelo nativo de visión y lenguaje que comprende imágenes y vídeo. El modo de razonamiento (thinking) está activado por defecto y puede desactivarse en cada solicitud, y la profundidad del razonamiento puede ajustarse. Los pesos funcionan con Hugging Face Transformers, vLLM y SGLang. Alibaba afirma que una versión alojada con 1M de contexto por defecto llegará a Qwen Cloud.

Probar en FlowHunt Volver a AI Leaderboard

Benchmarks

Cada puntuación aparece una sola vez, con su posición entre los modelos seguidos y quién la midió.

Comparado con los modelos de nivel Efficient en la misma escala
  • Qwen3.8-27Beste modelo
  • Claude Haiku 5.5este modelo lidera en 0 de 4
  • Gemini 3.5 Flash-Liteeste modelo lidera en 4 de 4
Verificado evaluador independiente, cuenta para el ranking Autoinformado publicado por Alibaba, se muestra pero no se clasifica
General

AA Intelligence Index

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

Fuente ↗

Qwen3.8-27B 33,7 Claude Haiku 5.5 43,4 Gemini 3.5 Flash-Lite 22,2
#26de 45 Verificado
Programación

SWE-bench Pro

Real issues across several languages and large codebases.

Fuente ↗

Qwen3.8-27B 61,7% Claude Haiku 5.5 64,8% Gemini 3.5 Flash-Lite Sin puntuación
Sin clasificar Autoinformado

SWE-bench Verified

500 verified GitHub issues. Saturated at the frontier.

Fuente ↗

Qwen3.8-27B 86,0% Claude Haiku 5.5 Sin puntuación Gemini 3.5 Flash-Lite Sin puntuación
#7de 22 Verificado
Agentes

Terminal-Bench 4.0

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

Fuente ↗

Qwen3.8-27B 5,6% Claude Haiku 5.5 32,8% Gemini 3.5 Flash-Lite 1,0%
#24de 36 Verificado
Razonamiento

Humanity's Last Exam

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

Fuente ↗También: Autoinformado 30,8%

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

GPQA Diamond

Graduate-level science questions that search cannot answer.

Fuente ↗También: Verificado 88,9% (Vals AI own implementation)También: Autoinformado 89,2%

Qwen3.8-27B 90,5% Claude Haiku 5.5 Sin puntuación Gemini 3.5 Flash-Lite 83,8%
#21de 37 Verificado

ARC-AGI-2

Novel visual puzzles that cannot be memorised.

Fuente ↗

Qwen3.8-27B 42,4% Claude Haiku 5.5 Sin puntuación Gemini 3.5 Flash-Lite Sin puntuación
#22de 27 Verificado

Para Qué Usar Qwen3.8-27B

Despliegues Autoalojados y Privados

Qwen3.8-27B es un modelo denso compacto con pesos abiertos bajo Apache-2.0. Ejecútalo en tu propio hardware para mantener los datos en tu entorno, evitar las tarifas de API por token o ajustarlo con datos propios.

Programación y Tareas Agénticas

Alibaba informa de mejoras en programación y en tareas agénticas de largo horizonte, con un mejor manejo de la retroalimentación del entorno y un soporte más amplio para arneses y herramientas de desarrollo populares.

Comprensión de Imágenes y Vídeo

Al ser un modelo nativo de visión y lenguaje, maneja diagramas STEM, documentos y vídeos largos junto con texto.

Profundidad de Razonamiento Ajustable

El modo de razonamiento (thinking) está activado por defecto y puede desactivarse en cada solicitud, y la profundidad del razonamiento puede ajustarse, de modo que puedes adaptar el coste y la latencia a la tarea.

Puntos fuertes y limitaciones

Puntos fuertes

  • Pesos abiertos bajo la licencia Apache-2.0
  • Modelo denso compacto, más fácil de desplegar que los modelos mayores
  • Comprensión nativa de imágenes y vídeo
  • Control flexible del razonamiento (thinking)
  • Programación y tareas agénticas de largo horizonte
  • Contexto largo (262K nativo, ampliable a 1M)

Limitaciones

  • Nivel eficiente, por lo que las tareas de razonamiento difíciles pueden requerir un modelo mayor
  • El contexto de 1M requiere una ampliación más allá de la ventana nativa de 262K

Úsalo en FlowHunt

Usa Qwen3.8-27B en cualquier flow, junto a tus propias herramientas y fuentes de conocimiento.

  1. 1Abre un flow o crea uno a partir de una plantilla
  2. 2Añade un componente AI Agent o Generator
  3. 3Elige Qwen3.8-27B en el selector de modelos

Modelos de IA Relacionados

Acerca de Alibaba Hangzhou, China · Fundado 1999 · qwenlm.github.io

Alibaba Group es uno de los conglomerados tecnológicos más grandes y diversos de China, fundado en 1999 por Jack Ma y con sede en Hangzhou. A través de su Academia DAMO y Tongyi Lab, Alibaba se ha convertido en una fuerza importante en el desarrollo de modelos de lenguaje grandes con la familia Qwen (Tongyi Qianwen). La generación Qwen 3.7, lanzada a mediados de 2026, marcó la transición de Alibaba desde implementaciones domésticas a la competitividad en benchmarks internacionales, y la generación Qwen 3.8 llegó en 2026. La estrategia de IA de Alibaba se define por lanzamientos de pesos abiertos como contrapeso a los modelos exclusivos de API estadounidenses, la integración de IA generativa en sus negocios de nube y comercio electrónico, y una fuerte inversión en infraestructura de IA en toda su división Alibaba Cloud.

qwenlm.github.io ↗

Explora el AI Model Leaderboard Completo

Compara todos los modelos analizados en benchmarks de programación, agentes y razonamiento, con cada puntuación marcada como verificada o autodeclarada.

← Volver al AI Leaderboard Probar en FlowHunt

Preguntas frecuentes