Alibaba Efficient Open gewichten Beschikbaar in FlowHunt

Qwen3.8-27B

Qwen3.8-27B is een AI-model van het Efficient-niveau van Alibaba, uitgebracht in augustus 2026. Het is een open-weight dicht model met 27B parameters onder de Apache-2.0-licentie, zodat u het kunt downloaden, zelf kunt hosten of kunt finetunen. Het contextvenster is van nature 262K tokens, uit te breiden tot 1M tokens.

Lees meer

Qwen3.8 is, in de woorden van Alibaba, de meest capabele generatie in de Qwen-familie van open modellen tot nu toe, gebouwd op de architectuur van Qwen3.5. Alibaba meldt verbeteringen op het gebied van programmeren, professioneel werk, onderzoek en agentische langetermijntaken, met sterkere planning en een betere verwerking van feedback uit de omgeving.

Qwen3.8-27B brengt deze vooruitgang naar een compact, implementatievriendelijk dicht model. Het is een native vision-language-model dat afbeeldingen en video begrijpt. De thinking-modus staat standaard aan en kan per verzoek worden uitgeschakeld, en de redeneerdiepte kan worden afgestemd. De gewichten werken met Hugging Face Transformers, vLLM en SGLang. Alibaba zegt dat er een gehoste versie met standaard 1M context naar Qwen Cloud komt.

Probeer in FlowHunt Terug naar de AI Leaderboard

Benchmarks

Elke score komt één keer voor, met de rang onder de gevolgde modellen en wie de score heeft gemeten.

Vergeleken met Efficient-modellen op dezelfde schaal
  • Qwen3.8-27Bdit model
  • Claude Haiku 5.5dit model leidt bij 0 van 4
  • Gemini 3.5 Flash-Litedit model leidt bij 4 van 4
Geverifieerd onafhankelijke beoordelaar, telt mee voor de ranking Zelf gerapporteerd gepubliceerd door Alibaba, getoond maar niet gerankt
Overall

AA Intelligence Index

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

Bron ↗

Qwen3.8-27B 33,7 Claude Haiku 5.5 43,4 Gemini 3.5 Flash-Lite 22,2
#26van 45 Geverifieerd
Coderen

SWE-bench Pro

Real issues across several languages and large codebases.

Bron ↗

Qwen3.8-27B 61,7% Claude Haiku 5.5 64,8% Gemini 3.5 Flash-Lite Geen score
Niet gerankt Zelf gerapporteerd

SWE-bench Verified

500 verified GitHub issues. Saturated at the frontier.

Bron ↗

Qwen3.8-27B 86,0% Claude Haiku 5.5 Geen score Gemini 3.5 Flash-Lite Geen score
#7van 22 Geverifieerd
Agents

Terminal-Bench 4.0

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

Bron ↗

Qwen3.8-27B 5,6% Claude Haiku 5.5 32,8% Gemini 3.5 Flash-Lite 1,0%
#24van 36 Geverifieerd
Redeneren

Humanity's Last Exam

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

Bron ↗Ook: Zelf gerapporteerd 30,8%

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

GPQA Diamond

Graduate-level science questions that search cannot answer.

Bron ↗Ook: Geverifieerd 88,9% (Vals AI own implementation)Ook: Zelf gerapporteerd 89,2%

Qwen3.8-27B 90,5% Claude Haiku 5.5 Geen score Gemini 3.5 Flash-Lite 83,8%
#21van 37 Geverifieerd

ARC-AGI-2

Novel visual puzzles that cannot be memorised.

Bron ↗

Qwen3.8-27B 42,4% Claude Haiku 5.5 Geen score Gemini 3.5 Flash-Lite Geen score
#22van 27 Geverifieerd

Waarvoor Qwen3.8-27B te Gebruiken

Zelf Gehoste & Private Implementaties

Qwen3.8-27B is een compact dicht model met open gewichten onder Apache-2.0. Draai het op uw eigen hardware om data in uw omgeving te houden, API-kosten per token te vermijden of het te finetunen op eigen data.

Programmeren & Agentische Taken

Alibaba meldt verbeteringen bij programmeren en agentische langetermijntaken, met een betere verwerking van feedback uit de omgeving en bredere ondersteuning voor populaire harnesses en ontwikkeltools.

Beeld- & Videobegrip

Als native vision-language-model verwerkt het STEM-diagrammen, documenten en lange video's naast tekst.

Instelbare Redeneerdiepte

De thinking-modus staat standaard aan en kan per verzoek worden uitgeschakeld, en de redeneerdiepte kan worden afgestemd, zodat u kosten en latentie op de taak kunt afstemmen.

Sterke punten en beperkingen

Sterke punten

  • Open gewichten onder de Apache-2.0-licentie
  • Compact dicht model dat gemakkelijker te implementeren is dan grotere modellen
  • Native beeld- en videobegrip
  • Flexibele thinking-besturing
  • Programmeren en agentische langetermijntaken
  • Lange context (262K native, uit te breiden tot 1M)

Beperkingen

  • Efficient-niveau, dus voor moeilijke redeneertaken kan een groter model nodig zijn
  • 1M context vereist uitbreiding voorbij het native venster van 262K

Gebruik het in FlowHunt

Gebruik Qwen3.8-27B in elke flow, naast je eigen tools en kennisbronnen.

  1. 1Open een flow of maak er een op basis van een sjabloon
  2. 2Voeg een AI Agent- of Generator-component toe
  3. 3Kies Qwen3.8-27B in de modelkiezer

Gerelateerde AI-modellen

Over Alibaba Hangzhou, China · Opgericht 1999 · qwenlm.github.io

Alibaba Group is een van de grootste en meest diverse technologieconglomeraten van China, opgericht in 1999 door Jack Ma en gevestigd in Hangzhou. Via haar DAMO Academy en Tongyi Lab is Alibaba een belangrijke kracht geworden in de ontwikkeling van grote taalmodellen met de Qwen (Tongyi Qianwen)-familie. De Qwen 3.7-generatie, uitgebracht medio 2026, markeerde de overgang van Alibaba van binnenlandse implementaties naar internationale benchmarkconcurrentie, en in 2026 volgde de Qwen 3.8-generatie. De AI-strategie van Alibaba wordt gekenmerkt door open-gewicht releases als tegenwicht voor Amerikaanse API-only modellen, integratie van generatieve AI in haar cloud- en e-commerce-activiteiten, en zware investeringen in AI-infrastructuur binnen haar Alibaba Cloud-divisie.

qwenlm.github.io ↗

Bekijk het Volledige AI Model Leaderboard

Vergelijk alle gevolgde modellen op benchmarks voor programmeren, agents en redeneren, met elke score gemarkeerd als geverifieerd of zelf gerapporteerd.

← Terug naar AI Leaderboard Probeer in FlowHunt

Veelgestelde vragen