Czym jest Qwen3.8-27B?

Qwen3.8-27B to kompaktowy, gęsty model AI poziomu Efficient, opracowany przez Alibaba i wydany w sierpniu 2026 roku. Należy do rodziny otwartych modeli Qwen3.8.

Czy Qwen3.8-27B jest open-source czy open-weight?

Qwen3.8-27B to model o otwartych wagach (open-weight), wydany na licencji Apache-2.0. Jego wagi są publicznie dostępne do pobrania, samodzielnego hostowania i dostrajania. Należy pamiętać, że open-weight to nie to samo co open-source: kod treningowy i dane mogą nie być w pełni publiczne.

Jaki jest rozmiar okna kontekstowego Qwen3.8-27B?

Qwen3.8-27B natywnie obsługuje 262 144 tokeny, z możliwością rozszerzenia do 1 miliona tokenów. Hostowana wersja Alibaba ma domyślnie oferować kontekst 1M.

Czy Qwen3.8-27B jest dostępny w FlowHunt?

Tak — Qwen3.8-27B jest bezpośrednio dostępny w FlowHunt. Możesz go używać do tworzenia agentów AI, zautomatyzowanych przepływów pracy, chatbotów i potoków przetwarzania dokumentów bez dodatkowej konfiguracji.

Alibaba Efficient Otwarte wagi Dostępny w FlowHunt

Qwen3.8-27B

Qwen3.8-27B to model AI poziomu Efficient od Alibaba, wydany w sierpniu 2026 roku. Jest to gęsty model 27B o otwartych wagach na licencji Apache-2.0, więc możesz go pobrać, hostować samodzielnie lub dostrajać. Okno kontekstowe ma natywnie 262 tys. tokenów, z możliwością rozszerzenia do 1 miliona tokenów.

Czytaj więcej

Qwen3.8 to, według słów Alibaba, dotąd najzdolniejsza generacja w rodzinie otwartych modeli Qwen, zbudowana na architekturze Qwen3.5. Alibaba podaje postępy w programowaniu, pracy zawodowej, badaniach i długohoryzontowych zadaniach agentowych, z lepszym planowaniem i lepszą obsługą informacji zwrotnej ze środowiska.

Qwen3.8-27B przenosi te postępy do kompaktowego, łatwego we wdrożeniu modelu gęstego. Jest to natywny model wizyjno-językowy, który rozumie obrazy i wideo. Tryb myślenia jest domyślnie włączony i można go wyłączyć dla pojedynczego żądania, a głębokość rozumowania można regulować. Wagi działają z Hugging Face Transformers, vLLM i SGLang. Alibaba zapowiada, że hostowana wersja z domyślnym kontekstem 1M trafi do Qwen Cloud.

Wypróbuj w FlowHunt Wróć do AI Leaderboard

Benchmarki

Każdy wynik pojawia się raz, wraz z pozycją wśród śledzonych modeli i informacją, kto go zmierzył.

Porównanie z modelami z poziomu Efficient w tej samej skali

Qwen3.8-27Bten model
Claude Haiku 5.5ten model prowadzi w 0 z 4
Gemini 3.5 Flash-Liteten model prowadzi w 4 z 4

Zweryfikowane niezależny oceniający, liczony w rankingu Zgłoszone przez twórcę opublikowane przez Alibaba, wyświetlane, ale poza rankingiem

Ogółem

AA Intelligence Index

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

Źródło ↗

Qwen3.8-27B 33,7 Claude Haiku 5.5 43,4 Gemini 3.5 Flash-Lite 22,2

#26z 45 Zweryfikowane

Programowanie

SWE-bench Pro

Real issues across several languages and large codebases.

Źródło ↗

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

Poza rankingiem Zgłoszone przez twórcę

SWE-bench Verified

500 verified GitHub issues. Saturated at the frontier.

Źródło ↗

Qwen3.8-27B 86,0% Claude Haiku 5.5 Gemini 3.5 Flash-Lite

#7z 22 Zweryfikowane

Agenci

Terminal-Bench 4.0

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

Źródło ↗

Qwen3.8-27B 5,6% Claude Haiku 5.5 32,8% Gemini 3.5 Flash-Lite 1,0%

#24z 36 Zweryfikowane

Rozumowanie

Humanity's Last Exam

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

Źródło ↗Także: Zgłoszone przez twórcę 30,8%

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

#31z 44 Zweryfikowane

GPQA Diamond

Graduate-level science questions that search cannot answer.

Źródło ↗Także: Zweryfikowane 88,9% (Vals AI own implementation)Także: Zgłoszone przez twórcę 89,2%

Qwen3.8-27B 90,5% Claude Haiku 5.5 Gemini 3.5 Flash-Lite 83,8%

#21z 37 Zweryfikowane

ARC-AGI-2

Novel visual puzzles that cannot be memorised.

Źródło ↗

Qwen3.8-27B 42,4% Claude Haiku 5.5 Gemini 3.5 Flash-Lite

#22z 27 Zweryfikowane

Do czego używać Qwen3.8-27B

Hostowanie własne i prywatne wdrożenia

Qwen3.8-27B to kompaktowy model gęsty z otwartymi wagami na licencji Apache-2.0. Uruchom go na własnym sprzęcie, aby zachować dane w swoim środowisku, uniknąć opłat API za tokeny lub dostroić go na własnych danych.

Programowanie i zadania agentowe

Alibaba podaje postępy w programowaniu i długohoryzontowych zadaniach agentowych, z lepszą obsługą informacji zwrotnej ze środowiska i szerszym wsparciem dla popularnych środowisk agentowych i narzędzi programistycznych.

Rozumienie obrazów i wideo

Jako natywny model wizyjno-językowy obsługuje diagramy STEM, dokumenty i długie filmy wraz z tekstem.

Regulowana głębokość rozumowania

Tryb myślenia jest domyślnie włączony i można go wyłączyć dla pojedynczego żądania, a głębokość rozumowania można regulować, więc możesz dopasować koszt i opóźnienie do zadania.

Mocne strony i ograniczenia

Mocne strony

Otwarte wagi na licencji Apache-2.0
Kompaktowy model gęsty, łatwiejszy we wdrożeniu niż większe modele
Natywne rozumienie obrazów i wideo
Elastyczna kontrola trybu myślenia
Programowanie i długohoryzontowe zadania agentowe
Długi kontekst (262 tys. natywnie, z możliwością rozszerzenia do 1M)

Ograniczenia

Poziom Efficient, więc trudne zadania rozumowania mogą wymagać większego modelu
Kontekst 1M wymaga rozszerzenia ponad natywne okno 262 tys.

Użyj w FlowHunt

Używaj Qwen3.8-27B w dowolnym flow, obok własnych narzędzi i źródeł wiedzy.

1Otwórz flow lub utwórz go z szablonu
2Dodaj komponent AI Agent lub Generator
3Wybierz Qwen3.8-27B w selektorze modelu

Wypróbuj w FlowHunt

Pokrewne modele AI

O Alibaba Hangzhou, China · Założony 1999 · qwenlm.github.io

Alibaba Group to jeden z największych i najbardziej zróżnicowanych konglomeratów technologicznych w Chinach, założony w 1999 roku przez Jacka Ma z siedzibą w Hangzhou. Dzięki Akademii DAMO i Laboratorium Tongyi Alibaba stał się znaczącą siłą w rozwoju dużych modeli językowych za sprawą rodziny Qwen (Tongyi Qianwen). Generacja Qwen 3.7, wydana w połowie 2026 roku, oznaczała przejście Alibaba od wdrożeń krajowych do międzynarodowej konkurencyjności w benchmarkach, a w 2026 roku pojawiła się generacja Qwen 3.8. Strategia AI Alibaba opiera się na udostępnianiu otwartych wag jako przeciwwagi dla amerykańskich modeli dostępnych wyłącznie przez API, integracji generatywnej AI w całej swojej chmurze i biznesie e-commerce oraz dużych inwestycjach w infrastrukturę AI w ramach Alibaba Cloud.

qwenlm.github.io ↗

Przeglądaj pełną tabelę liderów modeli AI

Porównaj wszystkie śledzone modele w benchmarkach programowania, agentów i rozumowania, z każdym wynikiem oznaczonym jako zweryfikowany lub podany przez producenta.

← Powrót do AI Leaderboard Wypróbuj w FlowHunt

Najczęściej zadawane pytania

: Qwen3.8-27B to kompaktowy, gęsty model AI poziomu Efficient, opracowany przez Alibaba i wydany w sierpniu 2026 roku. Należy do rodziny otwartych modeli Qwen3.8.
: Qwen3.8-27B to model o otwartych wagach (open-weight), wydany na licencji Apache-2.0. Jego wagi są publicznie dostępne do pobrania, samodzielnego hostowania i dostrajania. Należy pamiętać, że open-weight to nie to samo co open-source: kod treningowy i dane mogą nie być w pełni publiczne.
: Qwen3.8-27B natywnie obsługuje 262 144 tokeny, z możliwością rozszerzenia do 1 miliona tokenów. Hostowana wersja Alibaba ma domyślnie oferować kontekst 1M.
: Tak — Qwen3.8-27B jest bezpośrednio dostępny w FlowHunt. Możesz go używać do tworzenia agentów AI, zautomatyzowanych przepływów pracy, chatbotów i potoków przetwarzania dokumentów bez dodatkowej konfiguracji.

Qwen3.8-27B