Alibaba представила Qwen3.8-27B — плотная мультимодальная модель с 27B параметров и контекстом до 1 миллионов токенов

Команда Qwen представила Qwen3.8-27B — самую мощную компактную модель нового поколения из семейства Qwen3.8. В отличие от старшей MoE-модели Qwen3.8-2.4T-A95B, это плотная модель на 27 миллиардов параметров с нативной мультимодальной поддержкой изображений и видео на ввод. Новинка построена на архитектурной основе Qwen3.5, но получила серьезные улучшения в задачах кодинга, агентных сценариев и мультимодальных операций. Веса передовой компактной нейросети опубликованы на Hugging Face и совместимы с движками vLLM, SGLang, TokenSpeed и Hugging Face Transformers, а хостинговая версия с контекстом 1 млн токенов и встроенными инструментами появится в Qwen Cloud уже в ближайшее время.

Qwen3.8-27B — это классическая языковая модель с плотной архитектурой (без MoE-экспертов) на 27 миллиардах параметров с нативной мультимодальностью за счет встроенного кодировщика изображений/видео. Структура модели представляет из себя гибридную схему, сочетающую в себе различные подходы для оптимизации вывода: слои с механизмом DeltaNet, Gated Attention и MTP — стандартный набор для всех моделей Qwen начиная с поколения Qwen3.5, обеспечивающий эффективный и быстрый инференс локальных LLM вне зависимости от объема параметров. Несмотря на небольшой размер, Alibaba смогла уместить в модель поддержку контекстного окна в 1 миллион токенов, что позволяет использовать LLM в сложных агентных сценариях и многоэтапных логических задачах.

Ключевое отличие от предыдущих компактных моделей Qwen — нативное понимание изображений и видео. Встроенный визуальный кодировщик принимает как статичные изображения, так и видеопотоки, от научных диаграмм и документов до многочасовых записей. Это превращает Qwen3.8-27B в универсальный инструмент для мультимодальных агентов, способных интерпретировать скриншоты, чертежи и видеоматериалы наравне с текстом без участия человека — модель можно применять для автономных агентных сессий, длительность которых превышает множество часов.

Управление глубиной мышления реализовано через параметр reasoning_effort, который теперь поддерживает три уровня: xhigh (по умолчанию, для сложных задач), medium (баланс точности и скорости) и low (оптимизация под скорость и вычислительной сложностью). Дополнительно preserve_thinking по умолчанию включен для сохранения контекста рассуждений между ходами, что повышает производительность в многошаговых агентных сценариях. Разработчики отмечают, что в длительных агентных задачах снижение эффективности не всегда ускоряет выполнение: быстрые ответы могут приводить к недостаточному анализу, ошибкам и повторным попыткам, увеличивая общую задержку и дополнительный расход вычислительной мощноси.

Qwen3.8-27B демонстрирует значительный прогресс по сравнению с Qwen3.6-27B и Qwen3.7-Plus. В агентном кодировании Terminal Bench 2.1 модель набирает 73.0 против 63.4 у Qwen3.6-27B и 64.0 у Qwen3.7-Plus, приближаясь к Opus4.6 Max (78.2). В SWE-bench Pro результат 61.7 — выше 53.5 у Qwen3.6-27B и 51.2 у Muse Glimmer-30B. По DeepSWE 1.1 прогресс особенно заметен: 42.2 против 13.3 у Qwen3.6-27B и 14.2 у Qwen3.7-Plus. В агентных сценариях Qwen3.8-27B также укрепляет позиции: CoWorkBench 70.7 (против 61.0 у Qwen3.6-27B, 65.1 у Qwen3.7-Plus, 68.2 у Opus4.6 Max), JobBench 33.4 (против 21.8 и 27.6 соответственно), Agents' Last Exam — Pass@1 20.4 и Score 42.9 (против 10.6/27.3 у Qwen3.6-27B и 13.2/33.6 у Qwen3.7-Plus). В общих задачах:HLE 30.8 (против 24.0 у Qwen3.6-27B, 34.7 у Qwen3.7-Plus, 22.0 у Muse Glimmer-30B). В использовании компьютера OSWorld-Verified набрано 84.3 — значительно выше 63.9 у Qwen3.6-27B, 73.3 у Qwen3.7-Plus, 65.9 у Muse Glimmer-30B и 72.7 у Opus4.6 Max. В разработке мультимодального ПО SWE-MM результат 38.6 (против 25.7 у Qwen3.6-27B, 30.0 у Qwen3.7-Plus, 27.1 у Opus4.6 Max).

Как вы можете заметить, Alibaba не сравнивает свою флагманскую компактную LLM с топовыми проприетарными нейросетями, такими как Claude Opus 4.8 или GPT-5.6, что неудивительно — компания позиционирует нейросеть как компактную систему для инференса на устройствах потребительского уровня. Интересно, что сразу на релизе Qwen3.8-27B получила поддержку огромного количества форматов вычислений: GGUF, NVFP4, MLX, FP8 и так далее. Это позволяет запускать новую компактную нейросеть практически на любом оборудовании — ИИ-ускорители Nvidia и AMD, центральные процессоры и даже решения Apple. 

Qwen3.8-27B — это новая веха компактных LLM для агентных задач, инфернс которой может позволить себе практически каждый ИИ-энтузиаст. Поддержка нулевого большинства популярных форматов вычислений, различные квантизации, огромное контекстное окно в 1 миллион токенов, несвойственное для ИИ подобного класса, делают Qwen3.8-27B идеальной нейросетью как для корпоративных, так и для потребительских агентных сценариев инференса. Конечно, ИИ-производительность модели не идет ни в какое сравнение с гигантами класса Claude Fable 5 или GPT-5.6 Sol, но для нее это и не нужно — ее агентной эффективности вполне достаточно для большинства сценариев, а функционал для computer-use функционала открывают дорогу для многочасовой автономной работы в любой рабочей среде.