Zwei Wochen nach dem 2,4‑T‑MoE-Flaggschiff hat Alibaba die Gewichte für seinen kompakten dichten Bruder veröffentlicht. Qwen3.8-27B ist ein 27 B‑dichtes Modell unter Apache 2.0, und mit 4‑Bit benötigt es etwa 17 GB – eine 3090, eine 4090 oder ein Mac mit ausreichend einheitlichem Speicher. Unsloth hatte GGUF‑Quantisierungen innerhalb weniger Stunden nach der FP8‑Veröffentlichung bereit. Zwei HN‑Threads zum selben Launch sammelten an einem Tag zusammen 200 Punkte.
Was es tatsächlich leistet
Es ist ein allgemeines Modell, das für agentenbasiertes Coding entwickelt wurde: 61,7 bei SWE-bench Pro, 90,3 bei LiveCodeBench v6, 73,0 bei Terminal-Bench 2.1. Nativer 262 K‑Kontext, erweiterbar auf 1 M mit YaRN. Das Reasoning ist standardmäßig aktiviert über einen reasoning_effort-Regler, und es verarbeitet auch Bilder und Video. Der Vorgänger Qwen3.6-27B war bereits der Standard der lokalen Community; dieses ersetzt ihn.
Ausführen
llama.cpp, vLLM, SGLang und Ollama laden es heute alle. Keine passende Hardware? Alibaba stellt es über Model Studio bereit, sodass dieselben Gewichte als gehostete API funktionieren – baue den Agenten lokal, stelle ihn über den Cloud‑Endpoint bereit, ohne Umschreibung.
Der interessante Teil sind nicht die Punktzahlen. Es ist die Tatsache, dass ein Modell, das dieser Front‑Coding‑Performance so nahe kommt, jetzt auf einer Gaming‑GPU läuft, ohne dass dafür eine API‑Gebühr anfällt.