Qwen3.8-27B: otwarte wagi, ale nie flagowiec

Alibaba opublikowała otwarte wagi Qwen3.8. Pliki trafiły na Hugging Face 14 sierpnia 2026 o 15:00 UTC, do repozytorium Qwen/Qwen3.8-27B i równolegle do ModelScope, na licencji Apache 2.0. Jedno trzeba zaznaczyć od razu: opublikowany model liczy 27 miliardów parametrów, a nie 2,4 biliona. Flagowy Qwen3.8 Max, z którym wiązała się lipcowa obietnica, pozostaje zamknięty.

To domknięcie wątku, który prowadzimy od miesiąca. 20 lipca pisaliśmy, że Alibaba i Moonshot obiecują wagi, a pobrać nie ma czego. 4 sierpnia, że Qwen3.8 Max wyszedł z zamkniętej bety, ale wag wciąż brakuje. Tym razem sprawdzenie kończy się inaczej: repozytorium istnieje, licencja jest podana, karta modelu opublikowana. Firma potwierdziła to wpisem na X.

Co dokładnie leży w repozytorium

Qwen3.8-27B to model gęsty, czyli taki, w którym przy każdym zapytaniu pracują wszystkie parametry. To istotna różnica w porównaniu z flagowcem, zbudowanego jako rzadki MoE, gdzie z ogromnej puli aktywuje się tylko wycinek. Model gęsty jest prostszy w uruchomieniu i bardziej przewidywalny w zużyciu pamięci.

Reszta specyfikacji, wprost z karty modelu:

• 64 warstwy w układzie hybrydowym, łączącym Gated DeltaNet i Gated Attention,
• natywna multimodalność: model przyjmuje nie tylko tekst, ale też obrazy i wideo,
• okno kontekstu 262 144 tokenów natywnie, rozciągane do miliona metodą YaRN,
• dwa tryby pracy: thinking, domyślny, w którym model najpierw wypisuje blok rozumowania, oraz non-thinking, gdzie odpowiada od razu.

Dla kogoś, kto planuje coś na tym zbudować, najważniejsza jest licencja. Apache 2.0 pozwala na użycie komercyjne, modyfikacje i dalszą redystrybucję, bez pytania Alibaby o zgodę. Tak właśnie wygląda różnica między otwartymi wagami a obietnicą otwartych wag, którą opisywaliśmy w lipcu.

Wyniki, które podaje producent

Karta modelu wymienia takie rezultaty:

Test	Wynik
SWE-bench Pro	61,7
Terminal Bench	73,0
GPQA Diamond	89,2
MathVision	94,6
OSWorld	84,3

To liczby od dostawcy, nie z niezależnego pomiaru, więc traktujemy je jak deklarację do zweryfikowania. Warto natomiast wiedzieć, co mierzą. SWE-bench Pro sprawdza rozwiązywanie prawdziwych zgłoszeń z repozytoriów na GitHubie, Terminal Bench pracę w wierszu poleceń, a OSWorld obsługę komputera przez zwykły interfejs graficzny. GPQA Diamond i MathVision to zadania z wiedzy eksperckiej i matematyki, przy czym MathVision wymaga odczytania treści z obrazka.

Czy odpalisz to na własnym komputerze

Tu jest sedno całej publikacji. 27 miliardów parametrów po kwantyzacji czterobitowej, czyli po zapisaniu wag z mniejszą precyzją, zajmuje około 15 GB. Tyle mieści się na jednej konsumenckiej karcie graficznej z 24 GB pamięci VRAM.

Ostrożnie z wnioskami. Zmieszczenie się w pamięci to warunek konieczny, a nie obietnica komfortu: kwantyzacja obniża jakość odpowiedzi, długi kontekst zjada dodatkową pamięć, a szybkość generowania zależy od konkretnej karty. Sam fakt pozostaje jednak istotny: to pierwszy model z serii 3.8, który da się uruchomić bez serwerowni.

Flagowca dalej nie pobierzesz

Qwen3.8 Max, model o 2,4 biliona parametrów, jest nadal dostępny wyłącznie przez API i kosztuje 2 USD za milion tokenów wejściowych oraz 6 USD za milion wyjściowych. Wag nie opublikowano, nowej daty też nie podano.

Można na to spojrzeć dwojako. Lipcowa obietnica została spełniona w wersji minimalnej, więc zestawianie 27B z 2,4 bln to nieporozumienie: to dwa różne produkty pod jedną nazwą. Z drugiej strony 27B jest dokładnie tym rozmiarem, który realnie ląduje na prywatnych komputerach, więc dla większości osób to wydanie użyteczniejsze niż wagi modelu, którego i tak nikt by u siebie nie zmieścił.

Co to zmienia w praktyce

Jeśli korzystasz z modeli przez API albo przez narzędzie, które ma je wpięte, ta publikacja niewiele u Ciebie zmienia. Max i tak działał, a 27B pojawi się u pośredników przy okazji. Różnicę widać w trzech sytuacjach.

• Prywatność danych. Model uruchomiony lokalnie nie wysyła Twojego kodu ani dokumentów na cudzy serwer. Przy pracy na materiałach klienta bywa to argument rozstrzygający.
• Koszt. Odpada abonament i rozliczanie za tokeny. Płacisz prądem i sprzętem, który już masz.
• Trwałość. Wag na licencji Apache 2.0 nikt Ci nie odbierze i nie podniesie za nie ceny w połowie projektu. Model wystawiony przez API może zniknąć z dnia na dzień.

Do pracy z kodem Alibaba ma osobne narzędzie w wierszu poleceń, Qwen Code, więc lokalne wagi mają gdzie trafić.

Nawyk zostaje ten sam co w lipcu: zajrzyj do repozytorium producenta, zanim uwierzysz nagłówkowi. Tym razem sprawdzenie wypada pozytywnie, tyle że dotyczy innego modelu, niż sugerowała zapowiedź.