Qwen3.8-27B — обзор 2026: что умеет самая скачиваемая открытая модель Qwen
Плотная мультимодальная модель, которая умеет работать агентом в терминале, понимает документы и видео и помещается на одну видеокарту. Разбираем, чем она отличается от Qwen 3.8 Max и Flash-Next и где ждать подвоха.
Qwen3.8-27B — открытая модель Alibaba с 27 млрд параметров под лицензией Apache-2.0: 7 516 626 загрузок и 17 867 отметок «нравится» в основном репозитории на Hugging Face (снято 17.10.2026). Это не топ рынка по абсолютным бенчмаркам, но лучший баланс «качество на единицу железа»: модель помещается на видеокарту с 16–24 ГБ памяти и при этом понимает изображения и видео.
7,5 млн
Загрузок
репозиторий Qwen
17 867
Лайков
Hugging Face
27 млрд
Параметров
плотная модель
262 144
Контекст
токена, до 1 млн
01Что это и кому подходит
Qwen3.8-27B вышла в августе 2026 года как компактный представитель поколения Qwen 3.8. Пока флагманы семейства живут в облаке (Qwen 3.8 Max) и в виде гигантских MoE-моделей (Flash-Next, 2.4T-A95B), именно 27B решает задачу «сильная модель на своём железе»: она обучалась как нативный мультимодальный агент, а не как языковая модель с прикрученным сверху кодировщиком картинок.
Целевые сценарии: локальный кодинг-агент, разбор PDF и таблиц без выгрузки в облако, длинные документы и видео (модель заявляет работу с часовыми записями), автоматизация рабочего стола и браузера. Если у вас закрытый код или персональные данные, локальный запуск снимает вопрос о передаче контента провайдеру.
Ключевые характеристики
РазработчикAlibaba (Qwen)
Дата открытия весовавгуст 2026
Параметров27 млрд, 64 слоя
Контекст262 144 нативно, до 1 000 000
Модальноститекст, изображения, видео
Формат и лицензияsafetensors / FP8 / GGUF, Apache-2.0
Как мы проверяли данные
Обзор построен на публичных источниках: официальная карточка модели, дерево файлов репозиториев квантов через API Hugging Face, страница модели в библиотеке Ollama, документация llama.cpp и страница цен Qwen Cloud. Дата съёма всех чисел — 17.10.2026; личного прогона бенчмарков не было, оценки Qwen помечены как данные авторов.
02Архитектура: гибридное внимание и голова MTP
Главная особенность модели — раскладка слоёв. Из 64 слоёв полное внимание работает только в 16: на каждый блок из трёх слоёв Gated DeltaNet (линейное внимание с рекуррентным состоянием) приходится один слой Gated Attention. Практический смысл в том, что классический KV-кэш почти не растёт с длиной контекста: в Gated DeltaNet хранится состояние, а не ключи и значения всех токенов.
Вторая деталь — голова MTP (Multi-Token Prediction), с которой модель обучали сразу: она предсказывает несколько токенов вперёд, и это используется в спекулятивном декодировании. В llama.cpp под неё есть отдельный тип запуска --spec-type draft-mtp, а проект ggml-org выложил файлы драфтов отдельно от весов.
Данные официальной карточки модели Qwen3.8-27B; контекст расширяется до 1 млн токенов в облачной версии.
03Бенчмарки: цифры авторов модели
Ниже — результаты из карточки модели, то есть данные авторов, а не независимый замер. Qwen сравнивает 27B с собственными предыдущими версиями (3.6-27B, 3.7-Plus), с открытой моделью Muse Glimmer-30B и с облачной Opus4.6 Max. Главный вывод: по кодингу и агентным задачам модель обгоняет свою предыдущую версию заметно, по общим знаниям остаётся вровень или чуть ниже, а до облачных лидеров не дотягивается.
Qwen3.8-27B на ключевых бенчмаркахпроценты, данные авторов модели, снято 17.10.2026
Источник: карточка модели Qwen3.8-27B на Hugging Face. Это метрики вендора; независимого воспроизведения мы не проводили.
27B против предыдущей версии и облачной модели% выполнения задачи, данные авторов
Облачная модель сильнее на терминальных задачах, но на SWE-bench Pro проигрывает открытой 27B — по данным самой Qwen.
Бенчмарк
Qwen3.8-27B
Qwen3.6-27B
Opus4.6 Max
Terminal Bench 2.1 (Terminus)
73,0
63,4
78,2
SWE-bench Pro
61,7
53,5
53,4
QwenSWEBench
79,0
49,3
63,8
LiveCodeBench v6
90,3
83,9
88,8
GPQA Diamond
89,2
87,8
91,3
HLE
30,8
24,0
40,0
OSWorld-Verified
84,3
63,9
72,7
AndroidWorld
81,9
70,3
62,0
Агентные и мультимодальные метрики — сильная сторона модели; общие знания (HLE) отстают от облачного флагмана.
Все числа — из таблицы бенчмарков карточки модели; жирным выделен лидер строки.
04Запуск локально: что реально нужно
Кванты модели живут в репозитории Unsloth: 6 663 225 загрузок и 5 143 отметки «нравится» (снято 17.10.2026). Файлы начинаются с 6,19 ГБ (1-битный крайний вариант) и заканчиваются 29,05 ГБ у 8-битного. Разумный выбор для дома — динамический 4-битный квант 17,56 ГБ: он оставляет место под контекст на 24 ГБ карте.
Где живут веса: размеры квантовгигабайты, репозиторий unsloth, снято 17.10.2026
Проектор зрения mmproj добавляет 0,63–0,93 ГБ, файлы MTP-драфта — ещё 1,68–5,95 ГБ.
Сценарий
Квант
Память
Ночной чат на 12 ГБ
UD-IQ2_S (8,37 ГБ)
качество заметно ниже 4-бит
Домашний агент на 16 ГБ
UD-IQ4_XS (14,25 ГБ)
короткий и средний контекст
Рабочая станция 24 ГБ
UD-Q4_K_XL (17,56 ГБ)
контекст 32K и больше
Сервер 40+ ГБ
Q8_0 (29,05 ГБ)
потери минимальны
Раскладка редакции Qantcore по фактическим размерам файлов; конкретную длину контекста подбирайте экспериментально.
Пошаговая инструкция
Команды для Ollama, llama.cpp и LM Studio, а также включение MTP-ускорения разобраны в отдельном гайде — ссылка в блоке «Смотрите также».
05Место в семействе Qwen 3.8
В открытых весах у поколения 3.8 три заметных представителя, и выбирать нужно по железу, а не по числу в названии. Плотная 27B — единственная, которая реально живёт на одной потребительской видеокарте. Flash-Next — MoE-модель с десятками гигабайт веса: она сильнее, но требует порядка 75 ГБ оперативной памяти. 2.4T-A95B — серверная модель для команд, а Qwen 3.8 Max остаётся облачным флагманом.
Как появлялись открытые модели Qwen 3.x
Даты — создание репозиториев через API Hugging Face, снято 17.10.2026.
Модель
Тип
Где запускать
Лицензия
Qwen3.8-27B
плотная
16–24 ГБ VRAM
Apache-2.0
Qwen3.8-Flash-Next
MoE
порядка 75 ГБ RAM
иная (смотреть карточку)
Qwen3.8-2.4T-A95B
MoE огромная
серверные GPU
иная
Qwen 3.8 Max
облако
API Qwen Cloud
по условиям сервиса
Данные о весах и лицензиях — из карточек соответствующих репозиториев на Hugging Face.
06Цена: локально или через API
Скачать веса и запустить их дома — бесплатно: лицензия Apache-2.0 не требует отчислений. Платить придётся за железо и электричество, а если сервер не хочется содержать — за облачный API. У Qwen Cloud тарифы фиксированные и опубликованы на официальной странице модели: ниже цены, снятые 17.10.2026.
оптимально
Локально
$0за использование модели
Веса по лицензии Apache-2.0
Свои расходы на GPU и электричество
Данные не покидают ваш контур
Скорость зависит от вашей карты
Qwen Cloud: вход
$0,50за 1 млн токенов
Вход $0,50 / 1M токенов
Кэш входа $0,10 / 1M токенов
Максимум входа 991K токенов
Без установки и обслуживания
Qwen Cloud: выход
$3,00за 1 млн токенов
Выход $3,00 / 1M токенов
Максимум выхода 131K токенов
Контекст до 1M токенов
Оплата — по прайсу сервиса
Цены облачного API — с официальной страницы Qwen Cloud, снято 17.10.2026. Рублёвая сумма зависит от курса и канала оплаты, отдельного «тарифа для России» у сервиса нет.
Про оплату из России
Зарубежные карты российских банков не принимает ни один из этих сервисов напрямую; расчёт идёт через посредников или криптовалюту, а рублёвая сумма получается из валютного тарифа по курсу плюс комиссия канала. Актуальные способы разобраны в разделе про оплату AI-сервисов.
07Плюсы и минусы
Плюсы
Apache-2.0: коммерческое использование без отчислений
Контекст 262 144 токена и расширение до 1 млн в облаке
Нативное зрение: изображения, документы и видео
Гибридное внимание — KV-кэш растёт медленнее обычных 27B
Работает на одной видеокарте 16–24 ГБ, есть MLX-сборка
Голова MTP и файлы драфтов для спекулятивного ускорения
Минусы
Отстаёт от облачных моделей на общих знаниях (HLE 30,8 против 40,0)
Режим размышления включён по умолчанию — ответы медленнее
Для зрения нужен отдельный файл проектора
Длинный контекст требует квантованного KV-кэша и терпения к настройке
Сколько параметров у Qwen 3.8 и какая у неё лицензия?
У Qwen3.8-27B — 27 миллиардов параметров в плотной архитектуре, 64 слоя и лицензия Apache-2.0, то есть модель можно использовать в коммерческих продуктах. MoE-варианты семейства — Flash-Next и 2.4T-A95B — распространяются на своих условиях, которые указаны в их карточках.
Qwen3.8-27B — это MoE-модель?
Нет. 27B — плотная модель: в каждом запросе участвуют все веса, поэтому файл сравнительно компактный. MoE-версии Qwen 3.8 существуют отдельно (Flash-Next, 2.4T-A95B), но их вес измеряется десятками и сотнями гигабайт.
Чем Qwen3.8-27B отличается от Qwen 3.8 Max?
Max — облачный флагман: он недоступен в виде открытых весов и работает через API Qwen Cloud, где заявлен контекст до 1 млн токенов. 27B можно скачать и запустить локально; в облаке она тоже доступна, но её сильная сторона — работа на своём железе.
Qwen 3.8 скачать — сколько весит модель?
Основной репозиторий отдаёт safetensors на 53,81 ГБ в формате BF16 и FP8-версию 30,89 ГБ. Для домашнего запуска нужны GGUF-кванты: от 6,19 ГБ (1 бит) до 29,05 ГБ (8 бит), самый ходовой 4-битный файл — 17,56 ГБ.
Какая скорость генерации у Qwen3.8-27B?
Зависит от карты, кванта и длины контекста: на 24 ГБ видеопамяти 4-битный квант обычно даёт десятки токенов в секунду, а с MTP-драфтом скорость растёт. Точных цифр для всех конфигураций не публикует ни Qwen, ни разработчики движков — измеряйте на своём железе.
Можно ли использовать Qwen3.8-27B в коммерческом продукте?
Да, лицензия Apache-2.0 разрешает коммерческое использование и модификацию. Условия касаются только облачного сервиса Qwen Cloud — они определяются договором с провайдером, а не лицензией на веса.
Цены API за токены и пределы контекста — снято 17.10.2026
Вердикт Qantcore
8,6/ 10
Qwen3.8-27B — лучшая открытая модель в своём классе по совокупности цены железа, лицензии и агентных возможностей: 7,5 млн загрузок за два месяца говорят сами за себя. Берите её, если нужен локальный агент или обработка документов без облака; за максимальным качеством по общим знаниям идите в облако.
Сравнить открытые модели
Обзоры локальных моделей, движков и агентов с единой методикой и проверенными цифрами.