Alibaba veröffentlicht Qwen3.8-Modelle

Worin die Quellen übereinstimmen

Alibabas KI-Team Qwen hat die offenen Modellgewichte für Qwen3.8 veröffentlicht. Das Kernmodell Qwen3.8-27B hat 27 Milliarden Parameter und versteht laut Qwen neben Text auch Bilder und Videos. Das Unternehmen gibt an, das Modell übertreffe das größere Qwen3.7-Plus in vielen Bereichen, besonders bei Programmierung und Office-Aufgaben. Zudem sollen die Agentenfähigkeiten verbessert sein: Das Modell plane eigenständiger und schließe Aufgaben zuverlässiger ab. Es verarbeitet nativ bis zu 262.000 Token Kontext, per YaRN-Methode erweiterbar auf eine Million Token. Ein flexibler Denkmodus ist standardmäßig aktiv, lässt sich aber pro Anfrage abschalten oder anpassen. Die Gewichte stehen unter der freien Apache-2.0-Lizenz. Zusätzlich gab Qwen die Gewichte für das größere Modell Qwen3.8-2.4T-A95B frei, das auf Max-Niveau arbeiten soll. Beide Modelle sind auf Hugging Face und ModelScope verfügbar. Eine gehostete Version mit einer Million Token Kontext bietet demnächst Qwen Cloud an. Das Modell ist der Nachfolger des im April erschienenen Qwen3.6-27B. Laut Unternehmensangaben übertrifft es in einigen Benchmarks das „Claude Opus 4.6“ von Anthropic in dessen maximaler Denkstufe (Opus 4.6 Max). In den veröffentlichten Benchmarks erreichte das Modell im „SWE-bench Pro“ 61,7 und im „LiveCodeBench v6“ 90,3 – jeweils über Opus 4.6 Max. Im „OSWorld-Verified“ erzielte es 84,3 und übertraf den Vorgänger Qwen3.6-27B (63,9) um über 20 Punkte. In anderen Tests wie „GPQA Diamond“, „Humanity's Last Exam“ und „Terminal Bench 2.1“ liegt es laut Alibaba Cloud noch hinter Opus 4.6 Max. Die Denktiefe ist in drei Stufen wählbar. Anders als das Flagschiff Qwen3.8-Max, dessen Gewichte unter einer eigenen Lizenz stehen und für große kommerzielle Anbieter eine separate Vereinbarung erfordern, ist Qwen3.8-27B unter Apache 2.0 freigegeben. Das Modell läuft laut Anbieter auch auf lokalen Systemen wie einem Desktop-PC mit einer GPU. Das Unternehmen Unsloth gibt an, dass eine quantisierte Version mit 16 GB VRAM oder Arbeitsspeicher auskommt. Die Selfhosting-Community erwartete das Modell mit Spannung, da der Vorgänger als beste Alternative zu den Spitzenmodellen von OpenAI und Anthropic galt. Ein erster Test der Redaktion zeigte: Das Modell programmierte ein REST-API fehlerfrei, der Code kompilierte beim ersten Versuch. Die Leistung war von der kommerzieller Modelle nicht zu unterscheiden. Kritikpunkt: Das Modell neigt dazu, einfache Probleme zu sehr zu durchdenken und viel Zeit zu verbrauchen. Zudem gibt es bereits „Abliterated“-Versionen, in denen Sicherheitsbeschränkungen entfernt wurden. Sicherheitsverantwortliche sollten darauf reagieren, da solche Modelle nun frei verfügbar sind. Die Architektur ist ein Hybrid aus 16 Full-Attention- und 48 linearen DeltaNet-Schichten. Laut Herstellerangaben zeigt das Modell große Sprünge bei Agenten-Aufgaben: WebArena stieg von 48,8 auf 64,8. Das Modell überschritt drei Millionen Downloads in drei Tagen. Dritte wie Artificial Analysis geben dem Modell 52 Punkte im Intelligence Index – gleichauf mit OpenAIs GPT-5.6 Luna. Das Coding-Agent-Unternehmen Cline erklärte, erstmals erreiche ein lokales Modell die Leistung von Frontier-Modellen. Im Agentic Index von Artificial Analysis übertraf das kleine Modell sogar GPT-5.6 Terra und Claude Opus 4.8 von Anthropic. Das Modell näherte sich außerdem den Open-Weight-Modellen von DeepSeek und Zhipu an. Die 4-Bit-Quantisierung benötigt etwa 17 GB Speicher. Das Denken kostet Zeit: Das Modell erzeugte im Test 160 Millionen Output-Tokens, der Median vergleichbarer Modelle liegt bei 43 Millionen. Ein Entwickler berichtet, eine einfache Grafik-Anfrage habe 21 Minuten gedauert. Mit aktivierter Denkfunktion war das Modell in einem Test etwa 30-mal langsamer und 4,5-mal teurer als DeepSeek V4 Flash. Ein Autor testete das Modell auf einer RTX 5090 mit 32 GB VRAM und erreichte mit der Quantisierung UD-Q6_K_XL 100 Token pro Sekunde bei 48k Kontext, mit UD-Q5_K_XL 120 Token pro Sekunde bei 128k Kontext. Ein anderer Autor erreichte auf einem MacBook Air M4 nur etwa acht Tokens pro Sekunde. Die Benchmark-Zahlen von Qwen zeigen einen Sprung von 13,3 auf 42,2 im DeepSWE-Test. Ein Autor sieht den Hauptnutzen in der Datenschutz-Konformität für Berufe wie Ärzte oder Anwälte und empfiehlt einen Hybrid-Ansatz: lokale Modelle für Massendaten, APIs für schwierige Aufgaben.