Qwen3.8-27B: el modelo abierto de 27B que puntúa 52 en el índice AAII, como GPT-5.6 Luna, y corre en un portátil
Alibaba libera Qwen3.8-27B bajo Apache 2.0: un modelo denso de visión con contexto nativo de 262K tokens que iguala a GPT-5.6 Luna en el índice AAII y cabe cuantizado en equipos de consumo.
El viernes 14 de agosto Alibaba publicó en Hugging Face los pesos de Qwen3.8-27B bajo licencia Apache 2.0: un modelo denso de 27.000 millones de parámetros con visión nativa (imagen y vídeo, incluidos diagramas, documentos y vídeo de horas), sucesor del Qwen3.6-27B. Los benchmarks propios de Qwen lo sitúan por delante de su predecesor y del cerrado Qwen3.7-Plus, y la verificación independiente llegó este fin de semana: Simon Willison reporta que el modelo puntúa 52 en el Artificial Analysis Intelligence Index, la misma nota que GPT-5.6 Luna (max) y a solo un punto de GLM-5.2 (753B) y de DeepSeek V4 Pro, todos ellos modelos decenas de veces más grandes. "Un modelo verdaderamente asombroso de 27B", resume.
Arquitectónicamente es un modelo notable: 64 capas con diseño híbrido que intercala atención lineal Gated DeltaNet con bloques de atención completa —una elección que abarata el costo cuadrático del contexto—, contexto nativo de 262.144 tokens extensible hasta ~1M, multi-token prediction (MTP) y un modo de pensamiento flexible: el razonamiento viene activado por defecto y puede ajustarse con reasoning_effort (xhigh/low/medium) o retenerse entre turnos con preserve_thinking. Es compatible con los runtimes habituales: Transformers, vLLM y SGLang. En los datos de la card, el 27B llega a 61.7 en SWE-bench Pro (superando el 53.4 de Opus 4.6 Max), 73.0 en Terminal Bench 2.1 y 42.9 en Agents' Last Exam.
| Benchmark | Qwen3.8-27B | Qwen3.6-27B | Opus 4.6 Max |
|---|---|---|---|
| Terminal Bench 2.1 (Terminus) | 73.0 | 63.4 | 78.2 |
| SWE-bench Pro | 61.7 | 53.5 | 53.4 |
| DeepSWE 1.1 | 42.2 | 13.3 | — |
| Agents' Last Exam (Score) | 42.9 | 27.3 | — |
La otra cara es la práctica local. Willison lo ha probado en un MacBook Pro M5 Max y en un NVIDIA DGX Spark con el GGUF Q4_K_M de ~17 GB en LM Studio, y avisa: el modelo defaults a un nivel de razonamiento xhigh que provoca un "overthinking" espectacular —gastó 22.276 tokens de razonamiento para generar un SVG que tardó 21 minutos; con reasoning_effort bajo o desactivado, la misma tarea baja a ~2 minutos—. Recomienda además subir el límite de contexto por defecto de 8.192 tokens (el modelo los agota pensando en problemas triviales) o usar el contexto completo de 262K. Con 27B, el tamaño perfecto para un portátil serio, la pregunta ya no es si cabe, sino cuánto dejarle pensar. El gigante Qwen3.8-2.4T-A95B (MoE, ~95B activos, lanzado la semana pasada tras Qwen3.8-Max) sigue para quien necesite más potencia; la versión alojada del 27B con 1M de contexto llegará pronto a Qwen Cloud.