Alibaba открыла исходный код Qwen3.8-27B — мощной LLM для локального запуска

Фото: Pandaily
Краткий ответ
Alibaba открыла исходный код модели Qwen3.8-27B, которая при 27 млрд параметров превосходит аналоги по производительности и работает на устройствах с 17 ГБ ОЗУ.
Команда Alibaba Cloud выпустила в открытый доступ языковую модель Qwen3.8-27B, которая за короткое время стала одной из самых востребованных среди разработчиков. Модель, содержащая 27 миллиардов параметров, заняла первое место в глобальном рейтинге платформы Hugging Face и преодолела отметку в миллион загрузок всего за два дня после релиза.
Qwen3.8-27B оптимизирована для работы на устройствах с ограниченными ресурсами: после квантизации она требует всего 17 ГБ оперативной памяти. При этом её производительность сопоставима с топовыми коммерческими моделями, такими как DeepSeek V4-Pro и GPT 5.6 Luna, а также превосходит аналоги, выпущенные несколько месяцев назад. Разработчики отмечают, что модель демонстрирует высокие результаты в задачах генерации кода и работы с ИИ-агентами.
Открытый исходный код и низкие требования к аппаратному обеспечению делают Qwen3.8-27B привлекательной для широкого круга пользователей — от независимых разработчиков до крупных компаний. Модель уже получила неофициальное прозвище «локальный Opus», подчёркивающее её эффективность и доступность для локального развёртывания.
Частые вопросы
- Какие преимущества у модели Qwen3.8-27B от Alibaba?
- Модель выделяется высокой производительностью при относительно низких требованиях к железу — для работы достаточно 17 ГБ оперативной памяти. Она сопоставима с такими решениями, как DeepSeek V4-Pro и GPT 5.6 Luna, но при этом доступна для локального запуска.
- Почему Qwen3.8-27B стала популярной среди разработчиков?
- Модель быстро набрала популярность благодаря открытому исходному коду, высоким показателям в тестах и возможности запуска на обычных ПК. За два дня она возглавила рейтинг Hugging Face и преодолела миллион загрузок.
- Какие задачи может решать Qwen3.8-27B?
- Модель подходит для задач генерации кода, работы с агентами и обработки естественного языка. Её эффективность и доступность делают её привлекательной для разработчиков и исследователей в области ИИ.
Лента для Дзен: /feed/dzen.xml · RSS: /feed.xml