Qwen3.8-27B: уровень прошлого поколения Claude Opus на домашней видеокарте — и почему таким моделям не радуются только OpenAI и Anthropic

В августе Alibaba выложила в открытый доступ Qwen3.8-27B — и это тот редкий случай, когда релиз открытой весов стоит обсуждать не в терминах «хороша для своих 27 миллиардов», а в терминах «а зачем я тогда плачу за API». Модель показывает результаты уровня прошлого поколения флагманов — Claude Opus 4.6/4.7, — а по свежему независимому индексу Artificial Analysis встаёт вровень с GPT-5.6 Luna. При этом запускается она на железе совершенно другого уровня: от одной потребительской видеокарты до скромного по нынешним меркам сервера — против датацентровых кластеров.

Мы прогнали её через свои рабочие задачи и делимся впечатлениями: что по цифрам, что по нашим тестам на своём AI-кластере, где она слабее лидеров — и при чём тут сорванные планы OpenAI и Anthropic задирать цены.

Что вообще вышло

Коротко о самой модели:

• 27B плотных параметров, Apache 2.0, открытые веса — скачивай и запускай где хочешь;
• гибридная архитектура (Gated DeltaNet + внимание) и MTP-декодинг — при небольшом размере модель агентная «из коробки»;
• контекст 262K нативно, до 1M через YaRN;
• нативный vision: изображения и видео, без костылей — про это ниже, это главный сюрприз;
• thinking-режим по умолчанию, с регулировкой глубины размышлений.

За первые три дня после релиза модель скачали с Hugging Face более 3 миллионов раз — это уровень интереса, который обычно бывает только у хайповых закрытых релизов.

Цифры: уровень прошлого поколения флагманов

Сначала официальные цифры Alibaba из карточки модели. Важная рамка: Opus 4.6/4.7 — это прошлое поколение флагманов Anthropic (сегодня на дворе уже Opus 5, Fable 5 и GPT-5.6). Сравнивать с ними честно по одной причине: именно «эталонный Opus 4.6/4.7» до сих пор служит планкой качества для ежедневной разработки — и именно его уровень теперь воспроизводится локально.

По сводке независимых обзоров Qwen3.8-27B выигрывает у Opus 4.6 15 тестов из 19 общих — при том, что предыдущая Qwen3.6-27B до этого уровня и близко не стояла (DeepSWE: 13.3 → 42.2, Terminal-Bench: 63.4 → 73.0). Официальную открытую модель Muse Glimmer-30B Qwen обходит во всех восьми общих тестах.

Но самое интересное — мультимодальная часть:

OSWorld на уровне 84 — это уже территория, куда у большинства открытых моделей даже доступа нет: модель не просто «смотрит» скриншот, а действует по нему как агент.

Что говорят независимые тесты

Вендорские цифры — вендорскими, поэтому важнее то, что показали независимые площадки после релиза. Artificial Analysis добавил модель в свой Intelligence Index (данные на 17 августа): 52 балла — это уровень GPT-5.6 Luna и DeepSeek V4-Pro. Модель, запускающаяся на железе обычных пользователей, впервые дотянулась до строчки frontier-класса в независимом индексе.

Тут стоит прочувствовать иронию: GPT-5.6 Luna — это та самая модель, которую OpenAI в конце июля вынужденно удешевила на 80% (об этом ниже). И открытая 27B догнала по интеллекту именно ту точку прайса, которую большой вендор только что защищал скидкой.

Из той же независимой оценки — важная деталь, которую мы полностью подтвердили своими тестами: при оценке индекса модель сгенерировала 160 миллионов токенов против медианы в 45 миллионов. Саймон Уиллисон в своём обзоре назвал это прямо: «excellent, but it defaults to wildly overthinking things». Это не баг для галочки в бенчмарках — это плата за качество, о которой ниже.

Наш опыт: от игровой карты до своего кластера

Мы гоняем модель в двух конфигурациях — и это, пожалуй, самое практичное в посте.

Квант на одной карте. Через llama.cpp (llama-server): квант Q4_K_M ~17 ГБ + vision-проектор — на одной RTX 3090 с 24 ГБ памяти помещается и модель, и контекст до 200K. Игровая карта 2020 года тянет модель целиком, со скоростью порядка 10 токенов в секунду с учётом thinking. Для разовых задач «бросить картинку и получить разбор» этого достаточно: для оценки одного изображения кванты отлично подходят. Но важно понимать цену вопроса: квант снижает общий уровень модели. И если на одиночном ответе это почти незаметно, то в цепочках длинных агентных действий накопление ошибок квантования сказывается всерьёз — модель чаще сбивается на поздних шагах, и её реальный горизонт автономности сжимается. Поэтому сценарий «квант на одной карте» — это vision-разборы и короткие задачи, а не длинные агентные прогоны.

Ещё ниже порог входа: меньшие кванты ужимаются в 16 ГБ — но деградация там уже заметна сильно, и мы бы рассматривали это только как «посмотреть глазами», не как рабочую конфигурацию.

Полновес на своём кластере. Для честной оценки возможностей мы развернули модель в своём AI-кластере: отдельный сервер с 4×AMD Instinct MI50 32 ГБ в связке и vLLM. Полновесная модель (BF16, ~54 ГБ весов) влезает в 128 ГБ объединённой памяти с запасом, и вот что получилось на выходе:

Это уже не «терпеливо ждём ответа» — это рабочие скорости для команды. И вот что важно: MI50 — это дешёвая бывшая датацентровая карта, которую сегодня можно найти по цене игровой. Полновесной модели не нужен H100-класс: любые 64+ ГБ VRAM на узел дают вам frontier-уровень прошлого поколения локально.

Здесь стоит остановиться и прочувствовать: Claude Opus 4.6/4.7, чей уровень качества модель воспроизводит, живёт в датацентрах Anthropic и продаётся за заметные деньги за миллион токенов. А тут — тот же класс результатов на железе, которое стоит как б/у седан, без отправки данных наружу, без лимитов, без подписки. Для задач с чувствительными данными (документы клиентов, внутренние системы, юрлица из реестров) это не «удобство», а принципиально другой класс возможностей.

Главное ограничение: она думает. Долго

Скорость работы модели сама по себе невысокая, а объём thinking — очень высокий: на нетривиальную задачу модель может выдать размышлений в разы больше, чем самого ответа. Независимые данные это подтверждают (160M токенов на оценку индекса против медианы 45M — см. выше), наши тесты — тоже.

Практические следствия:

• запустить можно на бюджетном железе — от одной 24-гигабайтной карты; железо не барьер;
• главный барьер — время: для хорошего уровня модели нужно дать ей додумать. Резко срезать reasoning_effort можно, но качество падает ощутимо — «думать меньше» для неё равнозначно «отвечать хуже»;
• поэтому её профиль — не «мгновенный чат-бот», а тщательный исполнитель: валидации, разборы, агентные задачи, где важен результат, а не латентность каждого токена.

Главный сюрприз: vision и UX/UI

По нашим тестам модель очень удачная, и главное — за счёт vision она исключительно хороша в работе с изображениями и UX/UI.

Мы поставили её штатным vision-инспектором в свой процесс разработки. Живой пример из продукта ЭДО24: мы переделывали форму выбора организаций и снимали скриншоты прототипа в четырёх состояниях — свёрнутый список, активный поиск, развёрнутый список, пустой результат. Qwen3.8-27B по одним только скриншотам отвечала на вопросы уровня QA-инженера:

• сколько строк организаций видно на экране и сходится ли счётчик «Показано 8 из 25»;
• применился ли поиск — «2 из 25» при запросе «карелина»;
• скрыта или видна кнопка «Показать все» в каждом из состояний.

Она корректно считала строки в таблице, читала мелкий текст интерфейса и проверяла логику состояний UI. Единственный найденный прокол — в одном прогоне ошиблась в чтении очень мелкого текста счётчика, при этом сам скриншот и логику состояний распознала верно. Причём для таких разовых vision-проверок заштатный режим с квантом на одной карте — совершенно рабочий сценарий: картинка одна, думать над ней недолго, потери от кванта незаметны.

Практический вывод: скриншот-валидация интерфейсов, разбор макетов, проверка вёрстки по картинке, чтение таблиц и документов — здесь Qwen3.8-27B сейчас лучшее, что можно положить на локальную машину.

Честно о слабых местах

Мы принципиально не делаем из релиза икону — по нашим тестам есть модели сильнее:

• DeepSeek V4 Flash (284B MoE) заметно мощнее в коде и агентных задачах — но это в разы более тяжёлая MoE-архитектура, совсем другой класс железа для локального запуска;
• GLM-5.2/5.3 — наш основной рабочий инструмент для кодинга, уровень выше, особенно в сложных задачах и проектировании;
• невысокая скорость + очень объёмный thinking — главное практическое ограничение (см. раздел выше): на коротких рутинных запросах длинные размышления откровенно мешают;
• кванты: для одиночных vision-задач — рабочий вариант, но накопление ошибок квантования в длинных агентных цепочках срезает горизонты автономности; полновес требует уже серверного запуска (у нас — 4×MI50);

То есть расклад такой: в чистом тексте и коде Qwen3.8-27B — крепкий уровень «прошлого флагмана» и текущей Luna, но не топ. Её убийственная комбинация — открытые веса + vision + запуск на скромном железе: в этой нише у неё сейчас нет реальных конкурентов.

При чём тут цены OpenAI и Anthropic

Теперь соединим точки. Весной 2026 года OpenAI и Anthropic взяли курс на подорожание: Anthropic подняла цены на API Claude 4.6 на 35%, OpenAI двигала вверх тарифы на GPT-5. Логика была простая: «фронтир стоит денег, а куда вы денетесь».

И вот в июле–августе произошло то, что рынком читается однозначно: планы повышения цен рассыпались. OpenAI срезала цену GPT-5.6 Luna на 80% и Terra на 20%. Anthropic выпустила Opus 5 вдвое дешевле предшественника и отменила запланированное подорожание Sonnet. Аналитики фиксируют падение цен фронтирных моделей США на четверть за месяц. Комментируя разворот, обе компании ссылались на одну и ту же причину — конкуренцию со стороны китайских открытых моделей.

Qwen3.8-27B — это и есть эта конкуренция в чистом виде. Открытая модель уровня прошлого флагмана и текущей Luna по независимому индексу, работающая на домашней видеокарте или дешёвом сервере, устанавливает потолок цен: как только качество «бесплатного локального» подбирается к платному облачному, платить завышенную цену за API становится невозможно — даже компаниям, которым нужны именно флагманы, теперь есть на что давить в переговорах.

Итог

• Qwen3.8-27B — открытая (Apache 2.0) модель 27B: по официальным тестам — уровень Claude Opus 4.6/4.7 (15 побед из 19 общих тестов), по независимому индексу Artificial Analysis — уровень GPT-5.6 Luna;
• запускается где угодно: Q4_K_M — на одной карте с 24 ГБ даже с контекстом 200K (для vision-разборов достаточно), меньшие кванты — на 16 ГБ (с сильной деградацией), полновес — на скромном сервере; у нас 4×MI50 32 ГБ с vLLM дали 1500 t/s prefill и 65–70 t/s генерации;
• главный козырь — vision: по нашим тестам лучше всего она в UX/UI-валидации, разборе скриншотов и работе с изображениями;
• главное ограничение — не железо, а время: очень объёмный thinking — плата за уровень; в честном сравнении она слабее DeepSeek V4 Flash и GLM-5.3/5.2 в коде;
• и именно такие модели сорвали весенние планы OpenAI и Anthropic поднимать цены: выбор «платить или не платить» появился у всех.

Если нужна помощь с развёртыванием локальных LLM под ваши задачи — с приватностью данных, vision-валидацией интерфейсов или ассистентами на своих серверах — обращайтесь, Лаборатория Павла Жукова поможет.