Qwen liberó el Qwen3.8-27B, un modelo denso, nativo multimodal (visión y lenguaje), que entiende imágenes y video y está pensado para correr en hardware de gama media. No es un modelo para cualquier PC, pero tampoco exige la infraestructura de altísimo nivel de los modelos tope de la familia: con cuantización Q4 cabe en una GPU de consumo de 16 a 24 GB o en una CPU con suficiente RAM, un equipo que para el entusiasta de la IA es algo alcanzable y a su alcance en casa.
Su lugar en la familia Qwen es la pieza accesible: el tope de la serie corre con hardware de gama alta, mientras que el 27B es el peso abierto que cualquiera con un equipo serio puede bajar y ejecutar. Con solo 27 mil millones de parámetros, Qwen dice que supera a Qwen3.7-Plus en general y brilla en coding real y flujos de oficina.
Lo que importa si armas agentes:
- Contexto nativo de 262 mil tokens, extensible a 1 millón mediante YaRN (soportado en vLLM, SGLang y TokenSpeed).
- Licencia Apache 2.0, con versiones FP8 listas para desplegar y cuantizaciones (Q4) para correr en local.
- Control de razonamiento flexible: en la versión servida por API viene con 1 millón de contexto por defecto y herramientas integradas oficiales.
- Arquitectura híbrida con Gated DeltaNet en el 27B, y preserve_thinking activado por defecto en todas las cargas.
- Evaluado sobre harnesses reales de agentes, con SWE-bench Pro y Terminal Bench 2.1 corriendo bajo el harness de Claude Code.
| Benchmark | Qwen3.8-27B | | --- | --- | | SWE-bench Pro (harness Claude Code) | 61.7 | | Terminal Bench 2.1 (Terminus) | 73.0 | | LiveCodeBench v6 | 90.3 | | CoWorkBench (trabajo de oficina) | 70.7 |
Aún no figura en la tabla de benchmarks de Artificial Analysis (el modelo es de horas): el dashboard de Model Watch se actualiza con la fuente, así que estos números no están contrastados contra esa tabla todavía.
Fuentes utilizadas: