Das Qwen-Team hat die Gewichte von Qwen3.8-27B auf Hugging Face gelegt. 27 Milliarden Parameter, dicht, mit Bild- und Video-Encoder – also das Modell, das man auf einer eigenen Karte fahren kann, nicht der 2,4-Billionen-Koloss Max daneben.
Der Motor ist eine Hybridarchitektur aus Qwen 3.5: 64 Schichten, versteckt als 16 Blöcke à drei Mal Gated DeltaNet plus FFN und einmal Gated Attention plus FFN. DeltaNet ist lineare Aufmerksamkeit. Die rechnet mit der Sequenzlänge mit, nicht mit deren Quadrat – praktisch der Spargang für 262.144 Token nativen Kontext, erweiterbar auf eine Million per YaRN. Die klassische Attention sitzt dazwischen, wo der Spargang nicht reicht. Wer schon einmal eine Engine mit zwei Charakteristika gefahren hat, kennt das Prinzip: der eine Gang zieht lang, der andere beißt zu.
Die Herstellerzahlen, gemessen überwiegend im Claude-Code-Harness: SWE-bench Pro 61,7 nach 53,5 beim Vorgänger 3.6-27B. DeepSWE 1.1 von 13,3 auf 42,2. Terminal Bench 2.1 mit 73,0, LiveCodeBench v6 mit 90,3. Bei OSWorld-Verified stehen 84,3, bei AndroidWorld 81,9. Das sind große Sprünge auf den eigenen Folien. Unabhängige Reproduktion steht noch aus – und ein paar Benches sind hausintern (QwenSWEBench, CoWorkBench, RecreationBench).
Praktisch relevant ist die Steuerung des Denkens. Standard ist Thinking an, Tiefe über reasoning_effort (xhigh, medium, low), und preserve_thinking hält die alten Denkblöcke im Kontext. Das spart Wiederholungen im Agentenbetrieb, kostet aber KV-Cache. Wer nur eine kurze Antwort will, schaltet Thinking aus. Qwen selbst warnt: weniger Nachdenken pro Zug heißt nicht automatisch weniger Tokens insgesamt – bei langen Aufgaben wird dann öfter nachgelegt.
Lizenz und Karte stehen. vLLM, SGLang und TokenSpeed haben Rezepte. Wer lokal entwickelt, ist hier näher am Blech als bei jedem API-Max. Ich nehme die Benchmarks als Richtung, nicht als Datenblatt.
Bis bald
Euer Benny