Saltar al contenido
Volver

Qwen3.8-27B: Alibaba abre los pesos de un modelo local que le pisa los talones a Opus 4.6 Max en coding

Alibaba lanzó Qwen3.8-27B con open weights Apache 2.0: 262K de contexto, multimodal, y benchmarks que superan a Muse Glimmer 30B y hasta a Opus 4.6 Max en coding real.

Nauta Lab
3 min

Qwen3.8-27B: Alibaba abre los pesos de un modelo local que le pisa los talones a Opus 4.6 Max en coding

La guerra de los modelos locales tiene un nuevo contendiente, y esta vez viene con todo: Qwen3.8-27B, lanzado ayer por Alibaba a las 15:00 UTC, con open weights desde el día uno bajo licencia Apache 2.0. Nada de “esperen unas semanas”: los pesos ya están en Hugging Face (incluidos los GGUF de Unsloth).

¿Qué trae?

  • 27B denso, multimodal nativo — no es un MoE recortado, es el modelo completo
  • 262K tokens de contexto nativo, extendible a 1M con YaRN
  • Pensado para correr en una sola GPU (con quants NVFP4 corre ~1.5x más rápido que BF16 en 24GB de VRAM, y el FP8 KV cache duplica el contexto efectivo)
  • Day 0 en AMD: soporte inmediato en Ryzen AI Max y Radeon vía LM Studio y Lemonade

Los números que importan

La comparación directa es con Muse Glimmer 30B de Meta (que publicamos hace un par de días acá), y no le hace ni un poco de gracia:

  • Terminal Bench 2.1: 73.0 vs 51.7 — más de 20 puntos de ventaja en coding agéntico
  • GPQA Diamond: 89.2 vs 83.5
  • IFBench: 79.5 vs 77.0
  • Y en todos los benchmarks donde ambos corrieron, Qwen ganó

Pero el dato más salvaje es contra Opus 4.6 Max de Anthropic, un modelo frontier varias veces más grande: Qwen3.8-27B lo gana en SWE-bench Pro (61.7 vs 53.4), QwenSWEBench (79.0 vs 63.8), IFBench (79.5 vs 62.5) y LiveCodeBench v6 (90.3 vs 88.8). Opus se mantiene adelante en reasoning duro (GPQA, HLE) y NL2Repo, pero que un modelo de 27B diseñado para tu GPU local gane en coding del mundo real es una señal de dónde va esto.

También le gana a su hermano mayor Qwen3.7-Plus en la mayoría de los tests. Básicamente el modelo “chico” de la familia está canibalando al plus.

El contexto

Alibaba además abrió los pesos de Qwen3.8-2.4T-A95B (la versión Max de la misma generación), o sea, ahora tienes el paquete completo: un modelo local liviano y uno frontier, ambos abiertos. Claramente una respuesta a la movida de Meta con Muse Glimmer y a la estrategia local-first de Google con Gemma.

Para los que andan viendo correr agentes IA en hardware propio, esto recalibra el estándar: la pelea local de 2026 ya no es “¿puede un modelo pequeño ser útil?”, sino “¿puede pegarle a los frontier en las tareas que importan?”. Por lo menos en coding, la respuesta empieza a ser sí.

Fuentes: anuncio oficial de Qwen, Hugging Face (unsloth/Qwen3.8-27B-GGUF), officechai, unsloth.ai, blog AMD.

Update: 19 de agosto — Artificial Analysis lo confirma: empata a GPT-5.6 Luna y supera a Claude Opus 4.8 en tareas agénticas

Los benchmarks oficiales siempre hay que tomarlos con pinza, así que cuando Artificial Analysis valida independiente, la noticia sube de peso. Según SCMP citando al índice de AA (lunes 18):

  • En el Intelligence Index, Qwen3.8-27B (52 puntos) quedó empatado con GPT-5.6 Luna de OpenAI — el modelo que la casapresentó como el más costo-eficiente de su serie insignia — y a solo un punto de GLM-5.2 y DeepSeek V4-Pro-0813 (modelos de 753B y 1.7T parámetros, o sea, entre 28x y 63x más grandes).
  • En el Agentic Index (workflows de agentes IA), el modelo chico de Alibaba superó a GPT-5.6 Terra (el mid-tier de OpenAI) y nada menos que a Claude Opus 4.8 de Anthropic.

La narrativa que se está instalando en la industria: el gap entre “modelo local liviano” y “frontier” ya no está en inteligencia bruta, sino en reasoning extremo y contexto masivo. Para coding agéntico y tareas de agente — que es lo que la gente realmente ejecuta hoy — 27B parámetros corriendo en tu GPU alcanzaron la mesa adulta.


Compartir artículo:

Sigue leyendo

Noticias relacionadas

Más en IA →

Buscar en Ping Diario