Qwen3.8-27BとはどんなAIモデルか
Qwen3.8-27Bとは、Alibaba のQwenチームが2026年8月に重みを公開した270億パラメータの大規模言語モデルです。Qwen3.8世代のうち、GPU1枚で動かせる規模に収めた版です。Hugging Faceのリポジトリ情報では最終更新が協定世界時2026年8月14日15時（日本時間で8月15日0時）と記録されています。
Qwen3.8-27Bの位置づけ
27Bの密モデルで画像と動画まで読む
Qwen3.8-27Bはテキストだけでなく画像と動画をそのまま入力できる視覚言語モデルです。 視覚言語モデルとは、画像や映像を言語と同じ土俵で処理できるモデルを指します。公式はSTEM分野の図表や文書から時間単位の長さの動画までを対象に挙げています。
密モデルとは、推論のたびに全パラメータを使う構成のことです。一部の専門家だけを起動するMoE（混合エキスパート）構成と違い、27B相当の計算がそのままかかる代わりに動かす側の実装は単純で済みます。
"Qwen3.8-27B brings these advances to a compact, deployment-friendly dense model: a native vision-language model that understands images and videos, with flexible thinking control, designed to carry complex, multi-step tasks through to completion with greater reliability."（冒頭）／"Number of Parameters: 27B"（Model Overview）／"Vision-Language Understanding: Native support for image and video understanding, from STEM diagrams and documents to hour-scale videos."（Qwen3.8 Highlights）— Hugging Face のモデルカードより
"lastModified": "2026-08-14T15:00:01.000Z"（リポジトリのメタデータより。公開日そのものではなく最終更新時刻）— Hugging Face Hub API より
Apache 2.0が効いてくる場面
ライセンスがApache 2.0である点は業務で使う側にとって性能表以上に効きます。 改変も再配布も商用利用も認められる寛容な部類のオープンソースライセンスです。同世代の上位モデルの位置づけはQwen3.8 で扱っています。
社内システムへ組み込む、顧客に提供する製品へ載せる、ファインチューニングした派生モデルを配る。いずれも追加の許諾交渉なしに進められるので、法務の確認も短く済みます。
"License: apache-2.0"（モデルページのライセンス表示）— Hugging Face のモデルカードより
Qwen3.8-27Bの構造とコンテキスト長
27Bという控えめな規模で100万トークンを視野に入れられるのは、注意機構の組み方が理由です。
線形注意3層に通常の注意を1層挟む
Qwen3.8-27Bの64層は「Gated DeltaNet 3層 → Gated Attention 1層」という並びを16回繰り返した構造です。 Gated DeltaNetは線形注意と呼ばれる種類で、入力が長くなっても計算量と記憶量の増え方が緩やかです。一方のGated Attentionは従来型の注意機構。離れた位置どうしの結びつきを正確に捉えるのが得意です。
安価な層を3、精度の層を1という比率で積むことで、長文を扱う負荷を抑えつつ精度を落とさない狙いがうかがえます。隠れ次元は5,120、トークン埋め込みは248,320です。
"Number of Layers: 64"／"Hidden Layout: 16 × (3 × (Gated DeltaNet → FFN) → 1 × (Gated Attention → FFN))"／"Hidden Dimension: 5120"／"Token Embedding: 248,320 (Padded)"（いずれも Model Overview）— Hugging Face のモデルカードより
100万トークンは「標準」ではなく「拡張時」
公式の記載は262,144トークンがネイティブ、100万トークンまで拡張可能という書き分けです。 100万トークンを既定で使えるのは今後提供予定のQwen Cloud版とされており、手元の重みをそのまま動かして1Mが出るわけではありません。
拡張にはYaRN（位置情報を引き伸ばしてコンテキスト長を稼ぐ手法）などを挟む必要があり、KVキャッシュ（過去のトークンを保持する領域）の消費もコンテキスト長に比例して増えます。26万トークンを本当に使い切る運用なら、量子化で本体を縮めてもメモリが別途要ります。
"Context Length: 262,144 natively and extensible up to 1,000,000 tokens."（Model Overview）／"In particular, Qwen3.8-27B will be available as a hosted version with more production features, e.g., 1M context length by default, official built-in tools."（冒頭の案内）— Hugging Face のモデルカードより
思考の深さは3段階で切り替える
思考モードは既定で有効で、reasoning_effort により xhigh・medium・low の3段階に調整できます。 xhighが既定で、腰を据えた分析が要る作業向け。mediumは精度と速度の釣り合い、lowは速度とコストを優先する設定です。リクエスト単位で思考そのものを切ることもできます。
ただし公式は複数ターンにわたるエージェント作業では思考を浅くしても全体の完了時間が縮むとは限らない、とも注記しています。
"Flexible Thinking Control: Thinking mode is on by default and can be disabled per request; reasoning depth can be tuned with reasoning_effort, and reasoning context from historical messages is retained via preserve_thinking."（Qwen3.8 Highlights）／"xhigh (default): for complex tasks demanding thorough analysis"／"In multi-turn agentic tasks, lower reasoning effort does not always reduce overall task completion time."（いずれも API Usage）— Hugging Face のモデルカードより
Qwen3.8-27Bのベンチマークと読み方
公式が並べた比較表は見栄えがしますが、測り方の注記まで読むと印象が変わります。
コーディングとエージェントの成績
ソフトウェア工学系ではSWE-bench Pro 61.7、Terminal Bench 2.1で73.0を記録しています。 前世代のQwen3.6-27Bが53.5と63.4なので、同じ27Bの枠で一世代ぶんの伸びが出ています。
| ベンチマーク | Qwen3.8-27B | Qwen3.6-27B | Qwen3.7-Plus | Opus4.6 Max |
|---|---|---|---|---|
| Terminal Bench 2.1 | 73.0 | 63.4 | 64.0 | 78.2 |
| SWE-bench Pro | 61.7 | 53.5 | 57.6 | 53.4 |
| LiveCodeBench v6 | 90.3 | 83.9 | 89.6 | 88.8 |
| GPQA Diamond | 89.2 | 87.8 | 90.3 | 91.3 |
| HLE | 30.8 | 24.0 | 34.7 | 40.0 |
勝ち負けは項目でくっきり分かれます。SWE-bench ProとLiveCodeBench v6では比較表中で最高値ですが、ターミナル操作を伴うTerminal Bench 2.1、学術的な推論を測るGPQA DiamondとHLEでは届いていません。
"Terminal Bench 2.1 (Terminus) 73.0 / 63.4 / 64.0 / 51.7 / 78.2"／"SWE-bench Pro 61.7 / 53.5 / 57.6 / 51.2 / 53.4"／"LiveCodeBench v6 90.3 / 83.9 / 89.6 / -- / 88.8"／"GPQA Diamond 89.2 / 87.8 / 90.3 / 83.5 / 91.3"／"HLE 30.8 / 24.0 / 34.7 / 22.0 / 40.0"（いずれも Text Performance の表）— Hugging Face のモデルカードより
画面操作とマルチモーダルでの伸び
目を引くのは画面操作系です。デスクトップ操作を測るOSWorld-Verifiedで84.3、スマートフォン操作のAndroidWorldで81.9を記録しました。 前世代からの伸びはOSWorld-Verifiedが63.9→84.3で20.4ポイント、AndroidWorldが70.3→81.9で11.6ポイントです。視覚的な数学問題を扱うMathVisionは公式表記でいう「With CI」の条件で94.6です。
画面を見て操作するタイプの自動化は、視覚と行動計画を同時に回さないと成立しません。27Bという規模でここが伸びたことは、手元で動かせるエージェント基盤としての実用度に直結します。
"OSWorld-Verified 84.3 / 63.9 / 73.3 / 65.9 / 72.7"／"AndroidWorld 81.9 / 70.3 / 81.0 / -- / 62.0"／"MathVision Without CI 90.0 With CI 94.6"（いずれも VL Performance の表）— Hugging Face のモデルカードより
比較相手の測り方は揃っていない
表を読むうえで外せないのが測定条件の注記です。SWE-bench ProではOpus4.6 Maxだけが公式発表値で、他のモデルはQwen側がClaude Codeハーネスで測り直した値だと明記されています。 ハーネスとは、モデルにベンチマークを解かせるための実行環境のことです。さらに「問題のあるタスクを修正し、ベースラインのモデルは改訂後のベンチマークで再評価した」とも書かれています。
自社モデルと他社モデルで評価環境が同一とは限りません。差が大きい項目はともかく、数ポイント差の勝敗はこの注記の影響を受けます。他社モデルの世代交代も速いので、GLM-5.3 のような同時期のオープンウェイトモデルと合わせ、複数の情報源で見るのが現実的です。
"SWE-bench Pro: Except for Opus4.6 Max, which uses the officially reported score, all models are evaluated with the Claude Code harness at temp=1.0, top_p=0.95, and a 256K context window. Problematic tasks were corrected, and all baseline models were re-evaluated on the refined benchmark."（Text Performance の表の注記）— Hugging Face のモデルカードより
Qwen3.8-27Bをローカルで動かす条件
重みが公開されている以上、手元で動かせるかどうかは持っているメモリ量で決まります。
量子化ごとの必要メモリ
量子化版を配布しているUnslothの表では4bitで17〜19GBが目安です。 量子化とは、モデル内部の数値を粗く丸めてサイズを縮める処理を指します。同社はRTX 5080・4090、あるいは24GBメモリのMacを具体例に挙げています。なお同表の単位はVRAM単体ではなく、RAMとVRAMの合計（ユニファイドメモリならその総量）です。
| 量子化 | 必要メモリの目安 |
|---|---|
| 2bit | 11〜13GB |
| 3bit | 13〜16GB |
| 4bit | 17〜19GB |
| 6bit | 24GB |
| 8bit | 31GB |
| BF16（無圧縮） | 56GB |
4bitでも17GBからで、16GBのGPUには収まりません。 16GBに載せるには3bit以下へ落とすことになり、そのぶん出力の質は下がります。加えてコンテキストを伸ばせばKVキャッシュのぶんが上乗せされます。ローカルで動かす選択肢の全体像はローカルLLMでのコーディング実践にまとめています。
"Qwen3.8-27B 4-bit quants will work on most devices 17-19GB VRAM like RTX 5080, 4090 or a Mac with 24GB RAM."／"Table: Hardware requirements (units = total memory: RAM + VRAM, or unified memory)" — 同表の各列（2-bit / 3-bit / 4-bit / 6-bit / 8-bit / BF16）に対する値は "11-13 GB"／"13-16 GB"／"17-19 GB"／"24 GB"／"31 GB"／"56 GB"（いずれも Qwen3.8-27B Requirements の節）／"Maximum context window: 262,144 (can be extended to 1M via YaRN)"（Recommended Settings の節）— Unsloth Documentation より
公式のFP8版という選択肢
Qwen自身もFP8に量子化した版を配布しています。 FP8は数値を8ビットで表す形式です。公式の説明ではブロックサイズ128の細粒度量子化を使い、性能は元のモデルとほぼ同等だとしています。コミュニティ製のGGUF（llama.cpp系ツールが読む量子化ファイル形式）と違い、開発元が品質を担保しているぶん選ぶ側は迷いません。
ただしUnslothの表で8bitが31GB、無圧縮のBF16が56GBであることを踏まえると、FP8版は消費者向けGPUに載る大きさではありません。手元のGPUで動かす前提なら、現実的な着地点はGGUFの4bit前後です。
"The quantization method is fine-grained fp8 quantization with block size of 128, and its performance metrics are nearly identical to those of the original model."（FP8 版の説明）— Hugging Face のモデルカードより
推論エンジンと推奨サンプリング設定
公式が推奨しているのはSGLang・vLLM・TokenSpeedといった専用の推論エンジンです。 本番相当の処理量やスループットを出す場面ではTransformersを直接呼ぶより差が出ます。モデルカードは各エンジン向けのCookbook・Recipeへリンクする形を取っており、起動手順はそちらに委ねられています。
サンプリングの推奨値は明示されています。思考モードはtemperature 1.0・top_p 0.95・top_k 20、非思考モードはtemperature 0.7・top_p 0.80・top_k 20です。
"For production workloads or high-throughput scenarios, dedicated serving engines such as SGLang, vLLM, or TokenSpeed are recommended."（Serving Qwen3.8）／"Thinking Mode: temperature=1.0, top_p=0.95, top_k=20, min_p=0.0, presence_penalty=0.0, repetition_penalty=1.0"／"Instruct (or non-thinking) mode: temperature=0.7, top_p=0.80, top_k=20, min_p=0.0, presence_penalty=1.5, repetition_penalty=1.0"（いずれも API Usage）— Hugging Face のモデルカードより
英語のモデルカードは表と箇条書きで構成されているため、そのままコピーすると構造が崩れます。見出しや表の形を保ったままマークダウンに変換しておくと、AIに読ませたときの取りこぼしが減ります。
Qwen3.8-27Bは27Bという手元で扱える規模にApache 2.0という緩いライセンスを重ねてきたモデルです。画面操作系の伸びは大きく、公開モデルでどこまでできるかの水準を一段押し上げました。一方で100万トークンは拡張時の上限であり、ベンチマークの比較条件も揃っていません。手元のGPUのメモリ量から量子化を決め、自分の用途で試してから採否を判断する。 公開モデルの評価としてはこれがいちばん確かな順序です。
