Alibaba ha pubblicato i pesi di Qwen3.8-27B, nuovo modello della famiglia Qwen3.8 progettato per combinare dimensioni relativamente contenute, capacità multimodali native e supporto per contesti molto estesi. Il modello utilizza 27 miliardi di parametri ed è distribuito su Hugging Face con licenza Apache 2.0, che ne consente anche l’impiego commerciale. Gli sviluppatori possono quindi scaricarlo ed eseguirlo direttamente su infrastrutture proprie, integrarlo in applicazioni locali, strumenti di sviluppo o sistemi agentici e modificarne l’impiego senza dipendere esclusivamente da un servizio API esterno.
Qwen3.8-27B è costruito come native multimodal dense model, quindi utilizza un’architettura densa nella quale i 27 miliardi di parametri partecipano all’elaborazione e integra nello stesso modello la capacità di lavorare con testo, immagini e altre informazioni multimodali. Alibaba indica un miglioramento generale rispetto alla precedente generazione Qwen3.7-Plus, con particolare attenzione alle attività di coding svolte in contesti reali e ai compiti legati alla produttività e all’elaborazione di documenti da ufficio. La scelta di mantenere la dimensione a 27 miliardi di parametri punta inoltre a rendere il modello più facilmente utilizzabile su server o workstation rispetto ai sistemi composti da centinaia di miliardi o trilioni di parametri.
Uno degli elementi principali riguarda la finestra di contesto. Qwen3.8-27B supporta nativamente fino a 262.000 token, mentre attraverso YaRN, tecnica utilizzata per estendere la lunghezza contestuale dei transformer, può arrivare fino a 1 milione di token. Questa capacità consente di inserire nella stessa sessione quantità molto elevate di informazioni, come repository software estesi, grandi raccolte documentali, cronologie di lavoro particolarmente lunghe o materiale necessario ad agenti che devono mantenere il contesto durante sequenze operative complesse.
Alibaba presenta il modello soprattutto come soluzione destinata ai builder, cioè sviluppatori che vogliono incorporare direttamente un modello avanzato all’interno dei propri strumenti. Il rapporto tra dimensioni e prestazioni costituisce quindi uno degli aspetti centrali del rilascio: Qwen3.8-27B utilizza circa un decimo dei parametri di un ipotetico modello da 270 miliardi e una frazione ancora più ridotta rispetto ai sistemi da trilioni di parametri, mantenendo però prestazioni che nei benchmark pubblicati dall’azienda risultano sensibilmente superiori alla precedente generazione. Questa impostazione dovrebbe rendere più semplice l’utilizzo del modello in applicazioni locali o in infrastrutture nelle quali memoria, capacità GPU e costo di inferenza rappresentano vincoli importanti.
Nei benchmark diffusi da Alibaba, Qwen3.8-27B supera anche Muse Glimmer 30B di Meta e, in alcuni test, raggiunge risultati comparabili a quelli attribuiti a Claude Opus 4.6 di Anthropic. Il confronto è significativo soprattutto considerando la dimensione relativamente ridotta del modello Qwen, anche se i risultati riguardano benchmark specifici e non implicano un’equivalenza generale tra i due sistemi. L’obiettivo dichiarato è offrire prestazioni vicine a modelli di fascia superiore riducendo contemporaneamente le risorse computazionali necessarie per l’esecuzione.
Il rilascio di Qwen3.8-27B si inserisce in una strategia più ampia di Alibaba per distribuire modelli open-weight con caratteristiche e dimensioni differenti. La società ha infatti recentemente pubblicato anche i pesi di Qwen3.8-2.4T-A95B, modello molto più grande con circa 2,4 trilioni di parametri complessivi e 95 miliardi di parametri attivi, pensato per rappresentare la fascia più alta della famiglia Qwen3.8. In questo modo la stessa linea comprende modelli destinati sia a installazioni relativamente leggere e locali sia a sistemi agentici più complessi che possono utilizzare infrastrutture computazionali di livello superiore.
Qwen3.8-27B occupa quindi la fascia orientata alla distribuzione più semplice: 27 miliardi di parametri, multimodalità integrata, licenza Apache 2.0 e una finestra contestuale che passa dai 262.000 token nativi fino a 1 milione tramite YaRN. Il rilascio dei pesi permette agli sviluppatori di utilizzare direttamente il modello per coding, elaborazione documentale, applicazioni multimodali e agenti AI, mantenendo il controllo sull’ambiente di esecuzione e scegliendo infrastruttura, modalità di deployment e personalizzazioni in funzione dell’applicazione.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)