Локальная модель впервые дотянулась до топ-уровня: Qwen3.8-27B сравнялась с GPT-5.6 Luna

Локальные модели до сих пор шли вторым сортом: на своей машине крутили что попроще, а за верхний уровень платили облаку по счёту API. 14 августа Alibaba выложила веса Qwen3.8-27B под Apache 2.0, и теперь тот же уровень считается на своём железе.

Скачок за одну версию. На DeepSWE 1.1 прежняя Qwen3.6-27B решала 13,3% задач, новая берёт 42,2% при том же размере. В агентском индексе Artificial Analysis у неё 51 балл, выше Claude Opus 4.8 на максимальном reasoning.

Сколько нужно видеопамяти. Рекомендуемый 4-битный квант Q4_K_XL просит 17–19 GB, 8-битный 31 GB, полный BF16 56 GB. Редакция heise гоняла Q8_0 на Nvidia RTX Pro 6000 Blackwell: он занял около 22 GB, задачу на REST API модель сделала за 12 минут и собрала код с первой попытки, хотя простые задачи любит переусложнять и жечь токены.

Как поднять у себя. Официальный рецепт из карточки модели укладывается в две команды: `pip install vllm`, затем `vllm serve "Qwen/Qwen3.8-27B"`. Кто ставит через GGUF, качает сборку Unsloth и запускает её в llama.cpp.

Cline цепляется к такому серверу штатно. В настройках выбираешь провайдера Ollama и вписываешь http://localhost:11434 или LM Studio с http://localhost:1234, берёшь модель из выпадающего списка и включаешь «Use Compact Prompt», без этого шага связка не работает.

Без своей видеокарты модель берут в облаке. OpenRouter отдаёт её по $0,45 за миллион входных токенов и $3,20 за миллион выходных.