Lab penelitian Qwen milik Alibaba merilis Qwen 3.8 27B pada hari Jumat, sebuah model bahasa besar yang berlisensi Apache 2.0 dan berkemampuan vision yang berjalan pada laptop dengan spesifikasi yang masuk akal — dan, menurut tolok ukur laboratorium itu sendiri, kinerjanya tidak hanya mengungguli pendahulunya tetapi juga model kelas tertutup yang merupakan salah satu yang terkuat dari Qwen pada bulan Mei.
Rilis ini telah menjadi salah satu peluncuran model yang paling banyak dibicarakan bulan ini di kalangan pengembang. Ulasan langsung yang diterbitkan pada hari Minggu oleh Simon Willison, peneliti AI dan blogger independen terkemuka, mencapai halaman depan Hacker News dengan ratusan suara positif, dengan pembaca memperdebatkan kemampuan model dan konfigurasi defaultnya yang tidak biasa. For more context on this story, see our ongoing breaking AI news.
Yang Baru di Qwen 3.8 27B
Model ini adalah yang terbaru dalam lini produk timbangan terbuka Alibaba, yang hadir beberapa minggu setelah rilis campuran ahli Qwen 3.8 2.4T-A95B yang jauh lebih besar. Menurut tolok ukur yang dilaporkan sendiri oleh Qwen, model 27B menunjukkan peningkatan dibandingkan Qwen 3.6 27B dan Qwen 3.7-Plus berbobot tertutup — model yang, terlepas dari namanya, merupakan salah satu model Qwen yang berkinerja terkuat dalam segala ukuran pada awal tahun ini.
Model ini mendukung panjang konteks maksimum sebanyak 262.144 token, menangani input visi, dan dilengkapi dengan dukungan resmi untuk parameter `reasoning_effort` yang menyesuaikan kedalaman penalaran di tiga level: `xhigh`, `medium`, dan `low`.
Pengaturan pertama — `xhigh`, default pabrik — yang menjadi bahan pembicaraan rilis ini.
Masalah Terlalu Banyak Berpikir
Willison, yang menguji model tersebut pada MacBook Pro 128 GB dan NVIDIA DGX Spark menggunakan build terkuantisasi 17 GB Q4_K_M dari LM Studio, menggambarkan defaultnya sebagai menghasilkan "pemikiran berlebihan yang spektakuler".
Dalam salah satu contoh yang mencolok, dia meminta model tersebut menggambar SVG seekor pelikan yang sedang mengendarai sepeda. Dengan upaya penalaran `xhigh` default, model tersebut menghabiskan 22.276 token penalaran untuk menghasilkan 3.223 token keluaran — sebuah proses yang memakan waktu 21 menit pada perangkat kerasnya. Hasilnya, katanya, adalah "pelikan SVG terbaik sejauh ini" yang mampu ia hasilkan dengan model yang berjalan secara lokal, dengan geometri sepeda yang benar, kaki di kedua sisi bingkai, dan latar belakang bergambar yang menarik.
Dampaknya jelas: 21 menit adalah waktu menunggu yang tidak praktis untuk sebagian besar tugas. Menjalankan kembali perintah yang sama dengan penalaran dinonaktifkan menghasilkan respons dalam 137 detik — kurang dari sepersepuluh waktu — dengan durasi keluaran yang sama.
Bahkan perintah sederhana pun memicu perilaku tersebut. Diminta untuk "menggambar svg lingkaran", jejak penalaran model dibuka dengan menimbang opsi palet, gaya Bauhaus, cincin berlapis, dan pendekatan animasi — beberapa menit pertimbangan untuk bentuk yang memerlukan satu tag XML.
Keputusan Willison: modelnya luar biasa, tetapi konfigurasi defaultnya "sama sekali bukan cara yang baik untuk menjalankan model, terutama pada perangkat keras konsumen". Pengguna dapat beralih ke upaya penalaran `sedang` atau `rendah`, atau menonaktifkan pemikiran yang diperluas sepenuhnya.
Momentum AI Lokal
Rilis ini menggarisbawahi betapa cepatnya kesenjangan kemampuan antara model cloud frontier dan model terbuka yang dapat dijalankan secara lokal telah menyempit. File berukuran 17 GB yang dijalankan di laptop kini memberikan hasil yang, dalam tugas kreatif tertentu, menyaingi apa yang dibutuhkan model skala pusat data beberapa waktu yang lalu.
Hal ini juga melanjutkan momentum open-weight dari laboratorium Tiongkok yang telah menetapkan tahun 2026. Keluarga Qwen milik Alibaba telah menjadi salah satu lini model yang paling banyak diunduh secara global tahun ini, bersaing dengan rilis dari Meta, DeepSeek, dan Moonshot AI untuk mindshare pengembang. Hasil benchmark independen untuk Qwen 3.8 27B masih terakumulasi, dan Willison secara eksplisit memperingatkan bahwa angka yang dilaporkan sendiri oleh laboratorium menunggu verifikasi pihak ketiga.
Panduan Praktis untuk Pengguna
Bagi pengembang dan penggemar yang mempertimbangkan model ini, konsensus yang muncul dari pengujian awal sangatlah jelas: Qwen 3.8 27B adalah pilihan default yang kuat untuk beban kerja AI lokal yang melibatkan visi atau dokumen panjang, namun upaya penalarannya harus disesuaikan dengan tugas tersebut. Analisis yang kompleks mungkin membenarkan `xhigh`; pertanyaan sehari-hari dan draf cepat lebih cepat dan lebih murah pada tingkat `sedang` atau lebih rendah.
Pengguna yang menjalankan model melalui alat seperti LM Studio juga harus menaikkan jendela konteks default dari 8.192 token — Willison mendapati pemikiran model yang diperluas menghabiskan anggaran tersebut bahkan pada masalah biasa sebelum dia memuatnya dengan konteks 262.144 token penuh.
Pertanyaan yang lebih besar adalah apa yang menjadi sinyal dari rilis ini mengenai fase selanjutnya dari perlombaan model terbuka: ketika model bergaya penalaran menjadi norma, default konfigurasi berubah menjadi keputusan produk dengan konsekuensi kegunaan yang nyata — dan default `xhigh` Qwen sudah menjadi contoh yang paling banyak dibahas.
Sebuah Tonggak Sejarah untuk Bobot Terbuka
Peluncuran ini juga menandai tonggak sejarah dalam hal apa yang kini dapat dihasilkan oleh laboratorium beban terbuka dalam skala kecil. Kemampuan visi, jendela konteks 262,144 token, dan performa penalaran kompetitif dalam satu paket yang sesuai dengan laptop konsumen tidak akan terpikirkan dalam model berlisensi Apache-2.0 dua tahun lalu. Bagi pengembang yang membangun aplikasi lokal — di mana privasi data, latensi, atau operasi offline tidak memerlukan API cloud — opsi praktisnya terus meningkat dengan cepat.
Pengujian yang dilakukan Willison juga menyoroti titik kedewasaan ekosistem: perangkat di sekitar model lokal, mulai dari unduhan GGUF sekali klik LM Studio hingga parameter penalaran yang dapat dikonfigurasi, telah cukup maju sehingga menyesuaikan kedalaman pemikiran model kini menjadi keputusan rutin pengguna, bukan sekedar latihan penelitian. Seiring dengan terakumulasinya tolok ukur independen dalam beberapa hari ke depan, gambaran mengenai posisi Qwen 3.8 27B dibandingkan kompetitor terbuka dan tertutup akan semakin tajam — namun penerimaan awal menunjukkan adanya entri kuat lainnya yang menjadikan Alibaba salah satu penerbit model terbuka paling berpengaruh di dunia.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
