Il laboratorio di ricerca Qwen di Alibaba ha rilasciato venerdì Qwen 3.8 27B, un modello linguistico di grandi dimensioni con licenza Apache 2.0, capace di visione, che funziona su un laptop con specifiche ragionevoli e, secondo i parametri di riferimento del laboratorio, supera non solo il suo predecessore ma anche un modello a peso chiuso che era tra i più forti di Qwen fino a maggio.
Il rilascio è diventato uno dei lanci di modelli più discussi del mese nei circoli degli sviluppatori. Una recensione pratica pubblicata domenica da Simon Willison, eminente ricercatore e blogger indipendente sull'intelligenza artificiale, ha raggiunto la prima pagina di Hacker News con centinaia di voti positivi, con i lettori che dibattevano sulle capacità del modello e sulla sua insolita configurazione predefinita. Per maggiori informazioni su questa storia, consulta la nostra tendenze IA.
Novità di Qwen 3.8 27B
Il modello è l'ultimo della linea open-weights di Alibaba, arrivando settimane dopo il rilascio molto più grande del Qwen 3.8 2.4T-A95B. Secondo i benchmark auto-riportati di Qwen, il modello 27B mostra guadagni sia rispetto a Qwen 3.6 27B che rispetto a Qwen 3.7-Plus a peso chiuso, un modello che, nonostante il suo nome, è stato uno dei più forti di qualsiasi dimensione di Qwen all'inizio di quest'anno.
Il modello supporta una lunghezza massima del contesto di 262.144 token, gestisce input di visione e viene fornito con il supporto ufficiale per un parametro "reasoning_effort" che regola la profondità del ragionamento su tre livelli: "xhigh", "medium" e "low".
È la prima impostazione, "xhigh", l'impostazione predefinita di fabbrica, che è diventata il punto di discussione della versione.
Il problema del pensare troppo
Willison, che ha testato il modello su un MacBook Pro da 128 GB e un NVIDIA DGX Spark utilizzando la build quantizzata Q4_K_M da 17 GB di LM Studio, ha descritto l'impostazione predefinita come la produzione di uno "spettacolare pensiero eccessivo".
In un esempio lampante, ha chiesto al modello di disegnare un SVG di un pellicano in sella a una bicicletta. Con lo sforzo di ragionamento predefinito "xhigh", il modello ha speso 22.276 token di ragionamento per produrre 3.223 token di output, un processo che ha richiesto 21 minuti sul suo hardware. Il risultato, ha osservato, è stato "di gran lunga il miglior SVG Pelican" che è stato in grado di generare con un modello che corre localmente, con la corretta geometria della bicicletta, gambe su entrambi i lati del telaio e uno sfondo illustrato di buon gusto.
Il compromesso è ovvio: 21 minuti sono un’attesa poco pratica per la maggior parte delle attività. La riesecuzione dello stesso prompt con il ragionamento disabilitato ha prodotto una risposta in 137 secondi – meno di un decimo del tempo – con una durata di output simile.
Anche i suggerimenti banalmente semplici innescano il comportamento. Alla richiesta di "disegnare un cerchio in formato SVG", la traccia di ragionamento del modello si è aperta valutando le opzioni della tavolozza, lo stile Bauhaus, gli anelli a strati e gli approcci di animazione: diversi minuti di riflessione per una forma che richiede un singolo tag XML.
Il verdetto di Willison: il modello è eccellente, ma la configurazione predefinita "non è assolutamente un buon modo per eseguire il modello, soprattutto su hardware consumer". Gli utenti possono passare allo sforzo di ragionamento "medio" o "basso" o disattivare completamente il pensiero esteso.
Momento dell'IA locale
Il comunicato sottolinea la rapidità con cui si è ridotto il divario di capacità tra i modelli cloud di frontiera e i modelli aperti eseguibili localmente. Un file da 17 GB che viene eseguito su un laptop ora produce risultati che, in attività creative specifiche, competono con ciò che richiedevano modelli su scala di data center non molto tempo fa.
Continua inoltre lo slancio di apertura dei laboratori cinesi che ha definito il 2026. La famiglia Qwen di Alibaba è stata tra le linee di modelli più scaricate a livello globale quest'anno, in competizione con le versioni di Meta, DeepSeek e Moonshot AI per la condivisione mentale degli sviluppatori. I risultati dei benchmark indipendenti per Qwen 3.8 27B si stanno ancora accumulando e Willison ha esplicitamente avvertito che i numeri dichiarati dal laboratorio attendono la verifica di terze parti.
Guida pratica per gli utenti
Per gli sviluppatori e gli appassionati che stanno considerando il modello, il consenso emergente dai primi test è semplice: Qwen 3.8 27B è una forte scelta predefinita per carichi di lavoro di intelligenza artificiale locale che coinvolgono visione o documenti lunghi, ma lo sforzo di ragionamento dovrebbe essere calibrato sull'attività. L'analisi complessa può giustificare "xhigh"; le domande di tutti i giorni e le bozze rapide sono più veloci ed economiche a livello "medio" o inferiore.
Gli utenti che eseguono il modello tramite strumenti come LM Studio dovrebbero anche aumentare la finestra di contesto predefinita da 8.192 token: Willison ha scoperto che il pensiero esteso del modello esauriva quel budget anche su problemi banali prima di caricarlo con l'intero contesto di 262.144 token.
La domanda più grande è cosa segnali il rilascio riguardo alla prossima fase della corsa al modello aperto: man mano che i modelli in stile ragionamento diventano la norma, le impostazioni predefinite di configurazione si stanno trasformando in decisioni sul prodotto con conseguenze reali sull'usabilità - e l'impostazione predefinita "xhigh" di Qwen è già l'esempio più discusso.
Una pietra miliare per i pesi aperti
Il rilascio segna anche una pietra miliare in ciò che i laboratori a peso aperto possono ora fornire su piccola scala. Capacità di visione, una finestra di contesto da 262.144 token e prestazioni di ragionamento competitivo in un pacchetto che si adatta a un laptop consumer sarebbero stati impensabili in un modello con licenza Apache-2.0 due anni fa. Per gli sviluppatori che creano applicazioni local-first, dove la privacy dei dati, la latenza o il funzionamento offline escludono le API cloud, le opzioni pratiche continuano a migliorare rapidamente.
I test di Willison evidenziano anche un punto di maturità per l'ecosistema: gli strumenti attorno ai modelli locali, dai download GGUF con un clic di LM Studio ai parametri di ragionamento configurabili, sono avanzati abbastanza da far sì che l'ottimizzazione della profondità di pensiero di un modello sia ora una decisione di routine dell'utente piuttosto che un esercizio di ricerca. Man mano che i benchmark indipendenti si accumuleranno nei prossimi giorni, il quadro di dove esattamente Qwen 3.8 27B si colloca rispetto ai suoi concorrenti aperti e chiusi diventerà più nitido, ma la prima accoglienza suggerisce un altro forte ingresso nella linea che ha reso Alibaba uno degli editori di modello aperto più importanti al mondo.
---
Rimani Aggiornato sull'IALe ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.
Leggi altre notizie sull'IA →
