अलिबाबाच्या Qwen संशोधन प्रयोगशाळेने शुक्रवारी Qwen 3.8 27B जारी केले, एक Apache 2.0-परवानाकृत, दृष्टी-सक्षम मोठे भाषा मॉडेल जे वाजवी विशिष्ट लॅपटॉपवर चालते — आणि, लॅबच्या स्वतःच्या बेंचमार्कनुसार, केवळ त्याच्या पूर्ववर्तीच नव्हे तर सर्वात मजबूत क्यूवेन मॉडेल म्हणून नुकतेच मेच्या क्लोज-वेट मॉडेलमध्ये होते.

रिलीझ हे डेव्हलपर सर्कलमध्ये महिन्यातील सर्वात जास्त चर्चिल्या गेलेल्या मॉडेल लॉन्चपैकी एक बनले आहे. प्रसिद्ध स्वतंत्र AI संशोधक आणि ब्लॉगर सायमन विलिसन यांनी रविवारी प्रकाशित केलेले हँड-ऑन पुनरावलोकन, शेकडो अपव्होट्ससह हॅकर न्यूजच्या पहिल्या पानावर पोहोचले, वाचकांनी मॉडेलच्या क्षमता आणि त्याच्या असामान्य डीफॉल्ट कॉन्फिगरेशनवर चर्चा केली. For more context on this story, see our ongoing breaking AI news.

Qwen 3.8 27B मध्ये नवीन काय आहे

हे मॉडेल अलीबाबाच्या ओपन-वेट लाइनमधील नवीनतम आहे, जे क्वेन 3.8 2.4T-A95B मिक्स्चर-ऑफ-एक्सपर्ट रिलीज झाल्यानंतर काही आठवड्यांनंतर आले आहे. Qwen च्या स्व-रिपोर्ट केलेल्या बेंचमार्क्सनुसार, 27B मॉडेल Qwen 3.6 27B आणि बंद वजन असलेल्या Qwen 3.7-Plus या दोन्हींपेक्षा जास्त फायदा दर्शविते — एक मॉडेल जे नाव असूनही, या वर्षाच्या सुरुवातीला कोणत्याही आकाराच्या Qwen च्या सर्वात मजबूत कलाकारांपैकी एक होते.

मॉडेल 262,144 टोकन्सच्या कमाल संदर्भ लांबीचे समर्थन करते, दृष्टी इनपुट हाताळते आणि `रिझनिंग_एफ़र्ट` पॅरामीटरसाठी अधिकृत समर्थनासह शिप करते जे तीन स्तरांवर तर्काची खोली समायोजित करते: `xhigh`, `मध्यम` आणि `कमी`.

ही ती पहिली सेटिंग आहे — `xhigh`, फॅक्टरी डीफॉल्ट — जो रिलीजचा चर्चेचा मुद्दा बनला आहे.

अतिविचार समस्या

विलिसन, ज्याने LM स्टुडिओच्या 17GB Q4_K_M क्वांटाइज्ड बिल्डचा वापर करून 128GB MacBook Pro आणि NVIDIA DGX Spark वर मॉडेलची चाचणी केली, त्यांनी डीफॉल्टचे वर्णन "नेत्रदीपक अति-विचार" असे केले.

एका उल्लेखनीय उदाहरणात, त्याने मॉडेलला सायकल चालवणाऱ्या पेलिकनचे एसव्हीजी काढण्यास सांगितले. डीफॉल्ट `xhigh` तर्क प्रयत्नांसह, मॉडेलने 3,223 टोकन आउटपुट तयार करण्यासाठी 22,276 तर्क टोकन खर्च केले - ही प्रक्रिया ज्याला त्याच्या हार्डवेअरवर 21 मिनिटे लागली. त्याचा परिणाम, "आतापर्यंतचा सर्वोत्कृष्ट पेलिकन SVG" होता, तो स्थानिक पातळीवर चालणाऱ्या मॉडेलसह, अचूक सायकल भूमिती, फ्रेमच्या दोन्ही बाजूंना पाय आणि चवदार सचित्र पार्श्वभूमीसह निर्माण करण्यात सक्षम झाला आहे.

ट्रेड-ऑफ स्पष्ट आहे: 21 मिनिटे ही बहुतेक कार्यांसाठी अव्यवहार्य प्रतीक्षा आहे. तर्क अक्षम करून समान प्रॉम्प्ट पुन्हा चालवल्याने 137 सेकंदांमध्ये - वेळेच्या एक दशांश कमी - समान आउटपुट लांबीवर प्रतिसाद दिला.

अगदी क्षुल्लक साधे प्रॉम्प्ट वर्तन ट्रिगर करतात. "वर्तुळाचा svg काढा" असे विचारले असता, पॅलेट पर्याय, बॉहॉस स्टाइलिंग, लेयर्ड रिंग आणि ॲनिमेशन पध्दतीचे वजन करून मॉडेलचे रिजनिंग ट्रेस उघडले - एकच XML टॅग आवश्यक असलेल्या आकारासाठी अनेक मिनिटे विचारविनिमय.

विलिसनचा निर्णय: मॉडेल उत्कृष्ट आहे, परंतु डीफॉल्ट कॉन्फिगरेशन "मॉडेल चालवण्याचा एक चांगला मार्ग नाही, विशेषत: ग्राहक हार्डवेअरवर." वापरकर्ते `मध्यम` किंवा `कमी` तर्क प्रयत्नांवर स्विच करू शकतात किंवा विस्तारित विचार पूर्णपणे अक्षम करू शकतात.

स्थानिक एआयची गती

फ्रंटियर क्लाउड मॉडेल्स आणि स्थानिक पातळीवर चालवता येण्याजोग्या ओपन मॉडेल्समधील क्षमतांचे अंतर किती लवकर कमी झाले आहे हे रिलीज अधोरेखित करते. लॅपटॉपवर चालणारी 17GB फाइल आता असे परिणाम देते की, विशिष्ट सर्जनशील कार्यांमध्ये, डेटा-सेंटर-स्केल मॉडेल्सची फार पूर्वी आवश्यकता नसलेली स्पर्धा.

हे 2026 परिभाषित केलेल्या चिनी प्रयोगशाळांमधून ओपन-वेट गती देखील सुरू ठेवते. अलीबाबाचे क्वेन कुटुंब या वर्षी जागतिक स्तरावर सर्वाधिक डाउनलोड केलेल्या मॉडेल लाइन्सपैकी एक आहे, मेटा, डीपसीक आणि मूनशॉट एआय कडून विकसक माइंडशेअरसाठी रिलीझसह स्पर्धा करते. Qwen 3.8 27B साठी स्वतंत्र बेंचमार्क परिणाम अद्याप जमा होत आहेत आणि विलिसनने स्पष्टपणे सावध केले की लॅबचे स्वयं-रिपोर्ट केलेले क्रमांक तृतीय-पक्षाच्या पडताळणीची वाट पाहत आहेत.

वापरकर्त्यांसाठी व्यावहारिक मार्गदर्शन

मॉडेलचा विचार करणाऱ्या डेव्हलपर आणि उत्साही लोकांसाठी, प्रारंभिक चाचणीतून उदयोन्मुख सहमती सरळ आहे: स्थानिक AI वर्कलोड्ससाठी Qwen 3.8 27B ही एक मजबूत डिफॉल्ट निवड आहे ज्यामध्ये दृष्टी किंवा दीर्घ दस्तऐवजांचा समावेश आहे, परंतु तर्कशक्तीचा प्रयत्न कार्याशी जुळला पाहिजे. जटिल विश्लेषण `xhigh` चे समर्थन करू शकते; दैनंदिन प्रश्न आणि द्रुत मसुदे `मध्यम` किंवा त्यापेक्षा कमी वेगवान आणि स्वस्त आहेत.

LM स्टुडिओ सारख्या साधनांद्वारे मॉडेल चालवणाऱ्या वापरकर्त्यांनी डीफॉल्ट संदर्भ विंडो 8,192 टोकन्समधून देखील वाढवली पाहिजे — विलिसनला असे आढळले की मॉडेलच्या विस्तारित विचाराने ते पूर्ण 262,144-टोकन संदर्भासह लोड करण्यापूर्वी अगदी सांसारिक समस्यांवरील बजेट संपले आहे.

ओपन-मॉडेल शर्यतीच्या पुढील टप्प्याबद्दल रिलीझ काय संकेत देते हा सर्वात मोठा प्रश्न आहे: तर्क-शैली मॉडेल्स रूढ झाल्यामुळे, कॉन्फिगरेशन डीफॉल्ट्स वास्तविक उपयोगिता परिणामांसह उत्पादन निर्णयांमध्ये बदलत आहेत — आणि Qwen चे `xhigh` डीफॉल्ट हे आधीच सर्वात जास्त चर्चा केलेले उदाहरण आहे.

खुल्या वजनासाठी एक मैलाचा दगड

खुल्या वजनाच्या लॅब आता छोट्या प्रमाणात काय वितरीत करू शकतात याविषयी देखील हे प्रकाशन एक मैलाचा दगड आहे. दोन वर्षांपूर्वी Apache-2.0-परवानाधारक मॉडेलमध्ये व्हिजन क्षमता, 262,144-टोकन कॉन्टेक्स्ट विंडो आणि ग्राहकांच्या लॅपटॉपवर बसणाऱ्या पॅकेजमधील स्पर्धात्मक तर्कशक्तीची कामगिरी अकल्पनीय होती. स्थानिक-प्रथम अनुप्रयोग तयार करणाऱ्या विकासकांसाठी — जिथे डेटा गोपनीयता, लेटन्सी किंवा ऑफलाइन ऑपरेशन क्लाउड एपीआय नाकारतात — व्यावहारिक पर्याय जलद क्लिपमध्ये सुधारत राहतात.

विलिसनची चाचणी इकोसिस्टमसाठी परिपक्वता बिंदू देखील हायलाइट करते: LM स्टुडिओच्या एका-क्लिक GGUF डाउनलोडपासून ते कॉन्फिगर करण्यायोग्य तर्क पॅरामीटर्सपर्यंत स्थानिक मॉडेल्सचे टूलिंग इतके प्रगत झाले आहे की मॉडेलच्या विचारांची खोली ट्यून करणे हा आता संशोधन व्यायामाऐवजी एक नियमित वापरकर्ता निर्णय आहे. येत्या काही दिवसांत स्वतंत्र बेंचमार्क जमा होत असताना, Qwen 3.8 27B त्याच्या खुल्या आणि बंद प्रतिस्पर्ध्यांच्या विरोधात नेमके कोठे उतरेल याचे चित्र स्पष्ट होईल — परंतु सुरुवातीच्या रिसेप्शनने अलीबाबाला जगातील सर्वात परिणामकारक मुक्त-मॉडेल प्रकाशकांपैकी एक बनवले आहे.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →