Alibaba ၏ Qwen သုတေသနဓာတ်ခွဲခန်းမှ Qwen 3.8 27B ကို သောကြာနေ့တွင် ထုတ်ပြန်ခဲ့သည့် Apache 2.0 လိုင်စင်ရရှိထားသော၊ အမြင်အာရုံခံနိုင်သော ကြီးမားသောဘာသာစကားမော်ဒယ်တစ်ခုဖြစ်သည့် — နှင့် ဓာတ်ခွဲခန်း၏ကိုယ်ပိုင်စံနှုန်းများအရ မကြာသေးမီက Qwen တွင် အအားကောင်းဆုံးဖြစ်သည့် Qwen ၏ မကြာသေးမီက အပြင်းထန်ဆုံးသော အလေးချိန်ပိတ်မော်ဒယ်ထက် သာလွန်ကောင်းမွန်ပါသည်။

ဖြန့်ချိမှုသည် developer အသိုင်းအဝိုင်းတွင် တစ်လတာ ဆွေးနွေးမှုအများဆုံး မော်ဒယ်များထဲမှ တစ်ခုဖြစ်လာသည်။ ထင်ရှားသော အမှီအခိုကင်းသော AI သုတေသီနှင့် ဘလော့ဂါ Simon Willison မှ တနင်္ဂနွေနေ့တွင် ထုတ်ဝေသော လက်ဆင့်ကမ်း သုံးသပ်ချက်သည် စာဖတ်သူများအနေဖြင့် မော်ဒယ်၏ စွမ်းဆောင်ရည်နှင့် ပုံမှန်မဟုတ်သော ပုံသေဖွဲ့စည်းပုံကို အချေအတင်ဆွေးနွေးခြင်းဖြင့် Hacker News ၏ ရှေ့စာမျက်နှာသို့ ရောက်ရှိသွားသည်။ For more context on this story, see our ongoing AI trends.

Qwen 3.8 27B တွင် ဘာများ အသစ်ပါလဲ။

မော်ဒယ်သည် ပိုမိုကြီးမားသော Qwen 3.8 2.4T-A95B ကျွမ်းကျင်သူများ၏ ရောစပ်ထားသော အရောအနှောကို ထုတ်ဝေပြီးနောက် ရက်သတ္တပတ်များအကြာတွင် Alibaba ၏ အဝိတ်လိုင်းတွင် နောက်ဆုံးပေါ်မော်ဒယ်ဖြစ်သည်။ Qwen ၏ ကိုယ်တိုင် အစီရင်ခံထားသော စံနှုန်းများ အရ 27B မော်ဒယ်သည် Qwen 3.6 27B နှင့် အပိတ်အလေးချိန် Qwen 3.7-Plus နှစ်မျိုးလုံးထက် အမြတ်များကြောင်း မော်ဒယ်ဟု အမည်တွင်သော်လည်း ယခုနှစ်အစောပိုင်းက Qwen ၏ အပြင်းထန်ဆုံး စွမ်းဆောင်နိုင်သူ တဦးဖြစ်သည်။

မော်ဒယ်သည် အများဆုံး ဆက်စပ်အရှည် 262,144 တိုကင်များကို ပံ့ပိုးပေးကာ၊ အမြင်အာရုံသွင်းအားများကို ကိုင်တွယ်ပြီး `ကျိုးကြောင်းဆင်ခြင်ခြင်း_အားထုတ်မှု` ကန့်သတ်ဘောင်အတွက် တရားဝင်ပံ့ပိုးမှုဖြင့် သင်္ဘောများကို အဆင့်သုံးဆင့်ဖြစ်သည့် `xhigh`၊ `အလယ်အလတ်` နှင့် `နိမ့်သော´ တို့ကို ချိန်ညှိပေးသည်။

၎င်းသည် ပထမဆုံးဆက်တင်ဖြစ်သည့် `xhigh`၊ စက်ရုံမူရင်းဖြစ်သည်— ယင်းသည် ထုတ်ဝေမှု၏ပြောဆိုချက်ဖြစ်လာသည်။

အတွေးလွန်ခြင်းပြဿနာ

LM Studio ၏ 17GB Q4_K_M quantized build ကို အသုံးပြု၍ 128GB MacBook Pro နှင့် NVIDIA DGX Spark တွင် မော်ဒယ်ကို စမ်းသပ်ခဲ့သူ Willison က "ကြီးကျယ်ခမ်းနားလွန်းသော တွေးခေါ်မှု" ကို ထုတ်လုပ်သည့် ပုံသေကို ဖော်ပြခဲ့သည်။

ထင်ရှားသော ဥပမာတစ်ခုတွင်၊ စက်ဘီးစီးနေသည့် ငှက်တစ်ကောင်၏ SVG ကို မော်ဒယ်ကို ဆွဲခိုင်းခဲ့သည်။ မူရင်း `xhigh` ကျိုးကြောင်းဆင်ခြင်မှုအားထုတ်မှုဖြင့်၊ မော်ဒယ်သည် အထွက် 3,223 တိုကင်များထုတ်လုပ်ရန် ကျိုးကြောင်းဆင်ခြင်ခြင်းတိုကင် 22,276 ကိုအသုံးပြုခဲ့သည် — ၎င်း၏ဟာ့ဒ်ဝဲတွင် 21 မိနစ်ကြာသည့်လုပ်ငန်းစဉ်တစ်ခုဖြစ်သည်။ ရလဒ်အနေဖြင့်၊ ၎င်းက "အကောင်းဆုံး pelican SVG" သည် မှန်ကန်သောစက်ဘီးဂျီသြမေတြီ၊ ဘောင်နှစ်ဘက်လုံးရှိ ခြေထောက်များနှင့် အရသာရှိသော သရုပ်ဖော်ပုံနောက်ခံဖြင့် ပြည်တွင်းတွင် လည်ပတ်နိုင်သော မော်ဒယ်ဖြင့် ထုတ်လုပ်နိုင်ခဲ့ကြောင်း ၎င်းက မှတ်ချက်ပြုခဲ့သည်။

အပေးအယူသည် ထင်ရှားသည်- ၂၁ မိနစ်သည် အလုပ်အများစုအတွက် လက်တွေ့မကျသော စောင့်ဆိုင်းမှုဖြစ်သည်။ ကျိုးကြောင်းဆင်ခြင်ခြင်းနှင့် တူညီသောအချက်ပြမှုကို ပြန်လည်လုပ်ဆောင်ခြင်းကို ပိတ်ထားသည့်အချိန်၏ ဆယ်ပုံတစ်ပုံအောက် — တူညီသောထွက်ရှိမှုအတိုင်းအတာဖြင့် တုံ့ပြန်မှုကို 137 စက္ကန့်အတွင်း ထုတ်ပေးသည်။

အသေးအဖွဲလေးပင်လျှင် အပြုအမူကို လှုံ့ဆော်ပေးသည်။ "စက်ဝိုင်းတစ်ခု၏ svg ကိုဆွဲရန်" တောင်းခဲ့သည်၊ အလေးချိန် palette ရွေးချယ်မှုများ၊ Bauhaus စတိုင်လ်၊ အလွှာလိုက်ကွင်းများနှင့် ကာတွန်းပုံများ- XML ​​တဂ်တစ်ခုလိုအပ်သော ပုံသဏ္ဍာန်တစ်ခုအတွက် မိနစ်အတော်ကြာ စေ့စေ့စပ်စပ်ဆွေးနွေးမှုဖြင့် ဖွင့်ထားသော မော်ဒယ်၏ ကျိုးကြောင်းဆီလျော်မှု သဲလွန်စ။

Willison ၏စီရင်ချက်- မော်ဒယ်သည် ကောင်းမွန်သော်လည်း ပုံသေဖွဲ့စည်းပုံသည် "အထူးသဖြင့် စားသုံးသူဟာ့ဒ်ဝဲတွင် မော်ဒယ်ကိုလည်ပတ်ရန် လုံးဝကောင်းမွန်သောနည်းလမ်းမဟုတ်ပါ။" အသုံးပြုသူများသည် `အလယ်အလတ်` သို့မဟုတ် `နိမ့်သော´ ကျိုးကြောင်းဆင်ခြင်အားထုတ်မှုသို့ ပြောင်းနိုင်သည်၊ သို့မဟုတ် ရှည်လျားသောတွေးခေါ်မှုကို လုံးဝပိတ်နိုင်သည်။

ပြည်တွင်း AI ၏ အရှိန်အဟုန်

ထုတ်ဝေမှုတွင် Frontier cloud မော်ဒယ်များနှင့် စက်တွင်းသုံးနိုင်သော အဖွင့်မော်ဒယ်များကြား မည်မျှလျင်မြန်စွာ ကွာဟချက်ကို အလေးပေးဖော်ပြသည်။ လက်ပ်တော့တစ်လုံးပေါ်တွင်လည်ပတ်သည့် 17GB ဖိုင်သည် မကြာသေးမီက ဒေတာစင်တာ-စကေးမော်ဒယ်များ လိုအပ်သည့် သီးခြားဖန်တီးမှုလုပ်ငန်းများတွင် ရလဒ်များကို ထုတ်ပေးသည်။

၎င်းသည် 2026 ဟုသတ်မှတ်ထားသော တရုတ်ဓာတ်ခွဲခန်းများမှ အရှိန်အဟုန်ဖြင့် ဆက်လက်လုပ်ဆောင်နေသည်။ Alibaba ၏ Qwen မိသားစုသည် ယခုနှစ်အတွင်း ကမ္ဘာတစ်ဝှမ်းတွင် ဒေါင်းလုဒ်အများဆုံး မော်ဒယ်လိုင်းများထဲတွင် ပါဝင်နေပြီး developer mindshare အတွက် Meta၊ DeepSeek နှင့် Moonshot AI တို့မှ ထွက်ရှိမှုများနှင့် ယှဉ်ပြိုင်လျက်ရှိသည်။ Qwen 3.8 27B အတွက် အမှီအခိုကင်းသော စံရလဒ်များ စုဆောင်းနေဆဲဖြစ်ပြီး ဓာတ်ခွဲခန်း၏ ကိုယ်တိုင်အစီရင်ခံထားသော နံပါတ်များသည် ပြင်ပအဖွဲ့အစည်းမှ စိစစ်မှုကို စောင့်မျှော်နေကြောင်း Willison မှ အတိအလင်း သတိပေးခဲ့သည်။

အသုံးပြုသူများအတွက် လက်တွေ့လမ်းညွှန်ချက်

မော်ဒယ်ကို ထည့်သွင်းစဉ်းစားသည့် developer များနှင့် ဝါသနာရှင်များအတွက်၊ အစောပိုင်းစမ်းသပ်မှုမှ ပေါ်ထွက်လာသော သဘောတူညီမှုသည် ရိုးရှင်းသည်- Qwen 3.8 27B သည် အမြင် သို့မဟုတ် စာရွက်စာတမ်းရှည်များပါ၀င်သည့် ဒေသဆိုင်ရာ AI အလုပ်များများအတွက် ခိုင်မာသောမူလရွေးချယ်မှုတစ်ခုဖြစ်သည်၊ သို့သော် ကျိုးကြောင်းဆင်ခြင်မှုဆိုင်ရာ အားထုတ်မှုသည် အလုပ်အတွက် ချိန်ညှိထားသင့်သည်။ ရှုပ်ထွေးသော ခွဲခြမ်းစိတ်ဖြာမှုသည် `xhigh` ကို အကြောင်းပြနိုင်သည်၊ နေ့စဉ်မေးခွန်းများနှင့် အမြန်မူကြမ်းများသည် `အလယ်အလတ်` သို့မဟုတ် အောက်၌ ပိုမိုမြန်ဆန်ပြီး စျေးသက်သာပါသည်။

LM Studio ကဲ့သို့သော ကိရိယာများမှတစ်ဆင့် မော်ဒယ်ကို အသုံးပြုသူများသည် တိုကင် 8,192 မှ ပုံသေပြတင်းပေါက်ကို မြှင့်တင်သင့်သည် — Willison သည် ၎င်းကို 262,144-token context အပြည့်ဖြင့် မတင်မီတွင်ပင် မော်ဒယ်၏ ရှည်လျားသော တွေးခေါ်မှုမှာ ဘတ်ဂျက်ကုန်ဆုံးသွားသည်ကို တွေ့ရှိခဲ့သည်။

ပိုကြီးသောမေးခွန်းမှာ open-model ပြိုင်ပွဲ၏နောက်ထပ်အဆင့်နှင့်ပတ်သက်သည့်အချက်ပြမှုများဖြစ်သည်- ကျိုးကြောင်းဆီလျော်မှုပုံစံမော်ဒယ်များသည် စံဖြစ်လာသည်နှင့်အမျှ၊ ဖွဲ့စည်းမှုပုံသေများသည် ထုတ်ကုန်ဆုံးဖြတ်ချက်များသည် အမှန်တကယ်အသုံးပြုနိုင်မှုဆိုင်ရာအကျိုးဆက်များအဖြစ်သို့ ပြောင်းလဲသွားသည် — နှင့် Qwen ၏ `xhigh` ပုံသေသည် အဆွေးနွေးအများဆုံးဥပမာဖြစ်နေပါပြီ။

Open Weights အတွက် မှတ်တိုင်တစ်ခု

ယခုထုတ်ဝေမှုသည် အလေးမဓာတ်ခွဲခန်းအသေးစားဖြင့် ပေးပို့နိုင်သည့် မှတ်တိုင်တစ်ခုလည်းဖြစ်သည်။ Vision စွမ်းရည်၊ 262,144-token ဆက်စပ်ဝင်းဒိုးနှင့် စားသုံးသူလက်ပ်တော့တစ်လုံးနှင့် ကိုက်ညီသည့် ပက်ကေ့ခ်ျတစ်ခုရှိ ယှဉ်ပြိုင်မှုဆိုင်ရာ ကျိုးကြောင်းဆီလျော်မှု စွမ်းဆောင်ရည်သည် လွန်ခဲ့သော နှစ်နှစ်ခန့်က Apache-2.0-လိုင်စင်ရ မော်ဒယ်တွင် တွေးထင်စရာမရှိပေ။ ဒေတာ privacy၊ latency သို့မဟုတ် offline operation မှ cloud APIs များကို တားမြစ်ထားသည့် local-first applications များကို တည်ဆောက်သည့် developer များအတွက် - လက်တွေ့ကျသောရွေးချယ်မှုများသည် လျင်မြန်သော clip တွင် ဆက်လက်တိုးတက်နေပါသည်။

Willison ၏စမ်းသပ်မှုသည် ဂေဟစနစ်အတွက် ရင့်ကျက်မှုအမှတ်ကို မီးမောင်းထိုးပြသည်- ပြည်တွင်းမော်ဒယ်များအကြောင်း၊ LM Studio ၏ GGUF တစ်ချက်နှိပ်ရုံဖြင့် ဒေါင်းလုဒ်များကို ပြုပြင်နိုင်သော ကျိုးကြောင်းဆီလျော်မှုဆိုင်ရာ ကန့်သတ်ဘောင်များအထိ ကိရိယာတန်ဆာပလာများသည် မော်ဒယ်တစ်ခု၏ တွေးခေါ်မှုအတိမ်အနက်ကို ချိန်ညှိခြင်းသည် ယခုအခါ သုတေသနလေ့ကျင့်ခန်းထက် ပုံမှန်အသုံးပြုသူ၏ ဆုံးဖြတ်ချက်တစ်ခုဖြစ်သည်။ လာမည့်ရက်များအတွင်း လွတ်လပ်သောစံနှုန်းများစုပုံလာသည်နှင့်အမျှ Qwen 3.8 27B သည် ၎င်း၏အဖွင့်နှင့်အပိတ်ပြိုင်ဘက်များကို ဆန့်ကျင်သည့်နေရာတွင် ပိုမိုထက်မြက်လာလိမ့်မည်—သို့သော် အစောပိုင်းဧည့်ခံမှုတွင် Alibaba သည် ကမ္ဘာပေါ်တွင် အကျိုးဆက်အရှိဆုံး အဖွင့်မော်ဒယ်လ်ထုတ်ဝေသူဖြစ်လာစေသည့် နောက်ထပ်အားကောင်းသည့်လမ်းကြောင်းကို ညွှန်ပြနေသည်။

---

Stay Ahead of AI

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

Read more AI news →