ห้องปฏิบัติการวิจัย Qwen ของอาลีบาบาเปิดตัว Qwen 3.8 27B เมื่อวันศุกร์ ซึ่งเป็นโมเดลภาษาขนาดใหญ่ที่ได้รับอนุญาตจาก Apache 2.0 และรองรับการมองเห็น ซึ่งทำงานบนแล็ปท็อปที่มีการกำหนดราคาอย่างสมเหตุสมผล และตามเกณฑ์มาตรฐานของห้องปฏิบัติการเอง พบว่ามีประสิทธิภาพเหนือกว่าไม่ใช่แค่รุ่นก่อนเท่านั้น แต่ยังเป็นรุ่นที่มีน้ำหนักปิดซึ่งเป็นหนึ่งใน Qwen ที่แข็งแกร่งที่สุดเมื่อเร็ว ๆ นี้ในเดือนพฤษภาคม

การเปิดตัวครั้งนี้ได้กลายเป็นหนึ่งในการเปิดตัวโมเดลที่ได้รับการกล่าวถึงมากที่สุดประจำเดือนนี้ในแวดวงนักพัฒนา บทวิจารณ์เชิงปฏิบัติที่เผยแพร่เมื่อวันอาทิตย์โดย Simon Willison นักวิจัย AI และบล็อกเกอร์อิสระที่มีชื่อเสียง ได้ขึ้นหน้าแรกของ Hacker News โดยมีผู้โหวตเห็นด้วยหลายร้อยคน โดยผู้อ่านต่างถกเถียงกันถึงความสามารถของโมเดลและการกำหนดค่าเริ่มต้นที่ผิดปกติ For more context on this story, see our ongoing breaking AI news.

มีอะไรใหม่ใน Qwen 3.8 27B

โมเดลนี้เป็นรุ่นล่าสุดในกลุ่ม open-weights ของอาลีบาบา ซึ่งมาถึงหลายสัปดาห์หลังจากการเปิดตัว Qwen 3.8 2.4T-A95B ที่ใหญ่กว่ามากโดยผู้เชี่ยวชาญหลายราย จากการวัดประสิทธิภาพที่รายงานด้วยตนเองของ Qwen โมเดล 27B แสดงให้เห็นประสิทธิภาพที่เหนือกว่า Qwen 3.6 27B และ Qwen 3.7-Plus แบบน้ำหนักปิด ซึ่งเป็นรุ่นที่แม้จะใช้ชื่อนี้ แต่ก็เป็นหนึ่งในโมเดลที่แข็งแกร่งที่สุดของ Qwen ทุกขนาดเมื่อต้นปีนี้

โมเดลรองรับความยาวบริบทสูงสุด 262,144 โทเค็น จัดการอินพุตการมองเห็น และจัดส่งพร้อมการสนับสนุนอย่างเป็นทางการสำหรับพารามิเตอร์ `reasoning_effort` ที่ปรับความลึกของการให้เหตุผลในสามระดับ: 'xhigh', 'medium' และ 'low'

การตั้งค่าแรก — `xhigh` ซึ่งเป็นค่าเริ่มต้นจากโรงงาน — ที่กลายเป็นประเด็นพูดคุยของการเปิดตัว

ปัญหาการคิดมาก

Willison ผู้ทดสอบโมเดลบน MacBook Pro ขนาด 128GB และ NVIDIA DGX Spark โดยใช้บิวด์แบบควอนตัมขนาด 17GB Q4_K_M ของ LM Studio อธิบายว่าค่าเริ่มต้นคือการสร้าง "การคิดมากเกินไปอย่างน่าทึ่ง"

ในตัวอย่างที่โดดเด่นอย่างหนึ่ง เขาขอให้นางแบบวาด SVG ของนกกระทุงที่กำลังขี่จักรยาน ด้วยความพยายามในการให้เหตุผลแบบ 'xhigh' เริ่มต้น โมเดลนี้ใช้โทเค็นการให้เหตุผล 22,276 รายการเพื่อสร้างโทเค็นเอาท์พุต 3,223 โทเค็น ซึ่งเป็นกระบวนการที่ใช้เวลา 21 นาทีบนฮาร์ดแวร์ของเขา เขาตั้งข้อสังเกตว่าผลลัพธ์ที่ได้คือ "นกกระทุง SVG ที่ดีที่สุด" ที่เขาสามารถสร้างได้ด้วยแบบจำลองที่ทำงานในพื้นที่ โดยมีรูปทรงจักรยานที่ถูกต้อง ขาทั้งสองข้างของเฟรม และพื้นหลังที่มีภาพประกอบอย่างมีรสนิยม

ข้อเสียเปรียบอย่างเห็นได้ชัด: 21 นาทีเป็นการรอที่เป็นไปไม่ได้สำหรับงานส่วนใหญ่ การเรียกใช้พรอมต์เดิมอีกครั้งโดยปิดใช้งานการใช้เหตุผลทำให้เกิดการตอบสนองใน 137 วินาที — ต่ำกว่าหนึ่งในสิบของเวลา — ที่ความยาวเอาต์พุตใกล้เคียงกัน

แม้แต่ข้อความแจ้งง่ายๆ เล็กๆ น้อยๆ ก็กระตุ้นให้เกิดพฤติกรรมดังกล่าว เมื่อถูกขอให้ "วาด svg ของวงกลม" การติดตามการให้เหตุผลของแบบจำลองจะเปิดขึ้นโดยการชั่งน้ำหนักตัวเลือกจานสี สไตล์ Bauhaus วงแหวนแบบเลเยอร์ และวิธีการสร้างแอนิเมชัน - ใช้เวลาหลายนาทีในการพิจารณารูปร่างที่ต้องใช้แท็ก XML เดียว

คำตัดสินของวิลลิสัน: โมเดลนี้ยอดเยี่ยม แต่การกำหนดค่าเริ่มต้นคือ "ไม่ใช่วิธีที่ดีในการรันโมเดลอย่างแน่นอน โดยเฉพาะกับฮาร์ดแวร์ของผู้บริโภค" ผู้ใช้สามารถสลับไปใช้ความพยายามในการให้เหตุผล 'ปานกลาง' หรือ 'ต่ำ' หรือปิดการใช้งานการคิดแบบขยายโดยสิ้นเชิง

โมเมนตัมของ AI ในพื้นที่

การเปิดตัวครั้งนี้ตอกย้ำว่าช่องว่างความสามารถระหว่างโมเดลคลาวด์ชายแดนและโมเดลเปิดที่รันได้ภายในเครื่องนั้นแคบลงเร็วเพียงใด ไฟล์ขนาด 17GB ที่ทำงานบนแล็ปท็อปในขณะนี้ให้ผลลัพธ์ที่ในงานสร้างสรรค์เฉพาะด้าน ซึ่งเทียบได้กับโมเดลระดับศูนย์ข้อมูลที่ต้องการเมื่อไม่นานมานี้

นอกจากนี้ ยังสานต่อโมเมนตัมแบบ open-weights จากห้องปฏิบัติการของจีนที่กำหนดปี 2569 ตระกูล Qwen ของอาลีบาบาเป็นหนึ่งในกลุ่มโมเดลที่มีการดาวน์โหลดมากที่สุดทั่วโลกในปีนี้ โดยแข่งขันกับการเปิดตัวจาก Meta, DeepSeek และ Moonshot AI เพื่อชิงส่วนแบ่งความคิดของนักพัฒนา ผลลัพธ์การวัดประสิทธิภาพอิสระสำหรับ Qwen 3.8 27B ยังคงสะสมอยู่ และ Willison เตือนอย่างชัดเจนว่าตัวเลขที่ห้องปฏิบัติการรายงานด้วยตนเองนั้นกำลังรอการตรวจสอบจากบุคคลที่สาม

คำแนะนำการปฏิบัติสำหรับผู้ใช้

สำหรับนักพัฒนาและผู้ที่สนใจในการพิจารณาโมเดลนี้ ฉันทามติที่เกิดขึ้นจากการทดสอบในช่วงต้นนั้นตรงไปตรงมา: Qwen 3.8 27B เป็นตัวเลือกเริ่มต้นที่ดีสำหรับปริมาณงาน AI ในพื้นที่ที่เกี่ยวข้องกับการมองเห็นหรือเอกสารขนาดยาว แต่ควรปรับความพยายามในการให้เหตุผลให้เข้ากับงาน การวิเคราะห์ที่ซับซ้อนอาจพิสูจน์ได้ว่า `xhigh`; คำถามประจำวันและฉบับร่างด่วนจะเร็วขึ้นและถูกกว่าที่ "ปานกลาง" หรือต่ำกว่า

ผู้ใช้ที่รันโมเดลผ่านเครื่องมืออย่าง LM Studio ควรเพิ่มหน้าต่างบริบทเริ่มต้นจาก 8,192 โทเค็น — Willison พบว่าการคิดแบบขยายของโมเดลทำให้งบประมาณหมดไปกับปัญหาธรรมดาๆ ก่อนที่เขาจะโหลดมันด้วยบริบท 262,144 โทเค็นทั้งหมด

The bigger question is what the release signals about the next phase of the open-model race: as reasoning-style models become the norm, configuration defaults are turning into product decisions with real usability consequences — and Qwen's `xhigh` default is already the most-discussed example.

เหตุการณ์สำคัญสำหรับ Open Weights

การเปิดตัวครั้งนี้ยังถือเป็นหลักชัยสำคัญในสิ่งที่ห้องปฏิบัติการแบบเปิดสามารถให้บริการในขนาดเล็กได้แล้ว Vision capability, a 262,144-token context window and competitive reasoning performance in a package that fits on a consumer laptop would have been unthinkable in an Apache-2.0-licensed model two years ago. For developers building local-first applications — where data privacy, latency or offline operation rules out cloud APIs — the practical options keep improving at a rapid clip.

Willison's testing also highlights a maturity point for the ecosystem: the tooling around local models, from LM Studio's one-click GGUF downloads to configurable reasoning parameters, has advanced enough that tuning a model's thinking depth is now a routine user decision rather than a research exercise. As independent benchmarks accumulate in the coming days, the picture of where exactly Qwen 3.8 27B lands against its open and closed competitors will sharpen — but the early reception suggests another strong entry in the line that has made Alibaba one of the most consequential open-model publishers in the world.

---

Stay Ahead of AI

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

Read more AI news →