📣 Skicka ert pressmeddelande till oss
Webbplatsen uppdateras var 15:e minut
Teknologi

Alibabas Qwen3.8-27B kör AI-uppgifter lokalt utan moln

Alibaba har lanserat AI-modellen Qwen3.8-27B, som möjliggör avancerad kodning och resonemang lokalt utan moln-API. Modellen är nedladdningsbar och körbar på konsumenthårdvara.

18 augusti 2026
Alibabas Qwen3.8-27B kör AI-uppgifter lokalt utan moln

Alibaba har släppt AI-modellen Qwen3.8-27B, som möjliggör avancerad kodning och resonemang lokalt utan behov av molnbaserade API:er. Modellen, med 27 miljarder parametrar, finns tillgänglig för nedladdning på Hugging Face under en Apache 2.0-licens, vilket ger utvecklare möjlighet att använda den öppet.

Modellen har inbyggt stöd för bild- och videoförståelse samt ett stort kontextfönster på 262 144 tokens. Dess förmåga att hantera komplexa uppgifter och agera med olika agentverktyg har väckt uppmärksamhet i teknikvärlden. För att köra modellen med full precision krävs cirka 56 GB GPU-minne, men med kvantisering kan minnesbehovet reduceras till cirka 17 GB, vilket gör den tillgänglig för kraftfulla konsumentdatorer.

Alibabas egna testresultat visar att modellen konkurrerar i prestanda med vissa ledande kommersiella modeller, till exempel i SWE-bench Pro-testet där den överträffade Claude Opus-modellen. Även om jämförelserna inte är helt entydiga, representerar modellens lokala prestanda ett betydande framsteg.

Tredjepartsutvärderingar har bekräftat Qwen3.8-27B:s kapacitet. I Artificial Analysis' utvärdering fick modellen samma poäng som OpenAI:s GPT-5.6 Luna, som endast är tillgänglig via molnet. Detta markerar första gången en lokalt körbar modell uppnår en liknande nivå, vilket har genererat stort intresse bland utvecklare som värdesätter lokal datakontroll och prestanda.

Modellens popularitet växer snabbt, med över tre miljoner nedladdningar på Hugging Face under de första tre dagarna. Trots de imponerande funktionerna är det viktigt att notera att modellen kan förbruka betydande resurser och tid för komplexa uppgifter vid höga resonemangsinställningar. Användare rekommenderas lägre resonemangsinställningar för vanlig lokal användning.

Ursprunglig källa: venturebeat.com