Qwen 3.8 27B: Мощный локальный ИИ с ловушкой «мыслительного процесса»

В мире локальных больших языковых моделей (LLM) каждый релиз — это не просто обновление, а шаг к демократизации искусственного интеллекта. 16 августа 2026 года лаборатория Qwen от Alibaba представила модель Qwen 3.8 27B, которая сразу привлекла внимание сообщества. Это модель с 27 миллиардами параметров, способная работать с изображениями (vision-capable), распространяемая под лицензией Apache 2.0. Почему именно 27B? Потому что это «золотая середина» для современных потребительских устройств: модель достаточно мощная, чтобы решать сложные задачи, но достаточно компактная, чтобы запускаться на ноутбуках с 16–32 ГБ оперативной памяти или специализированных устройствах вроде NVIDIA DGX Spark.

Предшественница, Qwen 3.6 27B, уже зарекомендовала себя как отличный вариант, но новые бенчмарки от разработчиков показывают прорыв. Qwen 3.8 27B превосходит не только свою предыдущую версию, но и закрытую модель Qwen 3.7-Plus, которая считалась одной из сильнейших в линейке еще в мае 2026 года. Однако, как часто бывает с передовыми технологиями, за мощью скрывается нюанс, который может стать головной болью для новичков: модель по умолчанию настроена на экстремально глубокое «мышление» (reasoning), что делает её использование бездумным и неэффективным для простых задач.

01Проблема по умолчанию: когда «думать» — значит страдать

Самая заметная особенность Qwen 3.8 27B — это параметр reasoning_effort. Документация модели описывает три уровня глубины рассуждений:

• xhigh (по умолчанию): для сложных задач, требующих тщательного анализа.
• medium: баланс между точностью и скоростью.
• low: эффективное рассуждение, оптимизированное для скорости и стоимости.

Проблема в том, что разработчики установили xhigh как значение по умолчанию. Для локального запуска, особенно на потребительском оборудовании, это катастрофическое решение. Модель начинает «размышлять» над даже самыми тривиальными запросами, тратя огромное количество токенов на внутренние рассуждения, которые часто не несут практической пользы для конечного результата.

Автор обзора, Саймон Уиллисон, столкнулся с этим сразу. По умолчанию LM Studio (популярный интерфейс для локальных LLM) имеет лимит контекста в 8192 токена. Qwen 3.8 27B, пытаясь «подумать», заполняла этот лимит мгновенно, даже над простыми запросами. Пришлось увеличивать контекст до максимальных 262 144 токенов, чтобы просто дать модели пространство для дыхания.

02Эксперимент с пеликаном: качество против скорости

Чтобы наглядно продемонстрировать разницу, автор провел серию тестов с генерацией SVG-изображений. Первый запрос был простым: нарисовать пеликана, едущего на велосипеде. Это классический тест на способность модели понимать сложные визуальные концепции и композицию.

При использовании настроек по умолчанию (xhigh) генерация заняла 21 минуту. Модель использовала 22 276 токенов на рассуждения, чтобы выдать всего 3 223 токена итогового кода. Результат был впечатляющим:

Получившийся SVG оказался одним из лучших, что удавалось сгенерировать локальным моделям. Рама велосипеда правильной формы, у пеликана есть ноги по обе стороны от рамы (что крайне редко для ИИ), клюв и мешок четко прорисованы, крылья касаются руля, а фон включает солнце, облака и цветы. Но стоило ли ждать 21 минуту ради этого? Скорее всего, нет.

Когда тот же самый промпт был запущен с отключенным мышлением (reasoning turned off), результат был получен за 137 секунд (чуть более двух минут). Модель выдала 3 715 токенов. Качество изображения при этом осталось высоким, хотя, возможно, и не достигло того уровня «артистического перфекционизма», к которому привела модель в режиме xhigh.

Для сравнения, запуск того же промпта через API более крупной модели Qwen 3.8 2.4T-A95B (через OpenRouter) дал анимированный SVG, но это уже уровень облачных вычислений, а не локального запуска.

Когда «мышление» мешает простоте

Еще более показательным стал эксперимент с запросом «нарисуй SVG круга». В режиме xhigh модель начала рассуждать о том, как сделать круг «особенным»: добавить геометрические кольца, анимацию, градиенты, уважение к настройкам prefers-reduced-motion и выбор палитры в стиле Баухауса. Через несколько минут она выдала сложный анимированный круг, который был красив, но совершенно не соответствовал простому запросу.

Это яркий пример того, как «over-engineering» (избыточное усложнение) может мешать пользователю. Модель тратила ресурсы на то, чтобы удивить, а не чтобы выполнить задачу быстро. Автор рекомендует: игнорируйте настройки по умолчанию. Начинайте с low или none.

03Зрение и детекция объектов: точность в bounding boxes

Qwen 3.8 27B — это не только текст, но и vision-модель. Тест на способность определять объекты на изображениях (bounding boxes) показал отличные результаты. Автор использовал фотографию пеликанов с Inaturalist и запросил JSON-координаты рамок вокруг птиц.

Запрос выглядел так:

llm -a https://static.inaturalist.org/photos/714731804/large.jpg \
  -m lmstudio/qwen/qwen3.8-27b \
  Return JSON bounding boxes for the pelicans in this photo, 0-1000 scale for each dimension

Результат был поразительно точным. Модель вернула два объекта с координатами, которые идеально совпадали с реальными пеликанами на фото. При визуализации этих рамок на изображении они легли точно на объекты.

Однако здесь снова проявился эффект «мышления». Модель, пытаясь быть полезной, решила создать демо-сцену с нарисованными пеликанами, потому что в примере JSON в промпте фигурировало слово «pelicans». Она сгенерировала градиентное небо, воду и силуэты пеликанов, чтобы продемонстрировать масштабирование координат. Это было мило, но показало, что модель склонна к излишней инициативе.

04Создание инструментов: от идеи к коду

Следующим шагом стало создание практического инструмента. Автор попросил Qwen 3.8 27B создать HTML-страницу, которая принимает URL изображения и JSON с bounding boxes, а затем накладывает рамки на картинку. Модель справилась с задачей, создав полноценный интерфейс.

Интересно, что при отключенном мышлении модель не смогла сразу создать полностью рабочий инструмент — рамки оказались в неправильных местах. Это демонстрирует, что для сложных задач генерации кода и логики «глубокое мышление» (даже в режиме low) может быть полезно, но оно должно быть контролируемым. В режиме xhigh модель создала «over-engineered» решение с демо-сценой, но оно работало корректно.

05Кодовые агенты: может ли локальная модель писать код?

Один из главных вопросов к локальным моделям: способны ли они выступать в роли «агентов» для написания кода? Для этого нужны длинный контекст, сильная генерация кода и надежный вызов инструментов. Qwen 3.8 27B, судя по всему, обладает всем этим.

Автор использовал фреймворк Pi (легковесный агент для локальных моделей) и подключил Qwen 3.8 27B, запущенную на NVIDIA DGX Spark через Tailscale. Запрос был простым: «как работает аутентификация?» в проекте Datasette. Модель проанализировала файлы, сделала выводы и дала точный ответ.

Затем автор попросил модель написать Python-скрипт для конвертации лога сессии (JSONL) в Markdown. Qwen 3.8 27B написала, протестировала и успешно выполнила задачу. Это доказывает, что модель может выступать в роли надежного помощника разработчика, управляющего инструментами.

{
  "providers": {
    "spark": {
      "baseUrl": "https://spark-18b3.tail68a31.ts.net/v1",
      "api": "openai-responses",
      "apiKey": "dummy",
      "models": [
        {
          "id": "qwen3.8-27b",
          "reasoning": true
        }
      ]
    }
  }
}

06Скорость и оптимизация: Multi-Token Prediction

Главный недостаток Qwen 3.8 27B — скорость. На MacBook Pro M5 Max и NVIDIA DGX Spark модель генерирует около 15–30 токенов в секунду через LM Studio. Это медленно по сравнению с облачными API, где OpenAI 5.6 Sol выдает 74 токена/с, а Luna — 184 токена/с. Для плотных моделей (non-MoE), таких как Qwen 27B, требуется огромная пропускная способность памяти, чего часто не хватает потребительским устройствам.

Однако сообщество уже нашло решение. Qwen 3.8 поддерживает Multi-Token Prediction (MTP) — архитектурную особенность, где более дешевый механизм предсказывает несколько токенов вперед, а основная модель быстро проверяет их корректность. Это дает значительный прирост скорости.

Автор протестировал запуск через llama.cpp с включенным MTP:

llama serve \
  -hf  ggml-org/Qwen3.8-27B-GGUF:Q4_K_M \
  -hfd ggml-org/Qwen3.8-27B-GGUF:Q4_0 \
  --spec-default \
  --spec-type draft-mtp \
  --reasoning-preserve

Результат: скорость увеличилась примерно на 72% по сравнению с настройками LM Studio по умолчанию. Это делает модель значительно более пригодной для повседневного использования. Ожидается, что в ближайшие недели появятся дополнительные оптимизации, особенно от сообщества MLX для macOS.

07Что это значит на практике

Qwen 3.8 27B — это не просто еще одна модель, это демонстрация того, как далеко зашел прогресс локальных ИИ. Модель весом всего 17 ГБ на диске способна на:

• Генерацию качественного кода и работу с инструментами (coding agents).
• Анализ изображений и точную детекцию объектов (vision).
• Работу с длинным контекстом (до 262k токенов).
• Локальный запуск на относительно доступном оборудовании без необходимости в дата-центрах.

Однако, чтобы получить от нее пользу, нужно преодолеть порог вхождения:

1. Отключите или снизьте режим мышления. Не используйте xhigh для простых задач. Это сэкономит часы вашего времени.
2. Используйте оптимизации. Запускайте модель через llama.cpp с включенным MTP, если вам важна скорость.
3. Настройте контекст. Увеличьте лимит контекста в вашем интерфейсе (LM Studio, Ollama и др.), чтобы модель не «застревала» на рассуждениях.

Qwen 3.8 27B доказывает, что нам больше не нужно тратить полмиллиона долларов на оборудование для запуска компетентных моделей. Мы можем иметь мощный, открытый и универсальный ИИ у себя на столе. Главное — правильно его настроить.

Источник: Simon Willison ↗