В мире больших языковых моделей (LLM) мы привыкли к парадигме «больше — значит лучше». Чем больше параметров, тем выше интеллектуальные способности, тем лучше качество ответов и тем шире спектр решаемых задач. Однако последние события в индустрии заставляют пересмотреть этот подход. 17 августа 2026 года Simon Willison опубликовал данные, которые могут стать поворотным моментом в понимании эффективности современных нейросетей. Модель Qwen 3.8 27B продемонстрировала результат в индексе искусственного интеллекта Artificial Analysis. Это не просто хороший результат для модели среднего размера — это результат, сопоставимый с гигантами индустрии.
Чтобы оценить масштаб этого достижения, нужно взглянуть на контекст. Результат Qwen 3.8 27B тот же, что и у флагманской модели GPT-5.6 Luna (в режиме максимума). Более того, Qwen 3.8 27B отстает от лидера GLM-5.2 (max) и DeepSeek V4 Pro 0813 (max) всего на один пункт. Но здесь кроется главная интрига: GLM-5.2 имеет колоссальное количество параметров, а DeepSeek V4 Pro — также очень много. Модель Luna, судя по всему, также обладает колоссальным количеством параметров, значительно превышающим количество параметров у Qwen. Как же так получилось, что модель с такой скромной «начинкой» обходит или догоняет монстров, требующих для работы целых дата-центров?
01Почему 27 миллиардов параметров — это мало (или много?)
Для понимания масштаба проблемы, давайте сравним цифры. 27 миллиардов параметров — это объем, который позволяет запускать модель на относительно доступном оборудовании. В то время как модели с огромным количеством параметров требуют десятков, а то и сотен высокопроизводительных GPU (например, NVIDIA H100 или A100) для инференса, модель Qwen 3.8 27B можно запустить на одной мощной видеокарте среднего класса или даже на нескольких более слабых устройствах. Это открывает двери для локального запуска, приватности данных и снижения операционных расходов до минимума.
Однако, как отмечает сам Simon Willison, Qwen 3.8 27B — это «поистине удивительная модель» (a truly astonishing model). Ее способность достигать уровня GPT-5.6 Luna ставит под вопрос саму эффективность затрат ресурсов в индустрии. Если модель с 27B параметров может конкурировать с моделями, у которых в разы больше параметров, это означает, что алгоритмы обучения, архитектура или качество обучающих данных достигли нового уровня оптимизации. Мы переходим от эры «набора массы» к эре «набора интеллекта».
02Сравнение с гигантами: GPT-5.6, GLM-5.2 и DeepSeek
Давайте разберем конкурентов Qwen 3.8 27B подробнее, чтобы понять, что стоит за этими цифрами.
GPT-5.6 Luna (max)
OpenAI продолжает удерживать лидерство в большинстве бенчмарков, и GPT-5.6 Luna не стала исключением. Однако тот факт, что Qwen 3.8 27B достигла того же балла, что и Luna в режиме максимума, говорит о том, что разрыв в качестве между китайскими и американскими разработками практически исчез. Для разработчиков, которые не могут или не хотят использовать проприетарные API OpenAI из-за стоимости или ограничений, Qwen становится идеальной альтернативой. Она не уступает в качестве, но, вероятно, значительно дешевле в развертывании.
GLM-5.2 (max)
Модель от компании Zhipu AI, GLM-5.2, показывает результат, всего на один балл выше Qwen. Но обратите внимание на разницу в размерах: GLM имеет колоссальное количество параметров по сравнению с Qwen. Это разница в десятки раз. Запуск GLM-5.2 требует огромных вычислительных мощностей, что делает ее недоступной для большинства частных лиц и небольших компаний. Qwen 3.8 27B, будучи почти на том же уровне интеллекта, предлагает беспрецедентную эффективность. Это вопрос не только денег, но и доступности. Кто-то может позволить себе кластер GPU для GLM, а кто-то — только одну видеокарту для Qwen.
DeepSeek V4 Pro 0813 (max)
DeepSeek V4 Pro является еще более впечатляющим достижением инженерной мысли. Однако, как и в случае с GLM, ее использование сопряжено с серьезными инфраструктурными вызовами. Qwen 3.8 27B, отставая всего на один пункт, демонстрирует, что для большинства практических задач разница в один балл в Intelligence Index может быть незаметна, особенно если учесть колоссальную разницу в стоимости владения.
03Проблема «overthinking» (избыточного обдумывания)
Несмотря на впечатляющие цифры, у Qwen 3.8 27B есть свои особенности. В предыдущей статье Simon Willison отмечал, что модель «по умолчанию склонна к чрезмерному обдумыванию вещей» (defaults to wildly overthinking things). Что это значит на практике?
Чрезмерное обдумывание может проявляться в виде длинных, разветвленных цепочек рассуждений (Chain of Thought), даже когда вопрос требует простого и краткого ответа. Например, если вы спросите Qwen 3.8 27B, какой будет погода завтра, она может начать с анализа исторических данных, метеорологических моделей, влияния климатических изменений и только потом дать ответ. Это может быть полезно для сложных задач, требующих глубокого анализа, но раздражать в простых диалогах.
Эта особенность требует от пользователей навыка тонкой настройки промптов. Возможно, потребуется явно указывать модели, что нужно быть краткой, или использовать специальные токены для ограничения длины ответа. Однако, если рассматривать это как особенность архитектуры, а не как баг, то можно предположить, что Qwen 3.8 27B была обучена на данных, где детализация и полнота рассуждений ценились выше лаконичности. Это может быть преимуществом в научных или технических задачах, где важно не упустить ни одной детали.
Источник: Simon Willison ↗