Новости про Qwen3.8 27B
18 материалов с упоминанием Qwen3.8 27B: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.
-
Holi-World: Авто-аннотация 3D/4D сцены без лейблов и победа 4B модели над 27B
Исследователи представили Holi-World — систему, превращающую эгоцентрические видео в аннотированные 3D/4D миры без ручного труда. Обученная на таких данных модель VL-4B превзошла zero-shot Qwen-27B в пространственно-врем
-
Microsoft и Hugging Face: как RL-обучение превратило Qwen3.8 в надежного агента
Исследователи Microsoft и Hugging Face представили метод ThinkingBox, использующий проверку состояния базы данных как функцию вознаграждения для RL-обучения. После 50 шагов GRPO модель Qwen3.8-27B увеличила долю стабильн
-
8 узлов DGX Spark: 1 ТБ памяти и запуск GLM-5.3 локально
NVIDIA официально поддержала кластеры из 8 узлов DGX Spark, объединив 1 ТБ унифицированной памяти. Это позволяет запускать локально модели уровня Frontier, такие как GLM-5.3 (753B), с производительностью до 80 токенов/с.
-
NVIDIA GTC Berlin: RTX Spark, DGX Station и локальные AI-агенты
NVIDIA представила линейку локальных AI-решений для Европы: RTX Spark для ПК, DGX Spark для разработчиков и DGX Station для бизнеса. Ключевые новинки — поддержка 64 ГБ памяти, Windows-версия DGX Station и новая модель Re
-
NVIDIA RTX Spark: GB10, 128 ГБ ОЗУ и локальный AI-разработка
NVIDIA представила платформу RTX Spark на базе чипа GB10 с 128 ГБ унифицированной памяти. Устройство позволяет запускать локальные AI-агенты, дообучать модели и компилировать код на одном ПК, превосходя Intel Panther Lak
-
Обучение через характер: как Gemma и Qwen стали осторожнее
Исследователи из LessWrong показали, что 'характерное обучение' (character training) делает модели Gemma и Qwen риск-аверсивными без размеченных данных, но выявило побочный эффект — рост краткосрочного мышления.
-
vLLM выпустила Decision 3.0: мультимодальные модели для маршрутизации ИИ
Команда vLLM Semantic Router представила линейку открытых моделей Decision 3.0, которые классифицируют и маршрутизируют запросы, возвращая вероятности вместо текста. Модели поддерживают работу с текстом, JSON и изображен
-
ExVRAM Lab: Запуск Qwen3.8-27B на RTX 5060 8GB
Исследовательский проект ExVRAM Lab успешно запустил 27-миллиардную модель Qwen3.8 на потребительской видеокарте NVIDIA RTX 5060 с 8 ГБ VRAM, достигнув скорости 31.39 токенов/с при полном размещении модели в памяти.
-
Saluki 27B: 2-битный Qwen3.8-27B бьет оригинал в tool-calling
Underdog выпустил 7.89 GB GGUF-модель Saluki 27B на базе Qwen3.8-27B. При сжатии до 2 бит модель не только сохраняет 96% качества, но и превосходит 54 GB оригинал в вызовах инструментов.
-
ASUS Ascent GX10 64GB: Доступный AI-суперкомпьютер на GB10 для локальных агентов
ASUS представила конфигурацию на 64 ГБ ОЗУ для AI-станции Ascent GX10 на базе NVIDIA GB10. Устройство позволяет запускать модели класса 30-35B и создавать кластеры для масштабирования вычислений.
-
H Company выпустила Holo4: агенты для ПК, Android и API с открытым кодом
H Company представила семейство моделей Holo4 (27B и 35B-A3B) для управления компьютером. Они кликают, пишут код и вызывают инструменты на десктопе, в вебе и Android, предлагая цены в разы ниже конкурентов.
-
Holo4: Универсальные агенты для ПК, кода и API от Hcompany
Hcompany представила Holo4 — серию моделей для компьютерного использования, объединяющую работу с GUI, кодом и API. Архитектура 27B и 35B-A3B Mixture of Experts показывает результаты, близкие к закрытым лидерам, но при з
-
ИИ-черви к 2027: почему самокопирование ИИ станет угрозой
Автор прогнозирует инциденты с самостоятельным размножением ИИ к концу 2027 года. Открытые модели на потребительских GPU уже догоняют фронтьер, а узкая специализация делает угрозу реальной.
-
ThinkingCap-Qwen3.8-27B: -37% токенов рассуждения при потере 0.86% точности
BottleCap AI выпустила оптимизированную версию Qwen3.8-27B, сокращающую затраты на «мышление» модели на 37.2% с минимальной ценой в виде падения макро-точности всего на 0.86 процентных пункта.
-
Сжатие Qwen3.8-27B на 60% без потери качества: урок от Towards AI
Автор детально разобрал процесс квантования модели Qwen3.8-27B, показав, как достичь 60% сжатия без деградации метрик, и выделил критическую ошибку в настройках, стоившую 40 баллов.
-
MonitoringBenchHonest: Новый бенчмарк для точной детекции атак агентов
Palaestra Research выпустила MonitoringBenchHonest — набор из 550 «честных» траекторий для калибровки мониторов AI-агентов, позволяющий снизить ложные срабатывания без потери безопасности.
-
Immers Foundation Models: 15+ open-source нейросетей с бесплатным тестом
Платформа Immers открыла публичные эндпоинты для тестирования топовых open-source моделей: от Kimi-K3 (3T) до компактных MoE-решений. Проверяйте бенчмарки и производительность без оплаты.
-
Harvey Tenet: Post-training Kimi K3 для юридических агентов
Harvey представила первую модель Tenet на базе Kimi K3, обученную асинхронным RL для долгих юридических задач. Модель показала рост точности на 9-20% по сравнению с базовой версией.