ainews
Qwen 3.8 27B: отличная модель, но с безумным дефолтным режимом сверхдумания
Alibaba выпустила Qwen 3.8 27B — Apache 2 лицензию, 27B параметров, vision-возможности. Модель отличная, но дефолтный режим xhigh reasoning заставляет её думать 21 минуту над рисованием велосипеда, вместо 2 минут на low. Зато она прекрасно работает с bounding box и генерирует SVG лучше всех локальных моделей.
Это сигнал, что мощные AI-модели переходят из облака на локальное железо. Для бизнеса это означает возможность работать с чувствительными данными без рисков утечек. Для разработчиков — новый класс инструментов, которые не зависят от API и лимитов.
Что произошло
Alibaba Qwen выпустила Qwen 3.8 27B — open source модель на 27 миллиардов параметров с поддержкой vision и Apache 2 лицензией. Модель запускается на обычном ноутбуке (17GB квантизированная версия), обгоняет предшественников в бенчмарках и умеет работать с изображениями.
Главная проблема: модель по умолчанию включает режим xhigh reasoning_effort — «сверхглубокое обдумывание». На практике это означает, что простой запрос вроде «нарисуй SVG круга» превращается в 5-минутное философское размышление о цветовых палитрах в духе Баухауса. Рисование пеликана на велосипеде заняло 21 минуту вместо 2х.
Но когда дефолт отключен — модель показывает себя превосходно. Тестирование на bounding box задачах (определение объектов на фото) дало почти идеальные результаты. Модель точно разметила двух пеликанов на фото по координатам 0-1000.
Более того, Саймон Уиллисон использовал её для генерации инструмента разметки bounding box — в одной инструкции. Модель написала полноценный HTML-интерфейс, хотя и переусложнила из-за режима xhigh.
Размер 27B — оптимальная точка между производительностью и качеством для локального запуска на MacBook или NVIDIA Spark.
Автор: Артём Ковалёв · Источник: simonwillison.net
Разработчикам. 17GB квантизированная версия запускается через LM Studio или llama-server на ноутбуке. Поддержка reasoning_effort (xhigh/medium/low) позволяет балансировать скорость и качество. Отлично работает с vision-задачами: bounding box, SVG-генерация, код-ассистент. Можно писать промты в стиле «сделай HTML-страницу по JSON» и получать готовые интерфейсы
Бизнесу. Локальная модель для задач компьютерного зрения без облачных зависимостей. Подходит для разметки датасетов, прототипирования интерфейсов, генерации визуального контента. Apache 2 лицензия означает свободное коммерческое использование без отчислений. Можно развернуть на собственном железе для работы с приватными данными
Инвесторам. Qwen наступает на пятки GPT-4 class моделям в vision-задачах, но с Apache 2 лицензией. Тренд: модели среднего размера (20-30B) становятся достаточно мощными для большинства коммерческих задач. Сектор edge AI и on-premise решений растёт — компании хотят модели без API-зависимостей
- Сервис автоматической разметки изображений для ML-команд: загружаешь фото, получаешь bounding box в JSON — дешевле ручной разметки
- Кодогенерация UI-прототипов из описания: дизайнеры пишут текст, получают готовый HTML — промежуточное звено между Figma и продакшеном
- Локальный ассистент для работы с изображениями в корпсреде: анализ документов, схем, чертежей без отправки в облако
- Инструмент для генерации SVG-иллюстраций в стиле техдокументации или презентаций — ниша, где DALL-E избыточен
- Консалтинг по внедрению локальных vision-моделей для компаний, которые не могут использовать облачные API (медицина, финансы, гостайна)
- Дефолтный режим xhigh — маркетинговая ловушка: выглядит круто, но делает модель непригодной для реального использования
- Собственные бенчмарки Qwen могут быть переоценены — нужны независимые тесты. Риск разочарования в боевых условиях
- 27B всё ещё требует серьёзного железа (128GB RAM) для комфортной работы — массовый рынок не готов
- Множество конкурентов в сегменте локальных моделей (Llama, Mistral, Gemma) — неясно, кто победит через полгода
Вот это классический пример, когда маркетинг убивает продукт. Qwen 3.8 27B реально крутая модель: запускается на ноутбуке, отлично работает с изображениями, Apache 2 лицензия. Но кто-то решил, что дефолт должен быть xhigh reasoning — и модель превратилась в философа, который 20 минут размышляет о круге.
На практике это означает одно: выключайте этот режим сразу, запускайте на low или без reasoning вообще. Тогда получите модель, которая за пару минут нарисует пеликана на велосипеде лучше, чем любая другая локальная модель. Для задач вроде разметки изображений или генерации прототипов UI это уже готовый инструмент, не игрушка. Главное — не попасться на маркетинговую фичу.
Инструменты из статьи
Десктоп-приложение для локального запуска открытых LLM с удобным интерфейсом.
Доступ из РФ →
Комментарии