Qwen3.8 27B
Un modèle Qwen en poids ouverts de 27 milliards de paramètres sous licence Apache 2.0, avec environ 7.8 millions de téléchargements sur Hugging Face. Il est loin des modèles de pointe sur les tests difficiles, mais sa taille et sa licence en font un choix courant pour l'auto-hébergement.
Alibaba (Qwen)Modèle de langageSorti en août 2026Données vérifiées le 18 octobre 2026
Ce modèle ne figure pas dans le classement actuel du public : soit il est nouveau et accumule encore des votes, soit il est sous le top 12. Consultez le classement IA pour voir les modèles les mieux notés.
Sur le papier
Classements issus de tests fixes, dans l'onglet benchmarks : Vitesse #21, Raisonnement #23.
Points forts et points faibles
- Licence Apache 2.0 : usage commercial et modification libres
- 42.4% sur ARC-AGI-2 à son réglage d'effort le plus élevé
- Bon marché quand il est hébergé par Alibaba Cloud ($0.50 / $3 par million de tokens)
- Artificial Analysis Intelligence Index faible (33.7) et faible sur les tâches agentiques dans le terminal (5.6% sur Terminal-Bench 4.0)
- Près du bas de cette liste en écriture créative sur LMArena
Idéal pour
- Auto-hébergement avec une licence permissive
- Usage privé, hors ligne
- Expériences à bas coût
Tous nos scores
Chaque barre compare ce modèle au meilleur résultat obtenu par un modèle de cette page sur le même test.
- LMArena, arène texte (votes humains)1 437,8Score Arena 1437.8 (IC à 95% de 1432.6 à 1442.9) ; 23,294 votes ; entrée "qwen3.8-27b"; position 100 sur 416 au classement complet
- LMArena, écriture créative1 366,4Score Arena 1366.4 (IC à 95% de 1356.8 à 1376.0) ; 4,668 votes ; entrée "qwen3.8-27b"; position 160 sur 414 au classement complet
- LMArena WebDev (code)1 593,2Score Arena 1593.2 (IC à 95% de 1586.6 à 1599.8) ; 15,940 votes ; entrée "Qwen3.8-27B"; position 29 sur 144 au classement complet
- LMArena, vision1 244,5Score Arena 1244.5 (IC à 95% de 1236.0 à 1252.9) ; 7,013 votes ; entrée "qwen3.8-27b"; position 61 sur 165 au classement complet
- LMArena Agent Arena-0,034Score IPS -0.0343 (IC à 95% de -0.0423 à -0.0264) ; 60,515 sessions ; entrée "Qwen3.8-27B"; position 37 sur 52 au classement complet
- Artificial Analysis Intelligence Index33,733.7 sur l'Artificial Analysis Intelligence Index v4.3.2 (AA affiche 34), réglage "Qwen3.8 27B (xhigh)"
- Humanity's Last Exam (Artificial Analysis)33,9%33.9% sur Humanity's Last Exam (AA, 2,158 questions texte uniquement), réglage "Qwen3.8 27B (xhigh)"
- GPQA Diamond, sciences de niveau master et doctorat90,5%90.5% sur GPQA Diamond (AA ; ne fait plus partie de l'index AA depuis v4.2), réglage "Qwen3.8 27B (xhigh)"
- Terminal-Bench 4.0 (exécution Artificial Analysis)5,6%5.6% sur Terminal-Bench 4.0 exécuté par AA (harnais mini-swe-agent), réglage "Qwen3.8 27B (xhigh)"
- Raisonnement sur contexte long (AA-LCR)82,0%82.0% sur AA-LCR (raisonnement sur long contexte), réglage "Qwen3.8 27B (xhigh)"
- MMMU-Pro, compréhension d'images76,3%76.3% sur MMMU-Pro (compréhension d'images, AA), réglage "Qwen3.8 27B (xhigh)"
- AA-Omniscience, exactitude moins hallucinations-10-10.0 sur l'AA-Omniscience Index (exactitude des connaissances moins hallucinations, de -100 à 100), réglage "Qwen3.8 27B (xhigh)"
- Vitesse de génération, tokens par seconde41 t/s41 tokens de sortie par seconde (médiane AA), ligne "Qwen3.8 27B (xhigh)"
- Coût par tâche de test Artificial Analysis$1.01$1.01 pour exécuter une tâche de l'AA Intelligence Index, ligne "Qwen3.8 27B (xhigh)"
- Puzzles ARC-AGI-242,4%42.36% sur ARC-AGI-2 (ensemble semi-privé), meilleur réglage listé "Qwen3.8-27B (XHigh)", $0.45 par tâche
Comparer avec
- Claude Opus 5.5Le modèle phare d'Anthropic pour la programmation agentique de longue durée et le travail intellectuel, et celui qu'Anthropic conseille pour commencer dans la plupart des cas.
- Claude Sonnet 5.5Le modèle de milieu de gamme d'Anthropic, présenté par Anthropic comme son meilleur équilibre entre vitesse et intelligence.
- Claude Fable 5.1Le niveau le plus élevé d'Anthropic pour le raisonnement le plus difficile et le travail d'agent sur de longues durées, recommandé par Anthropic quand Opus 5.5 ne suffit pas.
- Claude Haiku 5.5Le modèle actuel le plus petit et le plus rapide d'Anthropic, conçu pour les tâches en grand volume sensibles à la latence comme la classification, l'extraction et le routage.