Stable Diffusion | ComfyUI | Automatic1111 | Forge

IT и технологии · 31 августа 2026 г.

Открыть канал в MAX

Qwen3.8-27B — компактный монстр от Alibaba Cloud — 31 августа 2026 г. в 21:14:10.087

Qwen3.8-27B — компактный монстр от Alibaba Cloud 🔹 Что это за модель Qwen3.8-27B — это dense (плотная) языковая модель с визуальным кодировщиком на 27 миллиардов параметров. Нативно понимает текст, картинки и видео. Архитектура гибридная: 64 слоя, hidden dimension 5120, контекст 262K токенов (расширяется до 1M). Реально держит длинные документы, кодовые базы и видео длительностью до часа без потери связности. 🔹 Чем лучше предыдущих поколений • Значительный прирост в кодинге — 79.0 на QwenSWEBench против 49.3 у Qwen3.6-27B. • SWE-bench Pro 61.7 — выше, чем у Opus4.6 Max (53.4). • DeepSWE 1.1 — 42.2 против 13.3 у прошлого поколения. Реальный рост, а не маркетинг. • IFBench 79.5 — почти лучший результат в индустрии по следованию инструкциям. • GPQA Diamond 89.2 — сильные научные рассуждения. 🔹 Для чего подходит • Автономные агенты с многошаговой логикой (CoWorkBench 70.7 — топ). • Программирование: от автодополнения до рефакторинга целых репозиториев (NL2Repo-Bench 42.3). • Анализ документов, схем, графиков, скриншотов интерфейса. • Понимание длинных видео (до часа) — нативно, без костылей. • Гибкое управление «мышлением»: режим рассуждений включается по запросу, глубина настраивается параметром reasoning_effort. 🔹 Гибридная архитектура Внутри 16 блоков по схеме «3 × (Gated DeltaNet → FFN) → 1 × (Gated Attention → FFN)». Проще говоря, основная масса слоёв — линейное внимание DeltaNet (быстрое и экономное), а каждый 16-й слой — классический full attention для точности на длинных зависимостях. На практике это даёт и скорость, и качество. 🔹 Запуск на 16 ГБ видеокарты Оригинал в BF16 весит 55.6 ГБ — на одну карту не влезает. Но у ребят из Unsloth есть готовые GGUF-кванты под llama.cpp. Для 16 ГБ VRAM оптимальный вариант — Q2_K_XL (9.83 ГБ) или UD-IQ3_XXS (10.9 ГБ). Качество падает на 6-8% но модель всё еще способна на многое. 🔹 Для 27 ГБ VRAM UD-Q4_K_M (16.5 ГБ) Это «золотая середина»: качество падает минимально (потери ~3-5% на бенчмарках), а скорость генерации остаётся комфортной. 🔹 Для 32ГБ VRAM отличная UD-Q5_K_XL (20.9 ГБ). По ссылке ниже — официальный репозиторий Unsloth на Hugging Face, с моделями с динамическими квантами GGUF - Dynamic 3. Qwen3.8-27B-GGUF (Dynamic 3) на Hugging Face Мои ресурсы: 🔹 stabledif.ru/comfyui 🔹 boosty.to/stabledif 🔹 stabledif.ru/stream 🔹 max.ru/stable_dif 🔹 vk.ru/stabledif