تخيل أنك تختار ورشة كاملة، لا مطرقة واحدة. يجب أن يدخل نموذج الذكاء الاصطناعي المحلي من الباب، ويترك مساحة على طاولة العمل، ويفهم المادة أمامه، ويستخدم الأدوات المتاحة من دون إرسال العمل الخاص إلى مكان آخر. يجذب Qwen3.8-27B الاهتمام لأن هذه المتطلبات تجتمع في نقطة تحقق واحدة. إنه نموذج كثيف للرؤية واللغة بحجم 27 مليار معامل، مبني على الأساس الهجين لـQwen3.5: تتبع ثلاث طبقات Gated DeltaNet طبقة انتباه كامل في نمط متكرر. تساعد أقسام الانتباه الخطي على الكفاءة، بينما يسمح الانتباه الكامل الدوري للنموذج بربط التفاصيل المتباعدة.
لكلمة «متعدد الوسائط» وزن حقيقي هنا. فهذا ليس نموذجاً نصياً أضيف إليه زر مزخرف لرفع الصور. تدربه Qwen وتوزعه كنموذج يحول الصورة والنص إلى نص، مع إدخال أصلي للصور والفيديو. يستطيع وكيل برمجة محلي فحص لقطة شاشة وقراءة مربع خطأ ومقارنته بملفات المصدر وتشغيل الأدوات، من دون إرسال الصورة أولاً إلى خدمة رؤية سحابية منفصلة. وتصف بطاقة النموذج أيضاً مهام المستندات والرسوم والمتصفحات والهواتف والفيديو الممتد لساعات. لذلك يبدو Qwen3.8-27B أقرب إلى منضدة عمل خاصة للأغراض العامة منه إلى محرك متخصص للإكمال التلقائي.
تفسر أرقام الإطلاق الحماس. تعلن Qwen عن 61.7 في SWE-bench Pro و73.0 في Terminal Bench 2.1 و42.2 في DeepSWE 1.1 و90.3 في LiveCodeBench v6. وفي أعمال الوكلاء متعددي الوسائط تعلن عن 84.3 في OSWorld-Verified و64.8 في WebArena-Verified و70.7 في CoWorkBench. وبالمقارنة مع Qwen3.6-27B، تظهر المكاسب في إصلاح المستودعات وتشغيل الطرفية والعمل المكتبي واستخدام الحاسوب، لا في اختبار واحد جرى اختياره لملاءمة النتيجة. وهذا الاتساع أهم من أي رقم منفرد.
تشير أولى القياسات الخارجية الآن إلى الاتجاه العام نفسه. تمنح Artificial Analysis إعداد xhigh نتيجة 52 على Intelligence Index و51 على Agentic Index؛ وتتجاوز النتيجة الثانية بقليل نتيجة Opus 4.8 التاريخية عند أقصى جهد في اللقطة المشار إليها. وفي لوحة Image-to-WebDev من Arena، كان Qwen3.8-27B في المركز #7 بنتيجة 1574 و1,686 صوتاً في 25 أغسطس، مع نطاق ترتيب قائم على الثقة من المركز الخامس إلى العاشر. من اللافت أن يتداخل نموذج 27B قابل للتنزيل إحصائياً مع أنظمة سحابية رائدة في تحويل لقطات الشاشة إلى واجهات. لا تعيد هذه الاختبارات إنتاج إعداد Qwen المحلي بدقة، لكنها دليل مستقل على أن جدول الإطلاق لم يكن يصف سراباً.
لكن المعيار جهاز مختبر، لا قانوناً من قوانين الطبيعة. تستخدم نتائج Qwen في SWE-bench Pro وDeepSWE بيئة Claude Code وسياقاً طويلاً وإعدادات أخذ عينات معلنة. كما صححت Qwen مهام إشكالية في SWE-bench Pro وأعادت تقييم خطوط الأساس. أما CoWorkBench وQwenSWEBench فاختباران داخليان. ويستخدم MathVision مطالبة ثابتة وشروحاً مصححة، فيما تعتمد بعض اختبارات الوكلاء البصريين على مقيمين أو هياكل تشغيل محددة. لا يجعل هذا النتائج عديمة الفائدة؛ بل يوضح ما جرى قياسه: Qwen3.8 داخل منظومة منتقاة بعناية. وقد يعطي Ollama أو LM Studio أو llama.cpp أو وكيل منزلي الصنع نتيجة مختلفة.
وتحتاج قصة العتاد إلى القدر نفسه من الصراحة. يبلغ مجموع أجزاء الأوزان الرسمية BF16 نحو 55.6 جيجابايت قبل أعباء التشغيل. ويبلغ ملف Q4_K_M من Unsloth نحو 17.1 جيجابايت، ويضيف عارض الرؤية قرابة 0.93 جيجابايت. وهكذا يمكن لتنزيل حجمه 18 جيجابايت أن يلائم بطاقة 24 جيجابايت، لكن الجيجابايتات الست المتبقية ليست ترفاً فارغاً؛ إذ يجب أن تستوعب المخازن وذاكرة KV التي تتذكر الرموز السابقة. وكلما طال السياق زاد استهلاك الذاكرة. تمثل بطاقة 24 جيجابايت نقطة بداية موثوقة لعمل محلي مفيد، لا وعداً بـ262,144 رمزاً بأقصى سرعة ودقة كاملة للذاكرة المخبأة.
تمنح Qwen المشغلين ضوابط جيدة على نحو غير معتاد. تبلغ النافذة الأصلية 262,144 رمزاً، وتوثق بطاقة النموذج توسيع YaRN نحو مليون في vLLM وSGLang وTokenSpeed. يُفعّل الاستدلال افتراضياً، مع مستويات جهد low وmedium وxhigh، فيما يستطيع preserve_thinking حمل سياق الاستدلال عبر محادثة الوكيل. كما دربت Qwen رأساً لتوقع عدة رموز، يمكن لأنظمة الاستدلال المتوافقة استخدامه لتسريع فك الترميز.
إعداد المصنع هو الإعداد الخطأ لكثير من الأعمال العادية. تعتمد Qwen استدلال xhigh افتراضياً، وسجلت Artificial Analysis مقدار 160 مليون رمز إخراج عبر مؤشرها، مقابل وسيط بلغ 43 مليوناً لنماذج مفتوحة مشابهة. وفي اختبار Simon Willison المحلي، استهلك رسم SVG بسيط لبجع 22,276 رمز استدلال و21 دقيقة؛ وخفض تعطيل التفكير مدة التشغيل إلى 137 ثانية. ليست هذه خسارة في الجودة، بل درس في التشغيل: ابدأ بجهد low أو medium — أو بلا تفكير للتحويلات البسيطة — وارفع المهمة إلى xhigh فقط حين يستحق البحث الإضافي الانتظار. ويحتاج YaRN الثابت وأخذ العينات وحفظ حالة الاستدلال إلى المعالجة المتعمدة نفسها.
ينبغي أن يكون الاختبار الأول عادياً عن قصد. حمّل التكميم الذي يمكنك إبقاؤه في الذاكرة، واختر نافذة سياق تترك هامشاً للذاكرة، ثم أعط Qwen مهمة حقيقية ذات خط نهاية ظاهر: أصلح اختباراً فاشلاً، أو استخرج أرقاماً من تقرير خاص، أو أعد إنتاج واجهة من لقطة شاشة. سجل ما إذا اكتملت المهمة، وعدد المحاولات التي احتاجتها، وسرعة التنفيذ، ومقدار التصحيح البشري المتبقي. ثم شغّل Qwen3.6 أو نموذجك الحالي بالشروط نفسها. تقيس هذه التجربة ورشتك أنت، لا مختبر شخص آخر.
في الوقت الحاضر، يمثل Qwen3.8-27B أفضل خيار افتراضي عند تقاطع الخصوصية والقدرة وتعدد الوسائط والعتاد الممكن اقتناؤه. قد تكون النماذج المفتوحة الأكبر أذكى في مجالات ضيقة أو صعبة، وقد تكون النماذج الأصغر أسرع. يحتل Qwen الوسط المفيد: قوي بما يكفي للعمل الجاد، وصغير بما يكفي ليعيش تحت مكتب واحد، ومفتوح بما يكفي ليبقى ذلك المكتب ملكك بالكامل.
