Bitta bolg’ani emas, butun ustaxonani tanlayotganingizni tasavvur qiling. Lokal SI model eshikdan sig’ishi, ish stolida joy qoldirishi, oldidagi materialni tushunishi va maxfiy ishni tashqariga yubormasdan vositalardan foydalanishi kerak. Qwen3.8-27B qiziq, chunki shu talablar bitta checkpointda uchrashadi. Bu Qwen3.5 gibrid asosidagi zich 27 milliard parametrli ko’rish-til modeli: uchta Gated DeltaNet qatlamidan so’ng bitta to’liq e’tibor qatlami takrorlanadi. Chiziqli e’tibor samaradorlikni, davriy to’liq e’tibor esa uzoq detallar bog’lanishini ta’minlaydi.
Bu yerda “multimodal” bezak uchun rasm yuklash tugmasi emas. Qwen modelni matn, rasm va video uchun o’qitadi va tarqatadi. Lokal kodlash agenti skrinshotni ko’radi, xato oynasini o’qiydi, manba fayllari bilan solishtiradi va rasmni alohida bulut xizmatiga yubormasdan vositalarni ishlatadi. Model kartasida hujjat, diagramma, brauzer, mobil va soatlik videolar ham tasvirlangan. Shu bois Qwen3.8 maxsus autocomplete emas, shaxsiy umumiy ish stoli kabi ko’rinadi.
Boshlang’ich raqamlar hayajonni tushuntiradi: SWE-bench Pro da 61.7, Terminal Bench 2.1 da 73.0, DeepSWE 1.1 da 42.2 va LiveCodeBench v6 da 90.3. Multimodal agentlar uchun Qwen OSWorld-Verified da 84.3, WebArena-Verified da 64.8 va CoWorkBench da 70.7 deydi. Qwen3.6-27B ga nisbatan o’sish repo tuzatish, terminal, ofis va kompyuter boshqaruvida ko’rinadi. Bu kenglik alohida rekorddan qiziqroq.
Ammo benchmark tabiat qonuni emas, laboratoriya qurilmasidir. Qwen ning SWE-bench Pro va DeepSWE natijalari Claude Code, uzoq kontekst va belgilangan sampling bilan olingan. Muammoli SWE-bench vazifalari tuzatilib, bazalar qayta baholangan. CoWorkBench va QwenSWEBench ichki testlar. MathVision qat’iy prompt va tuzatilgan belgilardan foydalanadi; ayrim ko’rish agent sinovlari maxsus grader va scaffoldga bog’liq. Bu raqamlarni bekor qilmaydi, nimani o’lchaganini ko’rsatadi: puxta tanlangan tizim ichidagi Qwen3.8. Ollama, LM Studio, llama.cpp yoki sizning agentingiz boshqacha natija berishi mumkin.
Qurilma hikoyasi ham aniqlik talab qiladi. Rasmiy BF16 qismlar runtime xarajatisiz 55.6 GB atrofida. Unsloth Q4_K_M fayli 17.1 GB, ko’rish proyektori 0.93 GB. 18 GB yuklama 24 GB GPU ga sig’adi, lekin qolgan olti gigabayt bufer va avvalgi tokenlarni eslovchi KV keshga kerak. Kontekst uzaygan sari xotira ortadi. 24 GB karta foydali lokal ish uchun haqiqiy boshlanish, ammo 262,144 tokenni eng yuqori tezlikda ishlatish va’dasi emas.
Qwen operatorga noodatiy to’liq boshqaruv beradi. Tabiiy oyna 262,144 token, model kartasi vLLM, SGLang va TokenSpeed da YaRN orqali bir millionga yaqin kengayishni tushuntiradi. Fikrlash yoqilgan, low, medium va xhigh darajalari bor, agent suhbati davomida fikrlash konteksti saqlanadi. Bir necha tokenni oldindan aytuvchi bosh mos dvigatellarda dekodlashni tezlatadi. Lekin bu tugmalar sozlanadi: statik YaRN qisqa matnni yomonlashtirishi, past fikrlash esa qayta urinishlar bilan vaqtni yutqazishi mumkin.
To’g’ri birinchi sinov ataylab oddiy bo’lsin. Xotirada doim qoladigan quantni yuklang, zaxirali kontekst tanlang va aniq yakunli haqiqiy vazifa bering: yiqilayotgan testni tuzatish, maxfiy hisobotdan sonlarni olish yoki skrinshotdan interfeys qurish. Yakun, qayta urinish, tezlik va inson tuzatishini yozing. So’ng Qwen3.6 yoki hozirgi modelni aynan shu sharoitda sinang. Shunda boshqaning laboratoriyasini emas, o’z ustaxonangizni o’lchaysiz.
Hozircha Qwen3.8-27B maxfiylik, qobiliyat, multimodallik va erishiladigan qurilma kesishmasidagi eng yaxshi standart tanlov. Katta ochiq modellar ayrim qiyin joylarda aqlliroq, kichiklari tezroq bo’lishi mumkin. Qwen foydali o’rtani egallaydi: jiddiy ishga yetarlicha kuchli, bir stol ostida yashashga yetarlicha kichik va o’sha stol faqat sizniki bo’lishi uchun yetarlicha ochiq.
