Qwen3.8 27B
Une option solide pour l'auto-hébergement et le contrôle total des données.
Présentation
Qwen3.8-27B est un modèle dense de 27 milliards de paramètres (28B avec son encodeur visuel), successeur de Qwen3.6-27B, conçu pour le code agentique, l'usage d'outils et les tâches longues menées en autonomie, avec un contexte natif de 262 144 tokens extensible à 1M via YaRN. Les scores affichés (Terminal-Bench, SWE-bench Pro, OSWorld) proviennent uniquement d'Alibaba, sans vérification indépendante à ce stade. Sous licence Apache 2.0, ses poids ouverts permettent un hébergement sur site - les données restent sur l'infrastructure de l'entreprise - et sa version quantifiée Q4 tourne sur un simple poste de travail.
Profil de compétences
Non communiqué
Trois mesures indépendantes
Ce que les gens préfèrent, ce que le modèle sait faire, ce que le marché utilise. Chaque source a ses biais, aucune ne suffit seule : nous les affichons séparément, sans les mélanger.
Forces
- Open-source et auto-hébergeable
Limites
- Tarification API non publiée
À qui ça s'adresse
- vous codez avec un agent ou en autonomie
- vous voulez maîtriser vos coûts ou auto-héberger
- vos données doivent rester en UE
Cas d'usage idéaux
- Agents de codage autonomes
- Tâches bureautiques et documents
- Analyse d'images et de vidéos longues
- Développement local sécurisé
Accès & disponibilité
Caractéristiques clés
Combien ça coûte par mois
Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.
Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.
nAIvigate Trust Index
Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.
19/19 critères documentés · 100 % · dont 12 posés par règle
Voir les critères▾
Badge Trust Index
Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.
[](https://naivigate.com/fr/model/qwen3-8-27b)Données & conformité
Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.
| Résidence des données en UE | Oui |
| Accord de traitement (DPA) | Sans objet· auto-hébergé : les données ne sortent pas |
| Transfert hors UE | Non |
| Entraînement sur vos données | Non |
| Rétention configurable | Sans objet· auto-hébergé : les données ne sortent pas |
| Zero Data Retention | Sans objet· auto-hébergé : les données ne sortent pas |
| Auto-hébergeable | Oui |
| Hébergement déclaré | self |
Qualité des données de la fiche
Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.
4/8 documentées · 0/8 sources primaires
| Prix APIpoids ouverts, pas de tarif API | absent | |
| Fenêtre de contexte | évaluation nAIvigate | |
| Elo Arena | absent | |
| Benchmarks (MMLU, GPQA, SWE-bench…) | absent | |
| Licence | évaluation nAIvigate | |
| Données & conformitéauto-hébergé : déduit | déduit | |
| Adoption (Hugging Face) | absent | |
| Matériel requis (quantizations)calculé depuis la taille du modèle | déduit |
Faire tourner en local
| Quantization | Disque | RAM / VRAM | Matériel type |
|---|---|---|---|
| Q4 · recommandé | 15.4 Go | 19 Go | Mac 32 Go / RTX 3090-4090 |
| Q8 · équilibré | 28.9 Go | 34 Go | Mac 64 Go / bi-GPU 24 Go |
| FP16 · qualité max | 54 Go | 61 Go | Mac Studio 96-128 Go / 4× GPU |
Estimations pour un contexte modéré. Un long contexte augmente la RAM nécessaire (KV cache).
Déployer
Commandes prêtes à copier, générées depuis la fiche. Ajustez le contexte et le nombre de GPU à votre machine.
Serveur OpenAI-compatible pour la production sur GPU NVIDIA.
pip install vllm
vllm serve Qwen/Qwen3.8-27B \
--max-model-len 32768 \
--tensor-parallel-size 1 \
--dtype autoDonnées avancées · pour expertsArchitecture, modalités, coût détaillé, benchmarks complets▾
| Arena Elo | — |
| MMLU | — |
| GPQA | — |
| HumanEval | — |
| SWE-Bench | — |
| MATH | — |