Qwen3.8-27B

Typische Einsatzfälle

• Eigenbetrieb auf einer Karte
• Coding ohne Anbieterbindung
• agentische Workflows
• Arbeitsabläufe mit Bild und Video

Leistung im Vergleich

Unabhängige Indizes (Artificial Analysis, 0–100), zwei kontaminationsarme Einzel-Benchmarks (Terminal-Bench, agentische Shell-Aufgaben; τ²-bench, Tool-Use-Verlässlichkeit über viele Läufe) und Human-Präferenz-Elo (LMArena). Die dunkle Markierung zeigt den Bestwert im Katalog – so wird der Abstand zur Spitze sichtbar.

• IntelligenzAA-IntelligenzZusammengesetzter Intelligenz-Index von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Reasoning-, Wissens- und Mathe-Benchmarks zu einer Zahl. Je höher, desto stärker das allgemeine Reasoning.Mehr im Wissen →52
• CodingAA-CodingCoding-Teilindex von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Programmier-Benchmarks zu einem Wert für die Code-Fähigkeit eines Modells.Mehr im Wissen →68
• AgenticAA-AgenticAgentic-Teilindex von Artificial Analysis (unabhängig, 0–100): misst, wie gut ein Modell mehrstufige, werkzeugnutzende Aufgaben eigenständig löst.Mehr im Wissen →51

Benchmarks im Detail

Kennzahlen aus zitierten Messungen – unabhängige Quellen sind ausgewiesen, Anbieterangaben entsprechend markiert. Werte sind nicht über Skalen hinweg vergleichbar. Wie man Benchmark-Zahlen liest →

• Artificial Analysis Intelligence Index

  52

  (Stand 18.08.2026)

  unabhängigArtificial Analysis, Modellseite Qwen3.8 27B, abgerufen 2026-08-18 – 160 Mio. Ausgabe-Token für den Durchlauf gegen einen Median von 43 Mio.; Rang „#1 / 135“ in der Vergleichsgruppe

• SWE-Bench Pro

  61,7

  (Anbieterangabe)

  AnbieterangabeHugging Face – Modellkarte Qwen/Qwen3.8-27B, abgerufen 2026-08-14 (Vergleichswerte der Karte: Qwen3.6-27B 53,5 · Qwen3.7-Plus 57,6 · Muse Glimmer-30B 51,2 · Opus4.6 Max 53,4)

• LiveCodeBench v6

  90,3

  (Anbieterangabe)

  AnbieterangabeHugging Face – Modellkarte Qwen/Qwen3.8-27B, abgerufen 2026-08-14 (Qwen3.7-Plus 89,6 · Opus4.6 Max 88,8)

• OSWorld-Verified

  84,3

  (Anbieterangabe)

  AnbieterangabeHugging Face – Modellkarte Qwen/Qwen3.8-27B, abgerufen 2026-08-14 (Qwen3.7-Plus 73,3 · Opus4.6 Max 72,7)

• GPQA Diamond

  89,2

  (Anbieterangabe)

  AnbieterangabeHugging Face – Modellkarte Qwen/Qwen3.8-27B, abgerufen 2026-08-14 (Qwen3.7-Plus 90,3 · Opus4.6 Max 91,3 – hier liegt das Modell also hinten)

• Terminal Bench 2.1 (Terminus)

  73,0

  (Anbieterangabe)

  AnbieterangabeHugging Face – Modellkarte Qwen/Qwen3.8-27B, abgerufen 2026-08-14 (Qwen3.7-Plus 64,0 · Opus4.6 Max 78,2)

Einordnung

• Der eigentliche Befund ist das Verhältnis von Größe zu Punktzahl: 52 im Intelligence Index bei 27 Mrd. Parametern – dieselbe Punktzahl, die GPT-5.6 Luna (max) erreicht, und ein Punkt hinter GLM-5.2 (max) mit 753 Mrd. Parametern. Die Punkte kommen allerdings nicht umsonst: Der Index-Durchlauf verbrauchte 160 Mio. Ausgabe-Token gegen einen Median von 43 Mio. Das Modell denkt sich zur Leistung, es rechnet sich nicht dorthin.Beleg · Sekundärquelle
• Innerhalb der eigenen Familie ist die kleinere Freigabe die freizügigere: Qwen3.8-27B steht unter Apache 2.0, Qwen3.8-Max unter einer Hauslizenz mit zwei Umsatzschwellen; und das 27-B-Modell nimmt Bild und Video entgegen, während die freigegebenen Max-Gewichte reiner Text sind. Wer aus der Qwen3.8-Familie etwas selbst betreiben will, nimmt in aller Regel dieses Modell.Beleg · Primärquelle
• Seit dem 20.08.2026 ist das Modell auch gehostet zu haben – und der Betriebsbefund dazu ist wichtiger als der Preis. OpenRouter listet sieben Anbieter zu 0,40 $ Eingabe / 3,00 $ Ausgabe je Mio. TokenTokenDie kleinste Verarbeitungseinheit eines Sprachmodells – ein Wortstück, kein ganzes Wort. Faustregel: rund 1.000 Tokens entsprechen grob 750 deutschen Wörtern. Preise und Kontextlängen werden in Tokens gerechnet.Mehr im Wissen →; damit ist die hier seit dem 14.08. vermerkte Lücke geschlossen. Der Preis steht bewusst nur hier und nicht in der vergleichenden Preisachse: Ein Marktplatzpreis ist kein Anbieterpreis. Der eigentliche Fund ist die Voreinstellung: Der Denkaufwand steht ab Werk auf `xhigh`. Simon Willison braucht damit 21 Minuten für ein SVG, das ohne Denkmodus in 137 Sekunden fertig ist – und das erklärt rückwirkend die 160 Mio. Ausgabe-Token des AA-Durchlaufs gegen einen Median von 43 Mio. Wer dieses Modell mit den Werkseinstellungen misst, misst die Voreinstellung mit.Beleg · Primärquelle
• Der erste unabhängige Praxistest kam von heise: Q8_0 und NVFP4 unter Llama.cpp auf einer RTX Pro 6000 Blackwell, zwölf Minuten für eine funktionsfähige Warenwirtschafts-Schnittstelle ohne Rückfragen. Das Urteil des Testers – „Das Ergebnis dieses Experiments war nicht von Claudes Programmierkünsten zu unterscheiden.“ – ist ein Eindruck aus einem Durchlauf, keine Messung; welches Claude-Modell gemeint ist, sagt der Artikel nicht.Beleg · Sekundärquelle
• Warum der Indexwert 52 nicht bedeutet, dass hier ein Spitzenmodell im Wohnzimmer steht: Nach der von uns nachgelesenen AA-Methodik speisen sich die Punkte aus mehreren Einzel-Benchmarks, von denen nur einer reines Faktenwissen abfragt – der Rest lässt Werkzeuge zu. Ein 27-Mrd.-Modell kann deshalb hoch punkten, ohne viel Wissen in den Gewichten zu tragen, solange es zuverlässig erkennt, wann es nachschlagen muss. Genau das beschreibt auch der Praxiseindruck: ohne Netzzugang halluziniert das Modell bei einfachen Faktenfragen, mit Werkzeugen und Netz greift es von sich aus zur Recherche. Für die Einordnung heißt das: Die Zahl misst Können unter Werkzeugeinsatz, nicht Wissen – und sie ist deshalb kein Versprechen für den werkzeuglosen Chat-Betrieb.Beleg · Sekundärquelle

Stimmen aus der Öffentlichkeit

Subjektive Einschätzungen Dritter – keine belegten Fakten, jeweils verlinkt.

• positivDeutschsprachiger Praxis-Take, der die Zahl in eine These übersetzt: Das Modell zeige, „dass KI-Modelle eventuell gar kein Wissen mehr brauchen, sondern nur noch Können“ – sie müssten Wissen nur noch abrufen können, nicht gespeichert haben. Belegt wird das am eigenen Betrieb: ohne Netzanbindung (Open WebUI) halluziniert das Modell schon bei der Liste der Bundespräsidenten – vier Fehler, darunter eine falsche Parteizuordnung und ein erfundener Tod im Amt –, während es mit Werkzeugen (OpenCode) in den Denkspuren von sich aus vermerkt, es sei sich unsicher, und in der Wikipedia nachschlägt. Zur Hardware nennt der Kanal 4-Bit-Gewichte von etwa 18–19 GB, NVFP4 ab 16 GB auf Blackwell, sonst 24 GB, und eine gebrauchte RTX 3090 als brauchbare Untergrenze. ⚠️ Tier C und in eigener Sache pointiert – die Lokal-Achse ist das Steckenpferd des Formats; die Halluzinations-Beispiele sind Einzelbeobachtungen ohne offengelegten Prüfaufbau.c't 3003 (YouTube) – „Qwen 3.8-27b ausprobiert | c't 4004 #35“, 20.08.2026 (per oEmbed verifiziert, Transkript über den Proxy gezogen und gegengelesen; der genannte Indexwert 52 ist an der AA-Schnittstelle bestätigt) · Community, August 2026
• gemischtGegenstimme zur kursierenden Zuspitzung: Auf die Rede, man könne jetzt „an Opus-4.6-Äquivalent auf dem Laptop“ betreiben, antwortet Theo, das sei „a bit much of a reach“ – „on a laptop, no; 5090, yes“. Das Modell selbst nennt er im selben Zug „a dope model“. Bemerkenswert ist, dass die enthusiastischere c't-Einordnung in der Sache dasselbe sagt (High-End-Hardware, „die wenigsten Leute haben so eine Hardware“); strittig ist nicht die Hardware-Schwelle, sondern das Etikett „Laptop“, mit dem der Befund weitergereicht wird. ⚠️ Tier C, gesponsertes Podcast-Format.Nerd Snipe (YouTube) – „Our Thoughts on the AI Labs: Anthropic vs Everyone“, 20.08.2026 (per oEmbed verifiziert, Transkript gegengelesen; Theo Browne und Ben Davis) · Community, August 2026
• gemischtAusdrückliches Lob mit einem Aber: „We can have an open weights general purpose model with a long context, effective tool calling, strong vision ability, and competent code generation“ – die Werkseinstellung `xhigh` hält Willison aber für untauglich: 21 Minuten für ein SVG, das ohne Denkmodus in 137 Sekunden entsteht, und minutenlanges Grübeln über den Auftrag „zeichne einen Kreis“. Gefahren auf einem MacBook Pro mit M5 Max und 128 GB sowie auf einem NVIDIA DGX Spark, jeweils über LM Studio mit einem 17-GB-Q4_K_M-Build. Die Bildseite prüft er mit JSON-Begrenzungsrahmen auf einem Foto – mit präzisen Koordinaten.Simon Willison – „Qwen 3.8 27B is excellent, but it defaults to wildly overthinking things“, 16.08.2026 (von uns geöffnet und mit „steht dort nicht“-Gegenfrage gegengelesen) · Sekundärquelle, August 2026
• positivWiderruf eines eigenen Vorab-Urteils: Nach einem abgebrochenen ersten Versuch hatte der Kanal das Modell öffentlich als „not ready“ abgeschrieben; im zweiten Anlauf benennt er den eigenen Bedienfehler – zu kurze Denkzeit – und arbeitet 20 Coding-Prompts über vier Projekte ab (PHP/Laravel ×2, Dart/Flutter, Go) gegen dem Modell nicht sichtbare Prüftests: 4 Fehler von 41, 1 von 48, 1 von 19, in einem Projekt keiner. Auf seinem Leaderboard 12,15 von 20 Punkten bei Stufe XHigh, rund 23 Minuten je erfolgreichem Prompt und 10 US-Dollar für den ganzen Durchgang über OpenRouter. Sein Fazit: „now I kind of need to take back my opinion … that we are way too early for local models in terms of quality. We're not.“ ⚠️ Nicht offengelegte Benchmark-Methodik; die Punktzahl ist eine Hausnote, keine übertragbare Messung.AI Coding Daily (YouTube) – „I Tested NEW Qwen 3.8 27B on 20 Coding Prompts“, 20.08.2026 (per oEmbed verifiziert, gegen das Transkript gelesen) · Community, August 2026