Qwen3.8-27B ขึ้นจริงแล้ว — vision ครบ, Apache-2.0 แท้, Q4 แค่ 17 GB ลง GPU ตัวเดียวได้

ในโพสต์วันที่ 13 ส.ค. เราปิดท้ายไว้ว่า Qwen3.8-27B คือ “รุ่นที่สำคัญกว่า” สำหรับทีมส่วนใหญ่ และจะรายงานเมื่อขึ้นจริง — คืนวันที่ 14 สิงหาคม 2026 (ประมาณ 22:00 ตามเวลาไทย) ไฟล์ขึ้นจริงแล้ว repo Qwen/Qwen3.8-27B และรุ่น -FP8 ปรากฏบน Hugging Face พร้อมประกาศอย่างเป็นทางการจากทีม Qwen

และครั้งนี้ต่างจากรุ่น 2.4T ที่เราวิจารณ์ว่า “เปิดแบบตัดฟีเจอร์” — 27B ได้ของครบ: รับภาพและวิดีโอ, คอนเท็กซ์ native 262,144 โทเค็น (ขยายได้ถึง 1 ล้าน), และไลเซนส์เป็น Apache License 2.0 มาตรฐาน เราเปิดไฟล์ LICENSE ใน repo อ่านเองแล้วตามธรรมเนียม — ไม่มีเงื่อนไขพิเศษ ไม่มีเพดานรายได้ ไม่ใช่สัญญาเฉพาะแบบรุ่น Max

สเปกและตัวเลขที่ Qwen รายงาน

Qwen3.8-27B เป็นโมเดล dense ~27–28B พารามิเตอร์แบบ vision-language ตัวเลข benchmark จาก model card (ผู้ผลิตรายงานเอง ยังไม่มีการวัดอิสระ):

Benchmark	Qwen3.8-27B
SWE-bench Pro	61.7
Terminal Bench 2.1	73.0
OSWorld-Verified (computer use)	84.3
WebArena-Verified (browser)	64.8
GPQA Diamond	89.2

เทียบกับรุ่นพี่ 2.4T-A95B ที่ได้ SWE-bench Pro 67.7 และ Terminal Bench 86.6 — รุ่น 27B ตามหลังอยู่พอสมควรในงาน coding agent แต่ตัวเลข OSWorld 84.3 สำหรับโมเดลขนาดนี้คือจุดที่น่าจับตา เพราะงาน computer use ต้องใช้ vision จริง ซึ่งรุ่นเปิด 2.4T ทำไม่ได้เลย (เป็น text-only)

อีกจุดที่แก้ปมของรุ่นใหญ่: thinking ปรับได้ต่อคำขอ ไม่ใช่บังคับเปิดตลอดแบบ 2.4T — คุมต้นทุน reasoning ในงานง่าย ๆ ได้

รันเองได้แค่ไหน — ตัวเลขจริง

นี่คือเหตุผลที่เราบอกว่ารุ่นนี้สำคัญกว่า ภายในไม่กี่ชั่วโมง Unsloth อัปโหลด GGUF ครบทุกระดับ:

Quant	ขนาด	ลงอะไรได้
UD-Q2_K_XL	10.7 GB	GPU 12 GB
Q4_K_M	17.1 GB	GPU 24 GB (RTX 3090/4090)
Q8_0	29 GB	RTX 5090 32 GB / Mac 36 GB+
BF16	54.7 GB	Mac Studio / multi-GPU

แปลว่า RTX 3090 มือสองหนึ่งใบก็รัน Q4 ได้ ส่วนทีม SGLang อ้างว่า BF16 เต็ม ๆ ทำได้ ~200 tok/s บน RTX 5090 ตัวเดียว (ตัวเลขจากโพสต์ของโปรเจกต์เอง ยังไม่ได้วัดซ้ำ) ฝั่งบริการคลาวด์ Cerebras ประกาศแล้วว่าจะนำ 27B ขึ้นให้บริการเร็ว ๆ นี้ และ Qwen เองบอกว่ารุ่น hosted บน Qwen Cloud ที่เปิดคอนเท็กซ์ 1M เป็นค่าเริ่มต้น “กำลังจะมา”

กระแสตอบรับแรงมาก — ดาวน์โหลดทะลุ 260,000 ครั้งภายในสองวันแรก และยอดไลก์บน Hugging Face เกือบหมื่น ซึ่งเร็วผิดปกติสำหรับโมเดลที่เพิ่งขึ้น

มุมมอง AI Curator

ถ้ามองย้อนสามโพสต์ที่เราเขียนถึง Qwen3.8 ในเดือนนี้ จะเห็นแพตเทิร์นการออกแบบผลิตภัณฑ์ของ Alibaba ชัดเจน: รุ่นท็อปเปิดแบบมีเงื่อนไข (ตัด vision, บังคับ thinking, ไลเซนส์กันคู่แข่ง) แต่รุ่นเล็กเปิดหมดจด Apache-2.0 — เพราะรุ่นเล็กไม่ได้แย่งรายได้ API แต่เป็นตัวยึด mindshare ของนักพัฒนาทั้งโลก และมันได้ผลจริงตามยอดดาวน์โหลด

สำหรับทีมไทย นี่น่าจะเป็นโมเดลเปิดที่ “ใช้งานได้จริง” ที่สุดตัวหนึ่งของปีนี้ด้วยเหตุผลเชิงปฏิบัติสามข้อ:

1. ต้นทุนฮาร์ดแวร์อยู่ในโลกความจริง — Q4 17.1 GB คือระดับ RTX 3090/4090 ไม่ใช่ดาต้าเซ็นเตอร์ งานภายในองค์กรที่ข้อมูลออกนอกบ้านไม่ได้ (โรงพยาบาล ธนาคาร ราชการ) มีตัวเลือกที่มี vision จริงแล้ว
2. vision + computer use ในเครื่องตัวเอง เปิดประตูงานที่เดิมต้องพึ่ง API อย่างเดียว: อ่านเอกสารสแกน ใบกำกับภาษี หน้าจอระบบเก่า — OSWorld 84.3 ถ้ายืนยันได้จากการวัดอิสระ ถือว่าเปลี่ยนเกมสำหรับ RPA ยุคใหม่
3. Apache-2.0 ไม่มีดอกจัน — fine-tune ขายต่อ ฝังในผลิตภัณฑ์ ทำได้หมดโดยไม่ต้องปรึกษาฝ่ายกฎหมาย ต่างจากรุ่น Max ที่มีเพดาน MaaS 50 ล้านดอลลาร์

ข้อควรระวังเดียวคือตัวเลข benchmark ทั้งหมดยังเป็น self-reported รอ Artificial Analysis / LMArena วัดอิสระสักสองสามวันก่อนตัดสินใจย้าย workload จริง — แต่ระหว่างรอ การโหลด GGUF มาลองกับงานของตัวเองไม่มีต้นทุนอะไรนอกจากแบนด์วิดท์

แหล่งข่าว

• Qwen/Qwen3.8-27B — model card อย่างเป็นทางการบน Hugging Face
• ไฟล์ LICENSE ใน repo — Apache License 2.0 ฉบับเต็ม
• unsloth/Qwen3.8-27B-GGUF — quantization สำหรับ llama.cpp / Ollama / LM Studio
• โพสต์ก่อนหน้าของเรา: Qwen3.8 ปล่อยน้ำหนัก 2.4T-A95B (13 ส.ค. 2026)