Qwen3.8: Was ist neu, wie man es ausführt und Alternativen (2026)
Das Qwen-Team von Alibaba hat Qwen3.8-27B am 14. August 2026 veröffentlicht, zwei Tage nach dem weitaus größeren Qwen3.8-2.4T-A95B. Die Release-Note ist nur einen Satz lang und es wert, zweimal gelesen zu werden.
„Zum ersten Mal bringt Qwen3.8 ein Modell der Qwen-Max-Klasse in die offene Veröffentlichung.“
Das ist eine Aussage über die Leistungsklasse, nicht über die Größe. Sie besagt, dass die Open-Weights-Modelle nun dort angesiedelt sind, wo sich zuvor das gehostete Flaggschiff befand.
Ob das auch für Ihre Workloads gilt, ist eine andere Frage, und die veröffentlichten Belege liefern darauf nur teilweise eine Antwort. Der Rest dieses Artikels befasst sich damit, welche Teile das betrifft.
Dieser Artikel beleuchtet, was ausgeliefert wurde und wo sich die beiden offiziellen Dokumente widersprechen. Anschließend werfen wir einen Blick darauf, was die Benchmark-Tabelle tatsächlich misst. Schließlich zeigen wir, wie Sie das Modell lokal ausführen können, wenn Sie möchten, dass die Analyse auf Ihrem eigenen Rechner bleibt.
Was Qwen3.8 eigentlich ist
Das offizielle README beschreibt die Modellfamilie als aufgebaut „auf der architektonischen Grundlage von Qwen3.5“, was Verbesserungen „beim Coding, bei professioneller Arbeit, in der Forschung und bei komplexen, längerfristigen agentischen Aufgaben“ bringt.
Der Satz, der für alle, die mit mehrstufigen Prozessen arbeiten, entscheidend ist, folgt direkt danach. Qwen3.8 „ist darauf ausgelegt, komplexe, mehrstufige Aufgaben mit größerer Zuverlässigkeit bis zum Ende auszuführen“.
Das 27B-Modell ist dasjenige, das die meisten Menschen lokal ausführen werden. Seine Model Card liefert die nackten Zahlen: 27B Parameter, 64 Layer, eine Hidden Dimension von 5120 und ein hybrides Layout aus Gated DeltaNet- und Gated Attention-Blöcken.
Die Kontextlänge beträgt nativ 262.144 Token und ist auf bis zu 1.000.000 erweiterbar. Die auf der Model Card angegebene Lizenz ist apache-2.0.
Es lohnt sich, die beiden Veröffentlichungen auseinanderzuhalten. Das Mixture-of-Experts-Modell 2.4T-A95B erschien am 2026-08-12, und das dichte 27B-Modell folgte am 2026-08-14. Nur das zweite ist für das Self-Hosting realistisch.
| Fakt | Qwen3.8-27B |
|---|---|
| Veröffentlicht | 2026-08-14 |
| Parameter | 27B dense |
| Layer | 64 |
| Kontext | 262.144 nativ, erweiterbar auf 1.000.000 |
| Lizenz | apache-2.0 |
| Eingaben | Text, Bilder, Video |
Wo sich die beiden offiziellen Dokumente widersprechen
Das ist der Teil, über den fast niemand berichtet, und er ändert das, was man mit Sicherheit behaupten kann.
Das GitHub-README schreibt die multimodale Architektur Qwen3.5 zu, also der Generation, auf der Qwen3.8 aufbaut. Wenn man nur diese Seite liest, würde man zu dem Schluss kommen, dass das 27B-Modell ein reines Textmodell ist.
Die Model Card sagt etwas anderes und wird dabei konkret. Qwen3.8-27B ist „ein natives Vision-Language-Modell, das Bilder und Videos versteht, mit flexibler Denksteuerung“.
Wenn zwei offizielle Quellen im Widerspruch stehen, gewinnt die spezifischere. Die Model Card beschreibt genau diesen Checkpoint, sodass die multimodale Fähigkeit real ist. Es ist gut zu wissen, dass diese Diskrepanz existiert, da ein kurzes Überfliegen des Repositories das Gegenteil vermuten lässt.
Was die Benchmark-Tabelle misst und was sie auslässt
Die Model Card veröffentlicht einen Vergleich mit Qwen3.6-27B, Qwen3.7-Plus, Muse Glimmer-30B und Opus4.6 Max. Einige der agentischen Werte zeigen deutliche Sprünge.
| Benchmark | Qwen3.8-27B | Qwen3.6-27B |
|---|---|---|
| OSWorld-Verified (Computernutzung) | 84.3 | 63.9 |
| WebArena-Verified (Browsernutzung) | 64.8 | 48.8 |
| AndroidWorld (Mobilnutzung) | 81.9 | 70.3 |
| SWE-bench Pro (Coding) | 61.7 | — |
| MathVision (mit Code-Interpreter) | 94.6 | 90.3 |
| Vision2Web (visuelle Webentwicklung) | 62.9 | 45.0 |
Nun zur ehrlichen Interpretation. Computernutzung, Browsernutzung, Mobilnutzung, Coding, visuelle Mathematik und Webentwicklung sind das, was diese Tabelle abdeckt.
Es gibt hier keinen Benchmark für das Lesen einer Tabellenkalkulation, den Abgleich zweier Exporte oder das Erstellen eines Berichts aus tabellarischen Daten. Starke OSWorld-Werte zeigen, dass das Modell einen Desktop steuern kann. Sie sagen jedoch nichts darüber aus, ob es Ihren Umsatzabgleich korrekt durchführt.
Ein Detail, das für Leser, die Open-Source-Releases verfolgen, erwähnenswert ist: Muse Glimmer-30B taucht in dieser Tabelle als Vergleichspunkt auf, während seine eigene Launch-Tabelle vier Tage zuvor Vergleiche mit Qwen3.6-27B anstellte. Unser Artikel über Muse Glimmer wies darauf hin, dass dessen Vergleichsgruppe beim Start bereits eine Generation hinterherhinkte. Diese Tabelle ist die andere Hälfte dieser Geschichte.
Wie man es ausführt
Die Gewichte befinden sich laut dem News-Eintrag im README auf dem Hugging Face Hub und auf ModelScope. Die dichte 27B-Variante ist die praktische Wahl für einen einzelnen Rechner.
Planen Sie Ihren Speicherbedarf eher anhand der Parameteranzahl als anhand des maximalen Kontextfensters. Ein Fenster von 262.144 Token ist zwar verfügbar, aber dieses zu füllen, kostet Arbeitsspeicher, den die meisten lokalen Setups nicht übrig haben.
Beginnen Sie mit einem kurzen Kontext und einer echten Datei. Laden Sie einen Export, stellen Sie eine Frage, auf die Sie die Antwort bereits kennen, und überprüfen Sie das Ergebnis, bevor Sie längeren Ausgaben vertrauen.
Dieser Überprüfungsschritt ist bei der Arbeit mit Tabellen unerlässlich. Ein Modell kann eine Tabellenkalkulation flüssig beschreiben und dennoch die Spalte mit den Gesamtsummen falsch interpretieren. Flüssig formulierte, falsche Antworten sind schwerer zu erkennen als offensichtliche Fehler.
Wenn Sie das Kontextfenster von einer Million Token benötigen, sollten Sie dies als separates Projekt mit eigenem Hardware-Budget betrachten. Die beiden Konfigurationen verhalten sich in der Praxis sehr unterschiedlich, und das Benchmarking der einen sagt nur wenig über die andere aus.
Ändern Sie zuerst den standardmäßigen Denkaufwand (Reasoning Effort)
Hier ist die Einstellung, die Ihren ersten Eindruck prägen wird, und sie ist im Chat-Template der Model Card selbst sichtbar.
Das Template löst reasoning_effort standardmäßig auf xhigh auf, wobei medium and low die anderen akzeptierten Werte sind. Das Nachdenken kann auch ganz abgeschaltet werden.
Die Standardeinstellung xhigh bedeutet, dass das Modell auch bei Fragen, die dies nicht erfordern, lange nachdenkt. Bei einer einzeiligen Abfrage in einer kleinen CSV-Datei wirkt das Modell dadurch eher langsam als gründlich.
Das Erste, was Sie anpassen sollten, ist also nicht der Prompt. Reduzieren Sie den Aufwand bei Routinefragen auf medium oder low und heben Sie sich xhigh für die mehrstufigen Aufgaben auf, um die es in der Release-Note eigentlich geht.
Wo sich dies in einen Daten-Workflow einfügt
Ein Open-Weight-Modell, das Sie selbst hosten, löst ein ganz bestimmtes Problem: Die Daten verlassen niemals Ihren Rechner. Bei regulierten oder sensiblen Dateien ist das das entscheidende Argument, das durch keinen noch so bequemen Cloud-Dienst ersetzt werden kann.
Alles andere an dieser Entscheidung ist ein Kompromiss. Sie übernehmen die Verantwortung für Hardware, Updates und Quantisierungsentscheidungen im Austausch für diese eine Garantie.
Was es nicht löst, ist alles drumherum. Das Profiling von Spalten, das Zusammenführen zweier Exporte, das Erkennen eines umbenannten Feldes, das Rendern eines Diagramms und das Erstellen eines Dokuments sind separate Arbeitsschritte.
Diese Lücke ist der Grund, warum Protokoll- und Tooling-Ebenen existieren. Unsere Erklärung dazu, was MCP ist, behandelt den Standard, der Modelle mit Tools verbindet. Die Seite über Datenkonnektoren zeigt, was eine dateibasierte Pipeline als Input erwartet.
Alternativen
Wenn die Anforderung lokal und offen ist, sind Qwen3.8-27B und Muse Glimmer-30B die beiden aktuellen Kandidaten in derselben Größenklasse. Beide veröffentlichen ihre Gewichte und beide laufen auf einem einzelnen Rechner.
Wenn die Anforderung ein fertiges Artefakt aus einer Datei statt eines Modell-Endpunkts ist, sieht das Tool anders aus. Powerdrill Bloom nimmt die Tabellenkalkulation, analysiert die Spalten und liefert das Diagramm, den Bericht oder die Präsentation.
Aufseiten von Qwen lässt sich kein Preisvergleich anstellen. Für dieses Modell war keine offizielle Preisseite von Qwen erreichbar, weshalb in diesem Artikel keine Zahlen genannt werden.
Wenn Ihre eigentliche Aufgabe darin besteht, aus einer Datei einen Bericht zu erstellen, probieren Sie Powerdrill Bloom direkt dafür aus. Lesen Sie auch unseren Leitfaden zur Umwandlung eines Abonnement-Exports in einen MRR- und ARR-Bericht sowie die Seite zum CSV-KI-Assistenten.
Fazit
Qwen3.8-27B ist ein dichtes 27B-Modell mit einem nativen Kontext von 262.144 Token, apache-2.0-Gewichten sowie dokumentierter Bild- und Videoeingabe. Die agentischen Sprünge im Vergleich zu Qwen3.6-27B sind beträchtlich.
Zwei Einschränkungen gilt es zu beachten. Das Repo und die Model Card widersprechen sich beim Thema Multimodalität, und die veröffentlichten Benchmarks decken eher Desktop-, Browser-, Coding- und visuelle Aufgaben ab als tabellarische Arbeiten.
Stellen Sie reasoning_effort ein, bevor Sie das Modell beurteilen. Der Standardwert ist xhigh, und diese Standardeinstellung führt zu mehr Denkprozessen, als die meisten Fragen erfordern.
Häufig gestellte Fragen
Wann wurde Qwen3.8 veröffentlicht?
Die News-Einträge im README verzeichnen Qwen3.8-27B am 2026-08-14 und Qwen3.8-2.4T-A95B am 2026-08-12, jeweils auf dem Hugging Face Hub und ModelScope.
Ist Qwen3.8-27B multimodal?
Ja, laut seiner Model Card, die es als natives Vision-Language-Modell beschreibt, das Bilder und Videos versteht. Beachten Sie, dass das GitHub-README die multimodale Architektur Qwen3.5 zuschreibt.
Welche Kontextlänge unterstützt es?
Die Model Card gibt nativ 262.144 Token an, erweiterbar auf bis zu 1.000.000. Die Ausführung nahe dem oberen Wert erfordert einen Arbeitsspeicher, der weit über ein typisches lokales Setup hinausgeht.
Warum fühlt es sich bei einfachen Fragen langsam an?
Das Chat-Template setzt reasoning_effort standardmäßig auf xhigh. Senken Sie diesen Wert für Routineabfragen auf medium oder low und behalten Sie xhigh für echte mehrstufige Aufgaben bei.
Sagen die Benchmarks etwas über die Arbeit mit Tabellenkalkulationen aus?
Nein. Die veröffentlichte Tabelle deckt Computernutzung, Browsernutzung, Mobilnutzung, Coding, visuelle Mathematik und Webentwicklung ab, enthält jedoch keinen Benchmark für Tabellenanalysen oder die Berichterstellung.