Qwen3.8: Yenilikler, Nasıl Çalıştırılır ve Alternatifler (2026)

Alibaba'nın Qwen ekibi, çok daha büyük olan Qwen3.8-2.4T-A95B modelinden iki gün sonra, 14 Ağustos 2026'da Qwen3.8-27B modelini yayınladı. Yayın notu sadece tek bir cümleden oluşuyor ve iki kez okunmaya değer.

"Qwen3.8, ilk kez Qwen-Max sınıfı bir modeli açık erişime sunuyor."

Bu, boyutla değil, segmentle ilgili bir iddiadır. Açık ağırlıkların artık eskiden barındırılan amiral gemisinin bulunduğu yerde durduğunu söylüyor.

Bunun sizin iş yükünüz için geçerli olup olmadığı ayrı bir sorudur ve yayınlanan kanıtlar buna yalnızca kısmen yanıt vermektedir. Bu yazının geri kalanı, hangi kısımların geçerli olduğuyla ilgilidir.

Bu yazı, nelerin sunulduğunu ve iki resmi belgenin nerede çeliştiğini ele alıyor. Ardından, kıyaslama (benchmark) tablosunun gerçekte neyi ölçtüğünü inceliyor. Son olarak, analizin kendi makinenizde kalmasını istiyorsanız, modeli yerel olarak nasıl çalıştıracağınızı kapsıyor.

Qwen3.8 gerçekte nedir

The official README dosyası, bu aileyi "Qwen3.5'in mimari temeli üzerine" inşa edilmiş olarak tanımlıyor ve "kodlama, profesyonel çalışma, araştırma ve uzun vadeli otonom (agentic) görevlerde" kazanımlar sağladığını belirtiyor.

Çok adımlı işler yapan herkes için önem taşıyan cümle bir sonrakidir. Qwen3.8, "karmaşık, çok adımlı görevleri daha yüksek bir güvenilirlikle tamamına erdirmek üzere tasarlanmıştır."

27B modeli, çoğu insanın yerel olarak çalıştıracağı modeldir. model card net rakamları veriyor: 27B parametre, 64 katman, 5120 gizli boyut (hidden dimension) ve Gated DeltaNet ile Gated Attention bloklarından oluşan hibrit bir düzen.

Bağlam uzunluğu yerel olarak 262.144 tokendir ve 1.000.000'a kadar genişletilebilir. Model kartında kayıtlı lisans ise apache-2.0'dır.

Bu iki sürüm girişini birbirine karıştırmamak gerekir. 2.4T-A95B mixture-of-experts (uzmanların karışımı) modeli 2026-08-12'de geldi ve onu 2026-08-14'te 27B yoğun (dense) model takip etti. Kendi sunucunuzda barındırmak için yalnızca ikincisi gerçekçidir.

Gerçek	Qwen3.8-27B
Yayınlanma Tarihi	2026-08-14
Parametreler	27B yoğun (dense)
Katmanlar	64
Bağlam	262.144 yerel, 1.000.000'a kadar genişletilebilir
Lisans	apache-2.0
Girdiler	Metin, görsel, video

İki resmi belgenin çeliştiği noktalar

Bu, neredeyse hiç kimsenin bahsetmediği kısımdır ve güvenle iddia edebileceğiniz şeyleri değiştirir.

GitHub README dosyası, çok modlu (multimodal) mimariyi Qwen3.8'in üzerine inşa edildiği nesil olan Qwen3.5'e atfediyor. Yalnızca bu sayfayı okursanız, 27B modelinin yalnızca metin tabanlı olduğu sonucuna varırsınız.

Model kartı ise aksini söylüyor ve oldukça spesifik. Qwen3.8-27B, "esnek düşünme kontrolüne sahip, görselleri ve videoları anlayan yerel bir görsel-dil modelidir."

İki resmi kaynak çeliştiğinde, daha spesifik olan kazanır. Model kartı tam olarak bu kontrol noktasını (checkpoint) tanımlıyor, dolayısıyla çok modlu yetenek gerçektir. Bu çelişkinin var olduğunu bilmekte fayda var, çünkü depoya (repo) hızlıca göz atmak size tam tersini söyleyecektir.

Kıyaslama tablosunun ölçtüğü ve dışarıda bıraktığı şeyler

Model kartı; Qwen3.6-27B, Qwen3.7-Plus, Muse Glimmer-30B ve Opus4.6 Max ile yapılan bir karşılaştırmayı yayınlıyor. Otonom (agentic) performans rakamlarının bazılarında büyük sıçramalar var.

Kıyaslama (Benchmark)	Qwen3.8-27B	Qwen3.6-27B
OSWorld-Verified (bilgisayar kullanımı)	84.3	63.9
WebArena-Verified (tarayıcı kullanımı)	64.8	48.8
AndroidWorld (mobil kullanım)	81.9	70.3
SWE-bench Pro (kodlama)	61.7	—
MathVision (kod yorumlayıcı ile)	94.6	90.3
Vision2Web (görsel web geliştirme)	62.9	45.0

Şimdi dürüst bir değerlendirme yapalım. Bu tablonun kapsadığı alanlar bilgisayar kullanımı, tarayıcı kullanımı, mobil kullanım, kodlama, görsel matematik ve web geliştirmedir.

Burada bir e-tabloyu okumak, iki dışa aktarımı (export) karşılaştırıp eşitlemek veya tablosal verilerden rapor oluşturmak için hiçbir kıyaslama bulunmuyor. Güçlü OSWorld rakamları size modelin bir masaüstünü yönetebileceğini söyler. Gelir mutabakatınızı doğru yapacağını söylemez.

Açık kaynaklı sürümleri takip eden okuyucular için belirtmeye değer bir detay. Muse Glimmer-30B bu tabloda bir karşılaştırma noktası olarak yer alıyor ve dört gün önceki kendi lansman tablosunda Qwen3.6-27B ile karşılaştırılmıştı. Muse Glimmer hakkındaki yazımızda, onun akran grubunun lansman sırasında zaten bir nesil geride olduğunu belirtmiştik. Bu tablo, o hikayenin diğer yarısıdır.

Nasıl çalıştırılır

README'nin haber girişine göre ağırlıklar Hugging Face Hub ve ModelScope üzerinde yer alıyor. Tek bir makine için pratik seçenek 27B yoğun (dense) biçimidir.

Belleğinizi bağlam sınırından ziyade parametre sayısına göre planlayın. 262.144 tokenlik bir pencere mevcuttur, ancak bunu doldurmak, çoğu yerel kurulumun boşta bulundurmadığı bir bellek maliyeti getirir.

Kısa bir bağlam ve gerçek bir dosya ile başlayın. Bir dışa aktarımı yükleyin, cevabını zaten bildiğiniz bir soru sorun ve daha uzun bir şeye güvenmeden önce cevabı kontrol edin.

Bu doğrulama adımı, tablosal çalışmalar için isteğe bağlı değildir. Bir model bir e-tabloyu akıcı bir şekilde tanımlayabilir ve yine de hangi sütunun toplamları tuttuğunu yanlış okuyabilir. Akıcı yanlış cevapları yakalamak, bariz olanları yakalamaktan daha zordur.

Milyon tokenlik pencereye ihtiyacınız varsa, bunu kendi donanım bütçesi olan ayrı bir çalışma olarak ele alın. İki konfigürasyon pratikte çok farklı davranır ve birini kıyaslamak diğeri hakkında size çok az şey söyler.

Önce varsayılan akıl yürütme çabasını değiştirin

İşte ilk izleniminizi şekillendirecek ayar; bu ayar model kartının kendi sohbet şablonunda da görülebilir.

Şablon, reasoning_effort değerini varsayılan olarak xhigh olarak belirler; diğer kabul edilen değerler ise medium ve low'dur. Düşünme özelliği tamamen de kapatılabilir.

Varsayılanın xhigh olması, modelin buna ihtiyaç duymayan sorular üzerinde uzun uzun düşüneceği anlamına gelir. Küçük bir CSV dosyasına yönelik tek satırlık bir arama için bu durum, modelin dikkatli olmasından ziyade yavaş olması olarak algılanır.

Dolayısıyla, ayarlanması gereken ilk şey istem (prompt) değildir. Rutin sorular için çabayı medium veya low seviyesine indirin ve xhigh seçeneğini yayın notunun asıl konusu olan çok adımlı işlere saklayın.

Bunun bir veri iş akışındaki yeri nedir

Kendi barındırdığınız açık ağırlıklı bir model, verilerin makinenizden asla çıkmaması gibi çok özel bir sorunu çözer. Mevzuata tabi veya hassas dosyalar için asıl mesele budur ve hiçbir bulut tabanlı kolaylık bunun yerini tutamaz.

Bu seçimin dışındaki her şey bir ödündür. Bu tek garanti karşılığında donanım, güncellemeler ve kuantizasyon (quantisation) kararlarını üstleniyorsunuz.

Çözmediği şey ise modelin etrafındaki diğer her şeydir. Sütun profili çıkarma, iki dışa aktarımı birleştirme, yeniden adlandırılmış bir alanı yakalama, grafik oluşturma ve belge üretme ayrı iş parçalarıdır.

Protokol ve araç katmanlarının var olma nedeni bu boşluktur. MCP nedir hakkındaki açıklayıcı yazımız, modelleri araçlara bağlayan standardı kapsıyor. Veri bağlayıcıları (data connectors) sayfası, dosya öncelikli bir boru hattının (pipeline) girdi olarak ne beklediğini gösteriyor.

Alternatifler

Gereksinim yerel ve açık kaynaklı olmasıysa, aynı boyut sınıfındaki iki güncel aday Qwen3.8-27B ve Muse Glimmer-30B'dir. Her ikisi de ağırlıklarını yayınlıyor ve her ikisi de tek bir makinede çalışıyor.

Gereksinim bir model uç noktası (endpoint) yerine bir dosyadan elde edilen bitmiş bir çıktı (artifact) ise, aracın şekli farklıdır. Powerdrill Bloom e-tabloyu alır, sütunların profilini çıkarır ve grafiği, raporu veya sunumu döndürür.

Qwen tarafında yapılacak bir fiyat karşılaştırması bulunmuyor. Bu model için resmi bir Qwen fiyatlandırma sayfasına ulaşılamadı, bu nedenle bu makalede herhangi bir rakam belirtilmemiştir.

Asıl göreviniz rapora dönüştürülmesi gereken bir dosyaysa, doğrudan üzerinde Powerdrill Bloom'u deneyin. Ayrıca bir abonelik dışa aktarımını MRR ve ARR raporuna dönüştürme kılavuzumuza ve CSV yapay zeka asistanı sayfamıza göz atın.

Sonuç

Qwen3.8-27B; 262.144 tokenlik yerel bağlama, apache-2.0 lisanslı ağırlıklara ve belgelenmiş görsel ile video girdisine sahip 27B yoğun (dense) bir modeldir. Qwen3.6-27B modeline kıyasla otonom (agentic) yeteneklerdeki sıçramalar oldukça büyüktür.

Bununla birlikte iki önemli uyarıyı da unutmamak gerekir. Depo (repo) ve model kartı çok modluluk (multimodality) konusunda çelişiyor ve yayınlanan kıyaslamalar tablosal çalışmalardan ziyade masaüstü, tarayıcı, kodlama ve görsel görevleri kapsıyor.

Değerlendirmeden önce reasoning_effort ayarını yapın. Varsayılan değer xhigh'dır ve bu varsayılan ayar, çoğu sorunun gerektirdiğinden daha fazla düşünmeye neden olur.

Sıkça sorulan sorular

Qwen3.8 ne zaman yayınlandı?

README'nin haber girişleri, hem Hugging Face Hub hem de ModelScope üzerinde Qwen3.8-27B'yi 2026-08-14'te ve Qwen3.8-2.4T-A95B'yi 2026-08-12'de kaydetmektedir.

Qwen3.8-27B çok modlu (multimodal) mu?

Evet, kendisini görselleri ve videoları anlayan yerel bir görsel-dil modeli olarak tanımlayan model kartına göre öyledir. GitHub README dosyasının çok modlu mimariyi Qwen3.5'e atfettiğini unutmayın.

Hangi bağlam uzunluğunu destekliyor?

Model kartı yerel olarak 262.144 token desteklediğini ve bunun 1.000.000'a kadar genişletilebileceğini belirtiyor. Üst sınıra yakın değerlerde çalıştırmak, tipik bir yerel kurulumun çok ötesinde bir bellek gerektirir.

Basit sorularda neden yavaş hissettiriyor?

Sohbet şablonu, reasoning_effort ayarını varsayılan olarak xhigh yapar. Rutin aramalar için bunu medium veya low seviyesine indirin ve xhigh ayarını gerçekten çok adımlı görevler için saklayın.

Kıyaslamalar e-tablo çalışmaları hakkında bir şey söylüyor mu?

Hayır. Yayınlanan tablo bilgisayar kullanımı, tarayıcı kullanımı, mobil kullanım, kodlama, görsel matematik ve web geliştirmeyi kapsıyor; tablosal analiz veya rapor oluşturma için herhangi bir kıyaslama bulunmuyor.