Alibaba

Qwen3.8 27B (low)Abierto

Name: Qwen3.8 27B (low)
Price: 3 USD
Rating: 65 (1 reviews)
Author: Alibaba

Alibaba Qwen3.8 27B (low) model with 260K context window, optimized for advanced reasoning and multimodal tasks.

#248lanzado 14 ago 2026·Open Weights·27 billion

textimagevideo260K ctx

Proveedores de API Obtener clave API →Clasificación

Inteligencia

65.0 #248

AAQI 30.0

Velocidad de Salida

64 t/s

TTFT 3.03 s · ITL 15.6 ms/tok

Precio combinado (3:1)

$1.125 /1M

Entrada $0.5/M · Salida $3/M

Contexto

260K

≈ 650 páginas A4 · salida máx. 8,192

Quality Domain Radar

6-Axis Frontier Evaluation vs Category Average & Flagship

Qwen3.8 27B (low)

Claude Mythos Preview (#1)

Average (68)

Los ejes del radar se aproximan a partir de las puntuaciones de categoría cuando faltan mediciones directas — ver Metodología.

Despliegue de API

Comparar hosts y latencia

Throughput, TTFT y precios de caché en Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock y Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI

Ver matriz de proveedores →

Puntuaciones por Fuente

Arena.ai ↗

—

Artificial Analysis ↗

30.0

Índice de Inteligencia

Puntuaciones por Categoría

Contexto largo75.0 Valor65.0 Razonamiento45.0 Matemáticas39.0 Conocimiento39.0 Agéntico36.0 Multimodal36.0 Intelligence30.0 Velocidad21.3

Resultados de Benchmarks

GPQA Diamond36%

Detalles del Modelo

Fecha de Lanzamiento

14 ago 2026

Parámetros

27 billion

Licencia

Open Weights

Ventana de Contexto

260,000 tokens

Precio de Entrada

$0.5/M

Precio de Salida

$3/M

Velocidad de Salida

64 t/s

Tiempo al Primer Token

3.03 s

Factura mensual estimada

Solicitudes API mensuales: 100,000Tokens de entrada medios: 1,500Tokens de salida medios: 500Tasa de aciertos de caché de prompts: 50%

Gasto mensual estimado

$0.00

Calculando ahorro vs GPT-4o…

Citar e insertar

Badge de Markdown para GitHub

Loading badge markdown...

BibTeX

@misc{llmpodium2026qwen3827blow,
  title = {Benchmark Analysis and Intelligence Evaluation of Qwen3.8 27B (low)},
  author = {LLMPodium Research},
  year = {2026},
  url = {https://llmpodium.com/models/qwen3-8-27b-low}
}