Alex GetmanAI-യുടെ ആദ്യ സൂചനകൾ
ML

Qwen3.8

Alibaba

റിപ്പോർട്ടുകൾ പ്രകാരംറിലീസ് തീയതി അറിയില്ലപുതുക്കിയത്

കാലക്രമം

  1. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · commits · onprem-ai/deployment-catalog · @tomas-polach
  2. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · commits · finereli/pyramid-mcp · @finereli
  3. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · commits · fdietze/pi-infinite-context · @fdietze
  4. · അലക്സിന്റെ പോസ്റ്റുകൾ · മോഡൽ കുടുംബം · GitHub search · Alibaba · commits · agentgateway/agentgateway · @github-actions[bot]
    ഉദ്ധരണി
    json.providers.nebius.models["Qwen/Qwen3.8-27B"].name = "Qwen3.8 27B";
  5. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · commits · aabhay007/Personal-AI-Core · @aabhay007
  6. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · commits · QuantumKuba/Diffactly · @QuantumKuba
  7. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · commits · Hallo-ich-bin-PeppaPig/Singularity · @Hallo-ich-bin-PeppaPig
  8. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · commits · Azure/azureml-assets · @hanbitmyths
    ഉദ്ധരണി
    Add MAI, Qwen3.8 and Nemotron 3.5 Foundry Local coding models (#5452)
  9. · അലക്സിന്റെ പോസ്റ്റുകൾ · മോഡൽ കുടുംബം · GitHub search · Alibaba · pulls · xadupre/devdash-agents · @xadupre
    ഉദ്ധരണി
    - Real Qwen3.8 27B on H200-101, physical CUDA 7: streaming generation and a follow-up turn succeeded. Used a temporary configuration with 16 KV blocks and
  10. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] qwen38_flash package entry: register() and READMEs
  11. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] MTP draft model
  12. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] KV offload pool regions
  13. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] Runner input adapter
  14. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] Hyper-connection layers
  15. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] GDN layer input preparation
  16. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] Pooled KV cache materialization
  17. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] PD transfer: identity, manifest and Raiden connector
  18. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] Config hook, geometry checks and pooled cache layout
  19. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] PLE feature: tables, host lookup, storage, offload and pooled PLE
  20. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] Sequence-parallel prefill backbone
  21. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] QSA attention layer
  22. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] Model-owned GDN op and layer (no register_oot)
  23. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] Per-group Mamba index accessors
  24. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] Mamba tail fold: export prefill checkpoints from inside the step
  25. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] In-place rows update op
  26. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] PLE Torch-to-JAX ops
  27. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] QSA Torch-to-JAX ops
  28. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] Torch bridge for the QSA kernels
  29. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] GDN input preparation kernel
  30. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] Unified KV pool kernels
  31. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] PLE lookup and gate kernels
  32. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] Hyper-connection kernels
  33. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] Pooled QSA kernel over the unified KV pool
  34. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] QSA KV write kernels (fused, main, compressed)
  35. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] QSA union-walk kernels (plan, dense, SparseCore gather, prefill)
  36. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] Qwen3.8-Flash model and registration hooks
  37. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    ഉദ്ധരണി
    [Model][Qwen3.8] QSA main-KV decode context parallelism over rank pairs (DCP-2) kernels
  38. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vjmichael/Lu-AI-GUI · @vjmichael
    ഉദ്ധരണി
    - Physical interactive owner Windows/Radeon Qwen3.8, Vulkan VRAM/TFFB TTFT p50/p95, and actual local installed MMProj; hosted CPU small models do not substitute.
  39. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · vitessio/vitess · @jdoupe
  40. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · nearai/cvm-compose-files · @PierreLeGuen
  41. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · michsindlinger/specwright · @michsindlinger
  42. · അലക്സിന്റെ പോസ്റ്റുകൾ · മോഡൽ കുടുംബം · GitHub search · Alibaba · pulls · SceneWorks/SceneWorks · @michaeltrefry
    ഉദ്ധരണി
    SW-7119: Qwen3.8 27B describer model and tier in core, worker, API and catalog
  43. · അലക്സിന്റെ പോസ്റ്റുകൾ · മോഡൽ കുടുംബം · GitHub search · Alibaba · pulls · NVIDIA/hyperflare-inference · @Raydius
    ഉദ്ധരണി
    The pinned Qwen3.8 Flash Next checkpoint trains a 262,144-token context (theta 10M, interleaved MRoPE 11/11/10). This adds a declared serving variant of the same weights
  44. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · FlashML-org/FreeToken · @zihaomu
  45. · അലക്സിന്റെ പോസ്റ്റുകൾ · മോഡൽ കുടുംബം · GitHub search · Alibaba · pulls · BuQQzz/SHIELD2.0 · @BuQQzz
    ഉദ്ധരണി
    Makes Qwen3.8 27B (IQ1_M) a working coding model on an 8 GB card (RTX 2070 SUPER) through SHIELD's own llama-server.
  46. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · Azure/azureml-assets · @hanbitmyths
    ഉദ്ധരണി
    Add MAI, Qwen3.8 and Nemotron 3.5 Foundry Local coding models
  47. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Alibaba · pulls · 0xburden/modelship · @0xburden
    ഉദ്ധരണി
    - Reviewed immutable catalog of 25 standalone Qwen3.8 GGUF quantizations; wizard displays sizes, numeric/letter/full-value selection and a visible UD-Q4_K_M default. No hardware-driven quant substitution; flags
  48. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub · QwenLM/qwen-code · PR
    ഉദ്ധരണി
    - The Standard preset has the same qwen3.8 effort and GLM thinking gaps and will be aligned in a follow-up
  49. · അലക്സിന്റെ പോസ്റ്റുകൾ · മോഡൽ കുടുംബം · Alex Getman
    ഉദ്ധരണി
    🚨 Qwen3.8 Omni Flash is out It can see, hear and understand video, then actually act on it Give it hours of footage and it can find the right moments, translate, edit or turn it into notes. Give it a meeting and it can pull out tasks and start working on them 1M context, API from $0.43
  50. · അലക്സിന്റെ പോസ്റ്റുകൾ · മോഡൽ കുടുംബം · Alex Getman
    ഉദ്ധരണി
    🚨 QWEN3.8 FLASH NEXT IS OUT The leaked specs were real: • 125B multimodal MoE • Only 6B active • 262K native context, up to 1M Qwen says it beats Claude Opus 4.6 across coding, agentic tasks, tool use and several multimodal benchmarks.
  51. · അലക്സിന്റെ പോസ്റ്റുകൾ · മോഡൽ കുടുംബം · Alex Getman
    ഉദ്ധരണി
    🚨 QWEN3.8 FLASH NEXT DROPS TODAY A ModelScope description that was quickly taken down reportedly revealed: • 125B main parameters • 51B N gram embeddings • Only 6B active per token • Multimodal MoE architecture The model is also an official preview of the upcoming Qwen4 architecture.
  52. · അലക്സിന്റെ പോസ്റ്റുകൾ · Alex Getman
    ഉദ്ധരണി
    ⚡️ Qwen 3.8 27B beat GPT 5.6 Terra This happened in the AA Agentic Index, a benchmark that tests how well models handle agentic tasks. And you can run Qwen 3.8 27B locally on a single RTX 3090.
  53. · അലക്സിന്റെ പോസ്റ്റുകൾ · Alex Getman
    ഉദ്ധരണി
    ⚡️ Alibaba released Qwen3.8’s weights A model at Claude Opus 4.6 level, a flagship just six months ago, can now run on a single RTX 4090. Qwen3.8 27B uses around 17 GB of VRAM when quantized and should deliver ~50 tok/s.
  54. · അലക്സിന്റെ പോസ്റ്റുകൾ · Alex Getman
    ഉദ്ധരണി
    Alibaba just teased Qwen3.8 with 2.4T parameters This is the new Qwen flagship, with open weights coming soon. Alibaba ranks it right below Claude Fable 5. Public benchmarks are still missing, so nobody really knows how close it actually is to Fable, or how it stacks up against GPT-5.6 Sol and Kimi K3. Pricing is the fun part. Kimi K3 costs $3/$15, so Qwen3.8 will probably land in the same range. The preview is already live in Qoder. It uses 10x fewer credits during the day and 50x fewer at night, so you can basically test it for free.
സാങ്കേതിക വിവരങ്ങൾ

റഡാർ · Qwen3.8 · റിലീസ് തീയതി അറിയില്ല

ചോദ്യങ്ങൾ

Qwen3.8 എപ്പോഴാണ് റിലീസ് ചെയ്തത്?

റിലീസ് തീയതി അറിയില്ല