Alex GetmanAI பற்றிய முன்கூட்டிய சிக்னல்கள்
TA

Qwen3.8

Alibaba

செய்திகளின்படிவெளியீட்டுத் தேதி தெரியவில்லைபுதுப்பிக்கப்பட்டது

காலவரிசை

  1. · ஆதார இணைப்புகள் · GitHub search · Alibaba · commits · onprem-ai/deployment-catalog · @tomas-polach
  2. · ஆதார இணைப்புகள் · GitHub search · Alibaba · commits · finereli/pyramid-mcp · @finereli
  3. · ஆதார இணைப்புகள் · GitHub search · Alibaba · commits · fdietze/pi-infinite-context · @fdietze
  4. · அலெக்ஸின் பதிவுகள் · மாதிரிக் குடும்பம் · GitHub search · Alibaba · commits · agentgateway/agentgateway · @github-actions[bot]
    பகுதி
    json.providers.nebius.models["Qwen/Qwen3.8-27B"].name = "Qwen3.8 27B";
  5. · ஆதார இணைப்புகள் · GitHub search · Alibaba · commits · aabhay007/Personal-AI-Core · @aabhay007
  6. · ஆதார இணைப்புகள் · GitHub search · Alibaba · commits · QuantumKuba/Diffactly · @QuantumKuba
  7. · ஆதார இணைப்புகள் · GitHub search · Alibaba · commits · Hallo-ich-bin-PeppaPig/Singularity · @Hallo-ich-bin-PeppaPig
  8. · ஆதார இணைப்புகள் · GitHub search · Alibaba · commits · Azure/azureml-assets · @hanbitmyths
    பகுதி
    Add MAI, Qwen3.8 and Nemotron 3.5 Foundry Local coding models (#5452)
  9. · அலெக்ஸின் பதிவுகள் · மாதிரிக் குடும்பம் · GitHub search · Alibaba · pulls · xadupre/devdash-agents · @xadupre
    பகுதி
    - 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. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] qwen38_flash package entry: register() and READMEs
  11. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] MTP draft model
  12. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] KV offload pool regions
  13. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] Runner input adapter
  14. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] Hyper-connection layers
  15. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] GDN layer input preparation
  16. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] Pooled KV cache materialization
  17. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] PD transfer: identity, manifest and Raiden connector
  18. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] Config hook, geometry checks and pooled cache layout
  19. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] PLE feature: tables, host lookup, storage, offload and pooled PLE
  20. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] Sequence-parallel prefill backbone
  21. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] QSA attention layer
  22. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] Model-owned GDN op and layer (no register_oot)
  23. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] Per-group Mamba index accessors
  24. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] Mamba tail fold: export prefill checkpoints from inside the step
  25. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] In-place rows update op
  26. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] PLE Torch-to-JAX ops
  27. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] QSA Torch-to-JAX ops
  28. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] Torch bridge for the QSA kernels
  29. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] GDN input preparation kernel
  30. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] Unified KV pool kernels
  31. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] PLE lookup and gate kernels
  32. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] Hyper-connection kernels
  33. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] Pooled QSA kernel over the unified KV pool
  34. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] QSA KV write kernels (fused, main, compressed)
  35. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] QSA union-walk kernels (plan, dense, SparseCore gather, prefill)
  36. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] Qwen3.8-Flash model and registration hooks
  37. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vllm-project/vllm-torchtpu · @DRZDONG
    பகுதி
    [Model][Qwen3.8] QSA main-KV decode context parallelism over rank pairs (DCP-2) kernels
  38. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vjmichael/Lu-AI-GUI · @vjmichael
    பகுதி
    - 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. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · vitessio/vitess · @jdoupe
  40. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · nearai/cvm-compose-files · @PierreLeGuen
  41. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · michsindlinger/specwright · @michsindlinger
  42. · அலெக்ஸின் பதிவுகள் · மாதிரிக் குடும்பம் · GitHub search · Alibaba · pulls · SceneWorks/SceneWorks · @michaeltrefry
    பகுதி
    SW-7119: Qwen3.8 27B describer model and tier in core, worker, API and catalog
  43. · அலெக்ஸின் பதிவுகள் · மாதிரிக் குடும்பம் · GitHub search · Alibaba · pulls · NVIDIA/hyperflare-inference · @Raydius
    பகுதி
    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. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · FlashML-org/FreeToken · @zihaomu
  45. · அலெக்ஸின் பதிவுகள் · மாதிரிக் குடும்பம் · GitHub search · Alibaba · pulls · BuQQzz/SHIELD2.0 · @BuQQzz
    பகுதி
    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. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · Azure/azureml-assets · @hanbitmyths
    பகுதி
    Add MAI, Qwen3.8 and Nemotron 3.5 Foundry Local coding models
  47. · ஆதார இணைப்புகள் · GitHub search · Alibaba · pulls · 0xburden/modelship · @0xburden
    பகுதி
    - 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. · ஆதார இணைப்புகள் · GitHub · QwenLM/qwen-code · PR
    பகுதி
    - The Standard preset has the same qwen3.8 effort and GLM thinking gaps and will be aligned in a follow-up
  49. · அலெக்ஸின் பதிவுகள் · மாதிரிக் குடும்பம் · Alex Getman
    பகுதி
    🚨 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. · அலெக்ஸின் பதிவுகள் · மாதிரிக் குடும்பம் · Alex Getman
    பகுதி
    🚨 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. · அலெக்ஸின் பதிவுகள் · மாதிரிக் குடும்பம் · Alex Getman
    பகுதி
    🚨 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. · அலெக்ஸின் பதிவுகள் · Alex Getman
    பகுதி
    ⚡️ 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. · அலெக்ஸின் பதிவுகள் · Alex Getman
    பகுதி
    ⚡️ 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. · அலெக்ஸின் பதிவுகள் · Alex Getman
    பகுதி
    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.
தொழில்நுட்ப விவரங்கள்

ரேடார் · Qwen3.8 · வெளியீட்டுத் தேதி தெரியவில்லை

கேள்விகள்

Qwen3.8 எப்போது வெளியிடப்பட்டது?

வெளியீட்டுத் தேதி தெரியவில்லை