Qwen 3.8 27B ist da – und es ist ein seltsames Paket: ein beeindruckend starkes Modell mit einem übereifrigen Werks-Setting. Das neue Open-Source-Modell von Alibaba zeigt, wie schnell lokale KI an die Spitzenklasse heranrückt – und warum Standardeinstellungen trotzdem die größte Kostenfalle sein können.
Was Qwen 3.8 27B ist
Qwen 3.8 27B ist ein frei lizenzierbares (Apache 2) Sprach- und Bildmodell mit 27 Milliarden Parametern. Das Besondere an dieser Größe: Das Modell passt als 17-GB-Datei auf einen leistungsfähigen Laptop oder Arbeitsrechner – kein Rechenzentrum nötig. Der bekannte KI-Analyst Simon Willison hat es am Wochenende einem ausführlichen Praxistest unterzogen und kommt zu einem klaren Urteil: fachlich exzellent, aber werksseitig falsch eingestellt.
Das Problem: Der Werksstandard ist „maximales Nachdenken“
Qwen liefert das Modell mit der Einstellung „xhigh“ aus – der höchsten Denkstufe. Für einfache Aufgaben ist das, als würdest Du für einen Einkaufszettel einen Projektleiter, zwei Analysten und einen Juristen konsultieren. Willison hat es ausprobiert:
- Auf die simple Anfrage „Zeichne einen Kreis als SVG“ antwortete das Modell mit einer ausführlichen Designstudie über Bauhaus-Paletten und animierten geometrischen Ringen – ein wunderschöner animierter Kreis, nur eben nicht das, was gefragt war.
- Für eine SVG-Grafik eines Pelikans auf einem Fahrrad brauchte das Modell 21 Minuten und 22.276 „Denk-Bausteine“ – das Ergebnis war beeindruckend gut, aber kein Mensch wartet so lange auf ein Bild.
- Mit abgeschaltetem Nachdenken dauerte dieselbe Aufgabe 137 Sekunden – bei nur minimal schlechterem Ergebnis.
Willisons Empfehlung ist eindeutig: Den Werksstandard ignorieren und das Modell auf niedriger oder gar keiner Denkstufe starten.
Was das Modell wirklich kann
Abseits der Einstellungsfalle sind die Ergebnisse bemerkenswert – vor allem für ein Modell, das komplett lokal läuft:
- Bilderkennung: Es markiert Objekte auf Fotos mit erstaunlicher Präzision – in Willisons Test traf es zwei Pelikane auf den Punkt genau.
- Code schreiben: Es kann Coding-Agenten antreiben, also eigenständig mehrere Dateien lesen, Code ändern und Werkzeuge aufrufen – auf dem eigenen Rechner, ohne Cloud.
- Werkzeuge bauen: Aus einer einzigen Anweisung baute es eine komplette Webanwendung zur Bildanalyse – inklusive Funktionen, die niemand bestellt hatte.
Der Haken: Geschwindigkeit
Trotz aller Stärken fühlt sich das Modell träge an. Willison maß 15–30 Wörter pro Sekunde auf seiner Hardware – im Vergleich zu Cloud-Modellen mit bis zu 184 Wörtern pro Sekunde ist das langsam. Die Community arbeitet aber bereits an Lösungen: Ein erster Test mit Multi-Token-Vorhersage (MTP), einer Technik, bei der das Modell mehrere Wörter gleichzeitig vorhersagt, brachte 72 % mehr Geschwindigkeit – ohne Qualitätsverlust.
Klartext-Winkel
Die eigentliche Nachricht dieses Modells ist nicht seine Größe, sondern was es demonstriert: Ein komplett lokal laufendes Modell mit langem Gedächtnis, Bildverständnis und brauchbarer Code-Fähigkeit passt in eine 17-GB-Datei. Vor einem Jahr hätte man dafür ein Rechenzentrum gebraucht.
Für Unternehmen bedeutet das zweierlei:
- Lokale KI wird ernsthaft machbar. Wer sensible Daten nicht in fremde Clouds geben will, kann zunehmend auf Modelle wie Qwen 3.8 27B zurückgreifen – auf eigener Hardware, mit voller Datenkontrolle.
- Die Einstellungen entscheiden über die Kosten. Ein Modell im „xhigh“-Modus frisst Rechenzeit ohne Mehrwert. Wer KI einsetzt, braucht jemanden, der die Denkstufen richtig konfiguriert – sonst zahlt er für 21 Minuten Nachdenken über einen Pelikan.
Für wen lohnt sich das?
- Datenschutzbewusste Unternehmen, die KI lokal statt in der Cloud betreiben wollen
- Entwicklungsteams, die Coding-Agenten auf eigener Hardware testen möchten
- Kostenbewusste Betriebe, die laufende KI-Ausgaben senken wollen – nach einmaligem Hardware-Kauf laufen lokale Modelle ohne Nutzungskosten
Quelle: Simon Willison: „Qwen 3.8 27B is excellent, but it defaults to wildly overthinking things“ (16.08.2026)