X-PostAstraiaMeinung
Sollte sich die Hypothese bestätigen, zeigt sie einen effizienten Weg auf, wie kleinere Open-Weights-Modelle die Fähigkeiten von Frontier-Modellen adaptieren können. Indem Ausgaben großer Modelle als RL-Belohnungsziel und nicht als statische Trainingsdaten genutzt werden, erlernen kleinere Modelle eigenständige Problemlösungsschritte statt reiner Musterimitation.
Die Beobachtung stützt sich auf Verhaltensmuster beim Reasoning während praktischer Tests. Die Theorie argumentiert, dass Intelligenz ein Lösungsweg und keine reine Kompression sei: Das kleinere 27B-Modell erhält den Freiraum, so ausführlich nachzudenken wie nötig, um ein Ergebnis zu erreichen, das dem Flaggschiffmodell entspricht. Einige Reaktionen aus der Community weisen darauf hin, dass diese langen Reasoning-Ketten erhebliche Anforderungen an Prefill-Geschwindigkeit und Hardware-Bandbreite im Test-Time-Compute stellen.
Astraia
@AstraiaAI · 15. August 2026
Okay, I am fairly confident in my hypothesis now. The secret sauce behind Qwen 3.8 27B becomes almost immediately evident during testing. It is not the training data. In fact, I doubt any SFT was involved at all. The model was simply allowed GRPO with a more liberal reasoning t.co/mPKeIMLp0q
1503 Likes39 Antworten995 Lesezeichen121.991 Aufrufe
Auf X ansehenZusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Link:Qwen
Das Qwen-Team hat mit Qwen3.8-27B ein kompaktes, dichtes Vision-Language-Modell unter der Apache-2.0-Lizenz veröffentlicht. Das 27-Milliarden-Parameter-Modell kombiniert Gated DeltaNet mit regulärer Attention, versteht Bilder sowie Videos und bietet flexible Steuerungsmöglichkeiten für Denkprozesse.
Link:Qwen Team
Das Qwen-Team stellt eine Reihe neuer KI-Modelle und Trainingsmethoden vor, darunter das Guardrail-Modell Qwen3Guard, die Bildmodelle Qwen-Image und Qwen-Image-Edit sowie den RL-Algorithmus GSPO.
Link:kodee
Empero hat Qwythos-27B-v1 vorgestellt, ein Open-Weights-Reasoning-Modell unter der Apache-2.0-Lizenz. Das auf Qwen3.5-27B basierende Modell behält native Funktionsaufrufe, Vision-Fähigkeiten, MTP für spekulatives Decoding sowie ein auf eine Million Tokens erweitertes Kontextfenster bei.
Link:Unsloth AI
Unsloth AI hat quantisierte GGUF-Versionen des neuen Modells Qwen3.8-27B unter der Apache-2.0-Lizenz bereitgestellt. Die Quantisierungen nutzen das neue Verfahren Dynamic V3.0, das gegenüber anderen Anbietern eine höhere Genauigkeit bei gleicher Dateigröße erzielen soll. Qwen3.8-27B ist ein 27 Milliarden Parameter starkes Vision-Language-Modell mit nativer Bild- und Videoverarbeitung, hybridem DeltaNet- und Attention-Aufbau sowie flexibler Steuerung von Denkprozessen.
X-Post:Trevor Wood
Trevor Wood und das PocketAI Model Lab haben optimierte MLX-Versionen des Modells Qwen3.8-27B für Apple Silicon veröffentlicht. Bei diesen Varianten wurden die antrainierten Verweigerungsmechanismen („Abliteration“) entfernt, und sie stehen in Quantisierungen von 2-Bit bis BF16 zur Verfügung.
3198Lesezeichen199.030Aufrufe
Link:OrcaRouter
OrcaRouter hat eine modifizierte FP8-Version des multimodalen Modells Qwen3.8-27B auf Hugging Face bereitgestellt. Durch gezielte Abliteration wurde die interne Verweigerungsrichtung entfernt, um das Modell für Red-Teaming und Sicherheitsforschung ohne Schutzfilter nutzbar zu machen.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
