Az Alibaba Qwen 3.8 27B modellje túlzottan gondolkodik alapértelmezetten

Az Alibaba Qwen 3.8 27B modellje 17 GB-os méretével kiválóan alkalmas lokális futtatásra, és már elérhető az LM Studio és az OpenRouter platformokon is. (Simon Willison)

Simon Willison tesztjei azt mutatták, hogy a modell egy egyszerű pelikán SVG generálása során 21 percig gondolkodott, 22 276 reasoning tokent felhasználva, míg ugyanaz a feladat kikapcsolt elemzéssel mindössze 137 másodpercet vett igénybe.

Az alapértelmezett beállítások problémái

A Qwen 3.8 27B alapértelmezetten a „xhigh” reasoning erőfeszítési szintet használja, ami bonyolult feladatoknál alapos elemzést tesz lehetővé, de a hétköznapi feladatoknál is „spektakuláris túlgondolkodást” eredményez. A túlzott elemzés miatt a modell gyorsan kimeríti a tipikus, 8192 tokenes kontextuslimiteket, így a probléma megoldásához a maximális, 262 144 tokenes kontextushossz betöltése szükséges.

Látásfeladatok és új eszközök

A modell látásfeladatokban, például a képeken lévő objektumok köré rajzolt bounding boxok azonosításában kiemelkedően jól teljesít. Egy fotón lévő pelikánok azonosítására írt promptra a modell pontosan visszaadta a bounding boxokat. Ezt a képességet kihasználva Willison egy új, offline futtatható eszközt is épített a Qwen 3.8 27B segítségével, amely képes képek URL-jéből és JSON adatokból vizuális címkézést végezni.

Willison a sebesség és a kimeneti minőség egyensúlyának elérése érdekében a „low” vagy „medium” reasoning szintek használatát javasolja.