¿Qué es Qwen3.8-27B y se puede ejecutar en un PC de casa?

¿Qué se ha anunciado?

El equipo Qwen de Alibaba publicó a mediados de agosto de 2026 (los pesos aparecieron el 14 de agosto, según la información disponible) Qwen3.8-27B, un modelo de lenguaje “denso” de unos 27.000 millones de parámetros con pesos abiertos en Hugging Face y ModelScope.

Según la ficha oficial, sus puntos clave son:

• Licencia Apache 2.0: uso libre, también comercial.
• Contexto de 262.144 tokens de forma nativa, ampliable hasta 1 millón con la técnica YaRN.
• Multimodal: entiende imágenes, vídeo y documentos además de texto.
• Modo de razonamiento activado por defecto, con un parámetro para ajustar cuánto “piensa”.

A la vez, Alibaba publicó un modelo enorme, Qwen3.8-2.4T-A95B, pero ese no es realista para un ordenador doméstico y, además, tiene una licencia propia con restricciones comerciales.

¿Se puede ejecutar en un PC normal?

Con matices. Los pesos completos ocupan unos 54-56 GB, demasiado para casi cualquier gráfica de consumo. La forma habitual de usarlo en casa es con una versión cuantizada (por ejemplo, GGUF a 4 bits), que reduce el tamaño a una fracción. La propia ficha de Hugging Face lista más de mil cuantizaciones de la comunidad compatibles con llama.cpp, Ollama, LM Studio y Jan.

Como orientación general (no son cifras oficiales de Alibaba), un modelo de 27B a 4 bits suele necesitar del orden de 16-20 GB entre pesos y contexto, así que encaja mejor en gráficas de 24 GB o en equipos con memoria unificada. Con menos VRAM puede funcionar repartiendo capas con la RAM, pero más despacio. Si quieres hacer números con tu equipo, usa nuestra herramienta ¿qué IA puedo ejecutar? y la guía de cuánta VRAM necesitas. Si la cuantización te suena a chino, empieza por qué es la cuantización GGUF.

¿Cuánto cuesta y cuándo llega a España?

El modelo es gratuito y está disponible en todo el mundo desde su publicación, incluida España. El único coste es el hardware y la electricidad si lo ejecutas en local.

¿Qué cambia frente a modelos anteriores?

Alibaba lo presenta como una mejora clara en programación, tareas profesionales y agentes que encadenan muchos pasos. En la ficha publica cifras como 61,7 en SWE-Bench Pro o 89,2 en GPQA Diamond. Hay que tomarlas con cautela: son datos del propio fabricante y eWeek señala que todavía faltan comparativas independientes en igualdad de condiciones.

¿Para quién es?

• Para quien ya usa IA local y tiene una gráfica con mucha VRAM o un equipo con memoria unificada abundante.
• Para desarrolladores que quieren un modelo con licencia permisiva para integrarlo en productos.
• Para quien necesita trabajar con documentos largos o imágenes sin enviarlos a la nube.

Si es tu primera vez, empieza por instalar Ollama en Windows y prueba antes un modelo más pequeño.

Nuestra opinión

Esto es opinión. Las primeras impresiones de usuarios y analistas son muy positivas en calidad: Simon Willison lo califica de excelente para su tamaño, también en visión y en tareas de programación, y en Hacker News varios desarrolladores cuentan que acierta más a la primera que Qwen3.6 y que no da la impresión de estar optimizado solo para los benchmarks, aunque otros notan menos conocimiento general. La pega más repetida es que piensa demasiado: con el razonamiento por defecto (xhigh) genera muchísimos tokens y, a los 15-30 tokens/s que se ven en equipos domésticos, una respuesta puede tardar minutos. También se han reportado fallos en la plantilla de chat al desactivar el razonamiento y caídas de calidad fuertes por debajo de 4 bits, mientras que las pruebas de Quesma indican que la versión Q4_K_M (unos 17 GB) rinde prácticamente igual que el modelo completo. Para quien tenga una gráfica de 24 GB o un equipo con mucha memoria unificada es una de las opciones locales más interesantes, mejor en 4 bits y bajando el nivel de razonamiento; con 8 o 12 GB de VRAM la experiencia será lenta.