Qwen 3.8 27B tersine mühendislik görevini 30 dakikada tamamladı
Qwen 3.8 27B, açık ağırlıklı modeller arasında en çok beklenen sürümlerden biriydi. Model piyasaya düştüğünde birçok kişi gibi ben de hemen test etmeye başladım. Sınır düzeyinde bir model gerektirdiğini düşündüğüm tersine mühendislik görevini yalnızca 30 dakikada tamamlaması ise beklentilerin üzerinde bir performans ortaya koydu.
Testlerimi Nvidia’nın GB10 Grace Blackwell çipi üzerine inşa edilen Lenovo ThinkStation PGX üzerinde gerçekleştirdim. Bu kompakt iş istasyonu, 128 GB birleşik bellek ve 273 GB/s bant genişliği sunuyor. Varsayılan kurulumda model saniyede 15 ila 30 token üretebiliyor. Ancak SGLang, NVFP4 ve DFlash2 spekülatif kod çözme kurulumuyla bu rakam, kod ve mantık yürütme görevlerinde saniyede yaklaşık 50 tokena kadar çıkıyor.
Yapay zeka modellerinin gerçek dünya görevlerindeki başarısı, son dönemde sıkça test ediliyor. Claude Code’a tek kullanımlık bir bilgisayar verilmesi ve Linus Torvalds’ın bir Linux hatasını yapay zekayla çözmesi, bu alandaki ilerlemenin somut örnekleri arasında yer alıyor.
Qwen 3.8 27B’nin bu performansı, açık ağırlıklı modellerin yalnızca sınır modellerine özgü olduğu düşünülen görevlerde de iddialı olabileceğini gösteriyor. Özellikle uygun donanımla elde edilen yüksek çıktı hızı, modeli hem araştırmacılar hem de geliştiriciler için cazip bir seçenek haline getiriyor.
Açık ağırlıklı bir modelin bu tür bir görevi kısa sürede tamamlaması, yapay zeka ekosisteminde önemli bir dönüm noktası olarak değerlendirilebilir. Qwen 3.8 27B, sınır modellerine olan bağımlılığı azaltabilecek potansiyele sahip olduğunu kanıtlıyor.
Kaynak: XDA Developers
