Iltakooste

Tekoälyn päivälehti — mallit, työkalut ja hardware

Perjantai · 14. elokuuta 2026Iltapainos · klo 21Nro 42

Se tuli, ja se tuli päivää etuajassa. Qwen3.8-27B on Hugging Facessa Apache 2.0 -lisenssillä: kahdenkymmenenseitsemän miljardin parametrin tiheä malli, joka näkee kuvat ja videot, jonka konteksti on kaksisataakuusikymmentäkaksituhatta tokenia ja venyy miljoonaan, ja jonka kerroksista kolme neljäsosaa ei laske klassista huomiota lainkaan. Tämä lehti on odottanut sitä kolme päivää — ja odottanut siksi, että se on tämän vuoden ensimmäinen huippumalli, joka mahtuu neljän bitin luokassa yhdelle kahdenkymmenenneljän gigatavun näytönohjaimelle. Julkaisuhetken kertoi ensimmäisenä japanilainen PC Watch: painot ilmestyivät Japanin aikaa viisitoista minuuttia yli puolenyön, eli Euroopassa perjantai-iltana. Sama lehti kertoi myös illan toisen mallikuulumisen: Z.ai julkisti GLM-5.3:n, joka on yhtiön oman mittauksen mukaan vahvin avoimen painon koodimalli — ja jonka painoja ei saa vielä kahteen viikkoon, koska yhtiö haluaa ensin tarkistaa, mitä sen kyberosaamiselle tapahtui koulutuksen aikana. Pienemmässä päässä Liquid AI julkaisi keskiviikkona LFM2.5-VL-3B:n, joka mahtuu kolmeen gigatavuun ja lukee tietokoneen näyttöä paremmin kuin moni kolme kertaa suurempi malli. Ja mini-PC-palstalla vuorossa on alle tuhannen euron luokka, jossa vertailtavana on kaksi konetta, joiden lepomelu on mitattu täsmälleen samaan lukemaan — ja joiden hinta-laatuindeksi eroaa silti neljänneksellä. Rehellisyyden nimissä kaksi asiaa. Tästä numerosta puuttuu Media-palsta: kahden vuorokauden haku ei tuottanut yhtään varmistettua uutta avoimen painon kuva-, video- tai puhemallia, eikä täytettä tässä kirjoiteta. Ja monikielinen hakukierros oli tänään laiha — neljästätoista kielestä vain japani ja kiina toivat numeroon asti yltäneitä löydöksiä.

64 kerrosta · 16 toistuvaa lohkoaDeltaNetDeltaNetDeltaNetHuomio× 163 lineaarista lohkoa jokaista täyttä huomiolohkoa kohtikonteksti 262 144 · YaRNilla 1 000 000 tokenia27B tiheä~16 GB Q4Apache 2.0natiivi kuva- ja videoymmärrys · MTP-pää mukana

Qwen · Hugging Face · 14.8.2026

Qwen3.8-27B on ulkona Apache 2.0:lla — ja kolme neljäsosaa sen kerroksista ei käytä tavallista huomiomekanismia lainkaan

Kahdenkymmenenseitsemän miljardin tiheä malli, joka ymmärtää natiivisti kuvat ja videot, kantaa 262 144 tokenin kontekstin ja venyy YaRNilla miljoonaan. Neljän bitin kvantisoinnissa painot painavat noin 16 gigatavua — tämä on vuoden ensimmäinen huippumalli, joka mahtuu yhdelle kuluttajakortille.

Lue pääjuttu →

ScreenSpot-v2: edeltäjä vastaan uusityöpöytämobiiliweb78,781,282,2n. 3 GB muistia · 228 t/s M5 Max · 116 t/s Ryzen AI Max+ 395harmaa palkki = LFM2-VL-3B · punainen = LFM2.5-VL-3B

Liquid AI · Hugging Face · 12.8.2026

Kolme gigatavua muistia, 228 tokenia sekunnissa ja näyttökuvien luku, joka nousi kuudesta pisteestä 79:ään

Liquid AI:n LFM2.5-VL-3B on 3,1 miljardin parametrin näkömalli, joka on tehty puhelimelle ja kannettavalle. Edeltäjä ei osannut lukea tietokoneen näyttöä lainkaan; uusi lukee sitä paremmin kuin useimmat kokoluokkansa mallit — ja ajaa 116 tokenia sekunnissa Ryzen AI Max+ 395:llä.

Lue juttu →

GGML_OP_GATED_DELTA_NETyksi ggml-operaatio · GDA (skalaariportti) ja KDA (rivikohtainen)CPUCUDAMetalMTPpäädimensiot 64 ja 128 · fuusioitu lohkoittainen polkuarkkitehtuuritunnus: qwen3_5uusi malli, vanha tunnus — siksi ketju oli valmiina

llama.cpp · GitHub · 14.8.2026

Illan mallia ei tarvinnut odottaa, koska sen arkkitehtuuri ehti moottoriin ensin — ja se sanoo itse olevansa Qwen3.5

Qwen3.8-27B:n kerroksista kolme neljäsosaa on Gated DeltaNet -kerroksia. Juuri se operaatio ajettiin llama.cpp:hen omana ggml-operaationaan, ja Metal-taustaosa sai siitä oman toteutuksensa. Mallivaraston arkkitehtuuritunnus paljastaa, miksei tuki ollut kiinni uudesta koodista.

Lue juttu →

Sama malli, neljä pakkaustapaaBF16FP8NVFP4GGUF Q4~54 GB~27 GB~16 GB~16 GB107 kvantisointia · 10 hienosäätöäkoot ovat lehden laskelmia, eivät tiedostolistauksia

Hugging Face · kvantisoinnit · 14.8.2026

Sata seitsemän kvantisointia ensimmäisenä päivänä — ja neljä eri lukutapaa samalle mallille

Qwen3.8-27B:n mallipuussa on julkaisupäivänä 107 kvantisointia ja kymmenen hienosäätöä. Formaatteja on neljää lajia, ne eivät kelpaa samoille moottoreille, eivätkä ne kaikki mahdu samaan koneeseen. Tässä on kartta.

Lue juttu →

Sama pohjamalli, uusi jälkikoulutus743 miljardin parametrin pohja — ei muuttunutGLM-5.223,4 %GLM-5.334,5 %Z.ai Code Bench, yhtiön oma mittaus1 097 kriittistä haavoittuvuutta käytössä olevistaohjelmistoista · painot vasta n. 2 viikon päästäavoin — myöhemmin

Z.ai · 14.8.2026

Vahvin avoimen painon koodimalli on tänään suljettu — ja jää suljetuksi kaksi viikkoa, koska se oppi murtautumaan ohjelmistoihin

Z.ai julkisti GLM-5.3:n, jonka pohjamalli on sama kuin GLM-5.2:n. Koko harppaus tulee jälkikoulutuksesta. Painot luvataan noin kahden viikon päästä — ensimmäistä kertaa GLM-sarjassa julkaisua lykätään nimenomaan turvallisuustarkastuksen takia.

Lue juttu →

Artificial Analysis -indeksi, aiemmat sukupolvetQwen3.5-27BQwen3.6-27BQwen3.8-MaxQwen3.8-27B353856ei vielä mitattuindeksi v4.1.1 — yhdeksän erillistä koettaasteikko 0–100, korkeampi parempi

Benchmarkit · 14.8.2026

Illan mallista on kaksitoista lukua, ja jokainen niistä on julkaisijan itsensä mittaama

Qwen3.8-27B:n taulukko on vaikuttava, mutta se on Qwenin oma: vertailumallit ajettiin uudelleen talon omalla ajurilla, osa tehtävistä korjattiin, ja yhtä mittaria arvioi GPT-4o. Riippumatonta mittausta ei ole vielä olemassa — ja tässä on se, mitä sen odottaminen tarkoittaa.

Lue juttu →

72 × 72 × 44,5 mm · 206 gG5Styypillinen NUC 131 mmMuistikaista, laskennallinen (GB/s)G5S ~19,2Iltakoosteen valinta 136,58 GB LPDDR4-2400 · 128 GB SSD · 33 999 ¥kaistat laskennallisia, eivät mitattuja

GMKtec · PC Watch (ja) · 13.8.2026

Kämmenellä lepäävä 206 gramman mini-PC — ja se on hyvä oppitunti siitä, mihin paikallinen malli oikeasti kaatuu

GMKtecin G5S on 72 millimetriä sivultaan ja maksaa Japanissa 33 999 jeniä. Suoritin on vuosien takainen Celeron ja muistia on kahdeksan gigatavua. Juuri siksi se kannattaa lukea: se näyttää, mikä on paikallisen ajamisen alaraja ja miksi raja kulkee juuri siinä.

Lue juttu →

Yksi rivi ennen vastaustaTEHTÄVÄ: ... (mallin oma tiivistys, enintään 20 sanaa)luet rivin — ja päätät jatketaankoväärin ymmärrettykeskeytä hetioikein ymmärrettyanna jatkaatoistorivi maksaa muutaman kymmenen tokeniahukkaan menevä vastaus maksaa tuhansia

Päivän promptivinkki

Pyydä pientä mallia toistamaan tehtävä yhdellä rivillä ennen kuin se vastaa — väärinymmärrys paljastuu ennen kuin se maksaa koko vastauksen

Pieni malli ei kysy tarkennusta. Se arvaa, mitä tarkoitit, ja rakentaa koko vastauksen arvauksen päälle. Yksi pakollinen rivi vastauksen alkuun tekee arvauksesta näkyvän — ja tekee siitä myös paremman.

Lue juttu →

lm-eval 0.4.12peruspaketti · kevyt[hf][vllm][sglang]GGUFsamat julkiset kokeet, sinun kvantisoinnillasipip install "lm_eval[hf]"

Päivän Python-kirjasto

lm-eval 0.4.12: kirjasto, jolla tarkistat julkaisijan luvut omalla koneellasi — ja joka lakkasi raahaamasta mukanaan koko PyTorchia

EleutherAI:n lm-evaluation-harness ajaa julkiset kokeet paikallisella mallilla, myös GGUF-muodossa. Joulukuun muutos on pieni mutta olennainen: peruspaketti ei enää asenna transformersia eikä torchia, vaan taustaosa valitaan hakasulkeilla.

Lue juttu →

Sama melu, sama kaista — eri muistikattoAcer Revo RB102667 €16 GB · 136,5 GB/s · 29 dBBeelink SER9915 €32 GB · 120 GB/s · 29 dBQwen3.8-27B Q4 (~16,2 GB): Beelink ajaa · Acer ei aja12 miljardin malli: Acer ~13 t/s · Beelink ~11,7 t/sAlgoritmi 44 vastaan 56molemmat mittaukset ComputerBase (de)

Mini-PC-vertailu · vuorossa oleva luokka: alle 1000 €

Acer Revo RB102 vastaan Beelink SER9 — sama 29 desibeliä levossa, ja silti toinen ajaa illan pääuutisen ja toinen ei

Molempien lepomelu on ComputerBasen mittaama ja täsmälleen sama luku. Kaista on lähes sama. Ero on kuudessatoista gigatavussa ja 248 eurossa — ja juuri se ero ratkaisee, mahtuuko Qwen3.8-27B koneeseen.

Lue juttu →

Kokeilemisen arvoista

Katso illan mallin metatiedot, päivitä transformers keskiviikon näkömallille ja asenna kirjasto, jolla tarkistat luvut itse

Kolme komentoa tästä vuorokaudesta. Ensimmäinen ei lataa kuuttatoista gigatavua painoja vaan kysyy Hugging Facen rajapinnalta, mitä Qwen3.8-27B:stä on julkaistu ja millä arkkitehtuuritunnuksella. Toinen nostaa transformersin siihen versioon, jota keskiviikon LFM2.5-VL-3B vaatii. Kolmas asentaa kirjaston, jolla illan Benchmarkit-jutun kysymykseen voi vastata omalla koneella.

curl -s https://huggingface.co/api/models/Qwen/Qwen3.8-27B | python3 -m json.tool | head -40
pip install -U "transformers>=5.10.1"
pip install "lm_eval[hf]"

Ensimmäinen komento palauttaa mallivaraston metatiedot. Kiinnostavin kenttä on arkkitehtuuritunnus: siinä lukee qwen3_5, ei qwen3_8. Se on sama tunnus, jolla Qwen3.5-perhe kulkee, ja se on hyvä uutinen — ajomoottorien tuki nojaa arkkitehtuuritunnukseen ja konfiguraatioon, ei markkinointinimeen. Toinen komento asentaa transformersin version 5.10.1 tai uudemman; Liquid AI ilmoittaa sen vähimmäisvaatimukseksi LFM2.5-VL-3B:lle. Kolmas asentaa EleutherAI:n lm-evaluation-harnessin Hugging Face -taustaosan kanssa. Huomaa hakasulkeet: joulukuusta 2025 lähtien peruspaketti ei enää vedä mukanaan transformersia eikä torchia, vaan taustaosa valitaan erikseen — vaihtoehtoina muun muassa hf, vllm ja sglang. GGUF-malleja ajetaan hf-taustaosan kautta.