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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.