Amerikanska företag fortsätter att sträva efter större och större AI-modeller. De från Kina fortsätter att visa att det inte är nödvändigt

Hittills hade Alibaba en bra öppen modell för programmering. Den är baserad på Qwen3.5-397B-A17B, men problemet är att den var gigantisk med sina 397 miljarder parametrar och 807 GB diskstorlek (och minne). Det kinesiska företaget har gjort något överraskande och tillkännagav i dagarna Qwen3.6-27B-modellen, som i sin kvantiserade version väger mindre än 17 GB.

Man skulle kunna tro att han i den storleken skulle vara mycket sämre än sin storebror.

Men du skulle ha fel. Det är ett bevis på att det går att ge för mycket mindre.

En tät modell. De flesta stora öppna viktmodeller 2026 använder Mixture-of-Experts (MoE) arkitektur: de har många parametrar totalt, men aktiverar bara en bråkdel av dem när vi använder dem. Till exempel indikerade Qwen3.5-397B-A17B-modellen exakt att i sitt namn: av de 397 000 miljoner parametrarna aktiverade den bara 17 000 miljoner (därav A17B) när den användes.

Med Qwen3.6-27B har vi vad som kallas en tät modell: alla 27 miljarder parametrar aktiveras i varje slutledning. Även om det är något mindre effektivt har det klara praktiska fördelar. Till exempel finns det inget behov av att konfigurera en expertrouter, och kvantisering är mer förutsägbar och kompakt.

Idén har fungerat, och resultaten bevisar det. Prestandan hos denna "lilla" AI-modell är till och med högre än en mycket större tidigare version. Riktmärken ljuger inte (för mycket).

I SWE-bench Verified, det mest populära riktmärket för riktiga programmeringsuppgifter, uppnår Qwen3.6-27B 77,2 % poäng jämfört med 76,2 % för 397B-modellen. I Terminal-Bench 2.0, som mäter hur väl modellen utför uppgifter i kommandokonsolen, uppnådde den 59,3 % jämfört med 2,5 % för sin rival. Men i det här testet uppnår den exakt samma poäng som Claude Opus 4.5, en av de bästa nya antropiska modellerna.

Att en "Open Source"-modell som enkelt kan användas lokalt uppnår något sådant här är ovanligt, men vi måste vara försiktiga: riktmärkena är från Alibaba själv, och det finns för närvarande ingen oberoende verifiering, även om de som använder den verkar vara riktigt nöjda med det. Även Alibaba är förvånad. Det som är slående med denna lansering är att företaget som lanserade den marknadsför den över sin mest ambitiösa modell fram till nyligen.

Att de själva jämför båda versionerna och inser att den "lilla" är den mest kraftfulla är betydelsefullt. Det är som att säga från hustaken att de största AI-modellerna inte har någon konkurrens, när de precis har bevisat att så inte är fallet och att modeller som Qwen3.6-27B verkligen kan vara anmärkningsvärda i beteende. I Xataka En ung man har på 80 minuter och med ChatGPT löst ett matematiskt problem som varade i 60 år.

Det är det minst intressanta med historien "24 GB VRAM räcker." Tack vare sin ringa storlek är det möjligt att använda denna modell på relativt lättillgängliga maskiner. Således gör 24 GB videominne i RTX 3090 dessa grafikkort till ett perfekt alternativ för att installera och använda Qwen3.6-27B med utmärkt prestanda. Täta modeller klarar sig inte så bra på MacBook eller Mac mini med enhetligt minne, och även om logiskt sett inte alla har tillgång till grafikkort med 24 GB RAM, fortsätter tillgången till riktigt kapabla lokala modeller att förbättras.

De bästa essenserna, i små flaskor. Alibaba är en ångvält av "små" AI-modeller, och den visade detta i början av mars när den släppte flera från 0,8B till 9B. Lyckligtvis finns det olika alternativ i det segmentet av "Small Language Models" (SLM) och här har vi referensexempel som Gemma 4, nyligen lanserad av Google.

Microsoft med Phi-4 (som behöver en uppdatering, som gpt-oss-20b/120b) eller Mistral med Devstral 2 är exempel på att även västerländska företag gör drag inom detta intressanta område.

Men. Enligt riktmärken är Qwen3.6-27b i vissa riktmärken jämförbar med Claude Opus 4.5, Anthropics mest avancerade modell när den lanserades i november 2025. Det är förvånande och bekräftar att modeller med öppen vikt från kinesiska företag är, som Demis Hassabis sa, mellan 6 och 12 månader Open-modeller efter de mest avancerade eller Google.

Men för att genomföra dem krävs fortfarande en betydande investering, och även om lokala AI-modeller är mycket intressanta när det gäller integritet, om man idag vill ha maximal hastighet och prestanda, är de fortfarande beroende av kommersiella modeller i molnet. I Xataka | Google kommer att investera upp till 40 miljarder dollar i Anthropic eftersom det nya normala för AI investerar i din fiende