Qwen 3.8 et Gemma 4

Alibaba et Google

Modèle à poids ouverts · exécutable sur site · Publié le 5 juillet 2026 · Mis à jour le 26 septembre 2026

Qwen 3.8 et Gemma 4 constituent les modèles compacts. Qwen 3.8 27B et Gemma 4, de 2 à 31 milliards de paramètres, s’exécutent sur une seule carte, un poste ou en périphérie. Ils conviennent aux TPE.

Qwen3.8-27B, mis en ligne mi-août 2026 sous licence Apache 2.0 (dépôt Hugging Face créé le 5 août, dernière mise à jour le 14 août 2026 ; 64 couches, 27,8 milliards d’éléments, 56 Go de poids en BF16), apporte deux changements structurants pour un déploiement sur site : un contexte natif de 262 144 tokens (extensible à 1 million via YaRN) et une architecture hybride, 48 couches en attention linéaire Gated DeltaNet, 16 seulement en attention complète, qui réduit le cache KV à 64 Kio par token en FP16, quatre fois moins qu’un modèle dense classique équivalent. Le détail et le dimensionnement matériel font l’objet d’un article dédié.

Points clés : Compacts · Qwen 3.8 27B et Gemma 4 · Une seule carte · Périphérie · TPE.

Architecture

Qwen 3.8 27B et Gemma 4, de 2 à 31 milliards de paramètres, constituent les modèles compacts de la plateforme. Gemma 4 se décline en E2B, E4B, 12B, 26B-A4B et 31B, sous licence Apache 2.0 (dépôts google/gemma-4 relus le 2 septembre 2026).

Points forts

Ils s’exécutent sur une seule carte, un poste ou en périphérie, avec une empreinte mémoire réduite.

Cas d’usage

Ces modèles conviennent aux TPE, aux usages embarqués et aux tâches où la latence locale et le coût priment sur la puissance brute.

Déploiement

Servis par llama.cpp ou vLLM sur DGX Spark, Mac Studio ou une seule carte GPU.

Et Qwen3.8-Max-Preview ?

Alibaba a présenté le 19 juillet 2026 une preview de Qwen3.8-Max, un modèle multimodal en mélange d'experts annoncé à 2 400 milliards de paramètres. Depuis le 8 août 2026, le modèle de base Qwen3.8-2.4T-A95B est publié sur Hugging Face : 2 400 milliards de paramètres dont 95 milliards actifs, contexte natif de 262 144 tokens, 4 892 Go de poids en BF16, licence Qwen3.8-Max à conditions ; la version Max multimodale reste servie par l'API d'Alibaba. Sur le papier, le modèle de base se déploie donc sur site, mais 2 400 milliards de paramètres dépassent toute machine à un nœud du catalogue, même à 4 bits. La gamme retenue ici reste Qwen3.8-27B, dont la spécification est publiée, les poids téléchargeables et l'empreinte compatible avec une seule carte. Voir notre analyse de Qwen3.8-Max.

Tous les modèles de la plateforme sont interchangeables via une passerelle unique : changer de modèle revient à changer une ligne de configuration, sans réécrire le code. La priorité reste l’exécution locale.

La variante Qwen3-Embedding-4B, servie en FP8 par vLLM sur une RTX 5080, a été mesurée en conditions réelles le 31 juillet 2026 : 14 100 tok/s en plateau et 19 075 tok/s sur texte long, avec la procédure complète dans la page de mesures de la section mesures.

Sources officielles

• Qwen/Qwen3.8-27B, fiche officielle du modèle sur Hugging Face : licence, contexte et format des poids
• google/gemma-4-31B-it, fiche officielle du modèle sur Hugging Face : licence Apache 2.0
• Artificial Analysis, indice de comparaison des modèles

Sur quelle machine faire tourner Qwen 3.8 27B ?

Qwen 3.8 27B totalise 27 milliards de paramètres, soit environ 15,5 Go en NVFP4. 8 plateformes du catalogue disposent d’assez de mémoire.

Voir aussi Qwen 3.8 27B en NVFP4 et la matrice complète.