Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

Qwen 27B vs 35B A3B para código

Qualidade em código sob um teto de planejamento de 64 GB

Fatos do catálogo revisado

Fatos do catálogo revisado
EspecificaçãoQwen3.8 27BQwen3.5 35B A3B
TarefaTexto e chatTexto e chat
Parâmetros27B35B · 3B ativos
LicençaApache 2.0Apache 2.0
Uso comercialPermitidotexto da licençaPermitidotexto da licença
Qualidade · LiveBench 2026-06-2575,3geral · 0 a 100 · fonteSem nota no LiveBench 2026-06-25 · fonte
Memóriaestimativa de planejamento Q4 (~21 GB de pesos antes da reserva da máquina)estimativa de planejamento Q4 (~27 GB de pesos antes da reserva da máquina)
Checkpointficha oficialficha oficial

Só o Qwen3.8 27B tem resultado em LiveBench 2026-06-25 (75,3); o Qwen3.5 35B A3B não tem, então os dois não são ordenados por esta fonte e nenhuma nota é inferida para ele. Perguntas com respostas verificáveis, lançadas por mês; a nota pertence à sua rodada. Escala: nota geral, 0 a 100, maior é melhor.

Memória em três máquinas

A reserva de cada máquina é somada (placas de vídeo 2 GB; memória unificada e do sistema 25%, de 2 a 8 GB). Estimativas de planejamento, não execuções medidas.

Qwen 27B vs 35B A3B para código: memória em três máquinas
MáquinaQwen3.8 27BQwen3.5 35B A3B
RTX 4090 · 24 GB de VRAM~23 GBCabe na memória rápida~29 GBNa memória, fora da parte rápida · offload para a RAM do PC (32 GB presumidos)
RTX 5090 · 32 GB de VRAM~23 GBCabe na memória rápida~29 GBCabe na memória rápida
Mac mini M5 Pro · 64 GB unificados~29 GBCabe na memória rápida~35 GBCabe na memória rápida

Qwen3.8 27B: estimativa de planejamento Q4 (~21 GB de pesos antes da reserva da máquina). Qwen3.5 35B A3B: estimativa de planejamento Q4 (~27 GB de pesos antes da reserva da máquina). Fórmulas

Tudo o que roda em cada máquina: RTX 4090 · 24 GB de VRAM · RTX 5090 · 32 GB de VRAM · Mac mini M5 Pro · 64 GB unificados

Qual escolher

O 27B é denso; o 35B A3B é uma mistura de especialistas que ativa cerca de 3 bilhões de parâmetros por token. A mistura de especialistas pede mais memória, porque os 35 bilhões de pesos precisam estar carregados, mas cada token faz menos trabalho, então tende a gerar mais rápido quando cabe. O 27B denso pede menos memória. Os dois são Apache 2.0 e aceitam texto, imagem e vídeo. Nenhuma nota aqui é um benchmark de código: confira os resultados de código do publicador abaixo e teste no seu próprio repositório.

Arquivos e comandos para rodar

O arquivo padrão da fonte coletada mais baixada, ou os comandos que cada ficha documenta. Não executados por este site.

Qwen3.8 27B

unsloth/Qwen3.8-27B-GGUF · Qwen3.8-27B-UD-Q4_K_M.gguf · UD-Q4_K_M · 16,5 GB · unsloth

ollama run hf.co/unsloth/Qwen3.8-27B-GGUF:UD-Q4_K_M
llama-server -hf unsloth/Qwen3.8-27B-GGUF:UD-Q4_K_M
lms get https://huggingface.co/unsloth/Qwen3.8-27B-GGUF
  • mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac

Qwen3.5 35B A3B

unsloth/Qwen3.5-35B-A3B-GGUF · Qwen3.5-35B-A3B-Q4_K_M.gguf · Q4_K_M · 22 GB · unsloth

ollama run hf.co/unsloth/Qwen3.5-35B-A3B-GGUF:Q4_K_M
llama-server -hf unsloth/Qwen3.5-35B-A3B-GGUF:Q4_K_M
lms get https://huggingface.co/unsloth/Qwen3.5-35B-A3B-GGUF
  • mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac

Números que cada publicador informa

Os resultados de cada ficha, com a configuração de cada uma. Publicadores escolhem testes e configurações diferentes, então estes valores nunca são comparados entre publicadores aqui.

Qwen3.8 27B · informado por Alibaba

20 resultados · ficha de Alibaba · lida em 2026-10-25
Agentic terminal coding Terminal Bench 2.1 (Terminus)
73,0Text Performance
Agentic coding SWE-bench Pro
61,7Text Performance
Repo-level code generation NL2Repo-Bench
42,3Text Performance
Agentic coding DeepSWE 1.1
42,2Text Performance
Software engineering QwenSWEBench
79,0Text Performance
Long-horizon office work CoWorkBench
70,7Text Performance
Professional job tasks JobBench
33,4Text Performance
Instruction following IFBench
79,5Text Performance
Todos os resultados informados20
Scientific reasoning GPQA Diamond
89,2Text Performance
Multidisciplinary reasoning HLE
30,8Text Performance
Competitive coding LiveCodeBench v6
90,3Text Performance
Computer use OSWorld-Verified
84,3VL Performance
Browser use WebArena-Verified
64,8VL Performance
Mobile use AndroidWorld
81,9VL Performance
Application recreation RecreationBench
47,1VL Performance
Multimodal software engineering SWE-MM
38,6VL Performance
Visual web development Vision2Web
62,9VL Performance
Document intelligence OmniDocBench 1.5
91,1VL Performance
Real-world perception RealWorldQA
85,9VL Performance
Embodied intelligence ERQA
65,5VL Performance

Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Benchmark Results › Text Performance; Benchmark Results › VL Performance); coluna “Qwen3.8-27B”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo

Qwen3.5 35B A3B · informado por Alibaba

79 resultados · ficha de Alibaba · lida em 2026-10-25
MMLU-Pro
85,3Language
MMLU-Redux
93,3Language
C-Eval
90,2Language
SuperGPQA
63,4Language
IFEval
91,9Language
IFBench
70,2Language
MultiChallenge
60,0Language
AA-LCR
58,5Language
Todos os resultados informados79
LongBench v2
59,0Language
HLE w/ CoT
22,4Language
GPQA Diamond
84,2Language
HMMT Feb 25
89,0Language
HMMT Nov 25
89,2Language
SWE-bench Verified
69,2Language
Terminal Bench 2
40,5Language
LiveCodeBench v6
74,6Language
CodeForces
2.028Language
OJBench
36,0Language
FullStackBench en
58,1Language
FullStackBench zh
55,0Language
BFCL-V4
67,3Language
TAU2-Bench
81,2Language
VITA-Bench
31,9Language
DeepPlanning
22,8Language
HLE w/ tool
47,4Language
Browsecomp
61,0Language
Browsecomp-zh
69,5Language
WideSearch
57,1Language
Seal-0
41,4Language
MMMLU
85,2Language
MMLU-ProX
81,0Language
NOVA-63
57,1Language
INCLUDE
79,7Language
Global PIQA
86,6Language
PolyMATH
64,4Language
WMT24++
76,3Language
MAXIFE
86,6Language
MMMU
81,4Vision Language
MMMU-Pro
75,1Vision Language
MathVision
83,9Vision Language
Mathvista (mini)
86,2Vision Language
DynaMath
85,0Vision Language
ZEROBench
8Vision Language
ZEROBench_sub
34,1Vision Language
VlmsAreBlind
97,0Vision Language
RealWorldQA
84,1Vision Language
MMStar
81,9Vision Language
MMBench EN-DEV-v1.1
91,5Vision Language
SimpleVQA
58,3Vision Language
HallusionBench
67,9Vision Language
OmniDocBench1.5
89,3Vision Language
CharXiv (RQ)
77,5Vision Language
MMLongBench-Doc
59,5Vision Language
CC-OCR
80,7Vision Language
AI2D_TEST
92,6Vision Language
OCRBench
91,0Vision Language
ERQA
64,8Vision Language
CountBench
97,8Vision Language
RefCOCO (avg)
89,2Vision Language
ODInW13
42,6Vision Language
EmbSpatialBench
83,1Vision Language
RefSpatialBench
63,5Vision Language
LingoQA
79,2Vision Language
Hypersim
13,1Vision Language
SUNRGBD
33,4Vision Language
Nuscene
14,6Vision Language
VideoMME (w sub.)
86,6Vision Language
VideoMME (w/o sub.)
82,5Vision Language
VideoMMMU
80,4Vision Language
MLVU
85,6Vision Language
MVBench
74,8Vision Language
LVBench
71,4Vision Language
MMVU
72,3Vision Language
ScreenSpot Pro
68,6Vision Language
OSWorld-Verified
54,5Vision Language
AndroidWorld
71,1Vision Language
SLAKE
78,7Vision Language
PMC-VQA
62,0Vision Language
MedXpertQA-MM
61,4Vision Language

Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Benchmark Results › Language; Benchmark Results › Vision Language); coluna “Qwen3.5-35B-A3B”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo

Limites e datas

O benchmark de qualidade publicado não testa uma versão local quantizada. Estimativas de memória não medem velocidade nem garantem compatibilidade. Tamanho de repositório, quando disponível, não é VRAM. Fórmulas

Página atualizada em · Catálogo revisado em · LiveBench 2026-06-25, coletado em