Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

Qwen 9B vs 27B para texto local

Texto e raciocínio em uma configuração local menor

Fatos do catálogo revisado

Fatos do catálogo revisado
EspecificaçãoQwen3.5 9BQwen3.8 27B
TarefaTexto e chatTexto e chat
Parâmetros9B27B
LicençaApache 2.0Apache 2.0
Uso comercialPermitidotexto da licençaPermitidotexto da licença
Qualidade · LiveBench 2026-06-25Sem nota no LiveBench 2026-06-25 · fonte75,3geral · 0 a 100 · fonte
Memóriaestimativa de planejamento Q4 (~7 GB de pesos antes da reserva da máquina)estimativa de planejamento Q4 (~21 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 9B 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 9B vs 27B para texto local: memória em três máquinas
MáquinaQwen3.5 9BQwen3.8 27B
RTX 3060 · 12 GB de VRAM~9 GBCabe na memória rápida~23 GBNa memória, fora da parte rápida · offload para a RAM do PC (32 GB presumidos)
RTX 4090 · 24 GB de VRAM~9 GBCabe na memória rápida~23 GBCabe na memória rápida
MacBook Air 13 polegadas M4 · 32 GB unificados~15 GBCabe na memória rápida~29 GBCabe na memória rápida

Qwen3.5 9B: estimativa de planejamento Q4 (~7 GB de pesos antes da reserva da máquina). Qwen3.8 27B: estimativa de planejamento Q4 (~21 GB de pesos antes da reserva da máquina). Fórmulas

Tudo o que roda em cada máquina: RTX 3060 · 12 GB de VRAM · RTX 4090 · 24 GB de VRAM · MacBook Air 13 polegadas M4 · 32 GB unificados

Qual escolher

Os dois são checkpoints Qwen com licença Apache 2.0 que aceitam texto, imagem e vídeo. O 9B é denso e seus pesos Q4 ficam abaixo de 7 GB, então uma placa de 12 GB o comporta com folga para o contexto. O 27B também é denso: cada token lê os 27 bilhões de parâmetros, o que pede cerca de três vezes a memória e é mais lento por token na mesma máquina. Escolha o 9B quando a memória for o limite; considere o 27B só numa placa de 24 GB ou num Mac com 32 GB ou mais.

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.

Qwen3.5 9B

unsloth/Qwen3.5-9B-GGUF · Qwen3.5-9B-Q4_K_M.gguf · Q4_K_M · 5,7 GB · unsloth

ollama run hf.co/unsloth/Qwen3.5-9B-GGUF:Q4_K_M
llama-server -hf unsloth/Qwen3.5-9B-GGUF:Q4_K_M
lms get https://huggingface.co/unsloth/Qwen3.5-9B-GGUF
  • mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac

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

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.

Qwen3.5 9B · informado por Alibaba

67 resultados · ficha de Alibaba · lida em 2026-10-25
MMLU-Pro
82,5Language
MMLU-Redux
91,1Language
C-Eval
88,2Language
SuperGPQA
58,2Language
GPQA Diamond
81,7Language
IFEval
91,5Language
IFBench
64,5Language
MultiChallenge
54,5Language
Todos os resultados informados67
AA-LCR
63,0Language
LongBench v2
55,2Language
HMMT Feb 25
83,2Language
HMMT Nov 25
82,9Language
LiveCodeBench v6
65,6Language
OJBench
29,2Language
BFCL-V4
66,1Language
TAU2-Bench
79,1Language
VITA-Bench
29,8Language
DeepPlanning
18,0Language
MMMLU
81,2Language
MMLU-ProX
76,3Language
NOVA-63
55,9Language
INCLUDE
75,6Language
Global PIQA
83,2Language
PolyMATH
57,3Language
WMT24++
72,6Language
MAXIFE
83,4Language
MMMU
78,4Vision Language
MMMU-Pro
70,1Vision Language
MathVision
78,9Vision Language
Mathvista (mini)
85,7Vision Language
We-Math
75,2Vision Language
DynaMath
83,6Vision Language
ZEROBench
3,0Vision Language
ZEROBench_sub
31,1Vision Language
VlmsAreBlind
93,7Vision Language
RealWorldQA
80,3Vision Language
MMStar
79,7Vision Language
MMBench EN-DEV-v1.1
90,1Vision Language
SimpleVQA
51,2Vision Language
HallusionBench
69,3Vision Language
OmniDocBench1.5
87,7Vision Language
CharXiv (RQ)
73,0Vision Language
MMLongBench-Doc
57,7Vision Language
CC-OCR
79,3Vision Language
AI2D_TEST
90,2Vision Language
OCRBench
89,2Vision Language
ERQA
55,5Vision Language
CountBench
97,2Vision Language
RefCOCO (avg)
89,7Vision Language
EmbSpatialBench
83,0Vision Language
RefSpatialBench
58,5Vision Language
LingoQA
80,4Vision Language
Hypersim
13,5Vision Language
Nuscene
11,8Vision Language
VideoMME (w sub.)
84,5Vision Language
VideoMME (w/o sub.)
78,4Vision Language
VideoMMMU
78,9Vision Language
MLVU
84,4Vision Language
MVBench
74,4Vision Language
LVBench
70,0Vision Language
MMVU
67,8Vision Language
ScreenSpot Pro
65,2Vision Language
OSWorld-Verified
41,8Vision Language
AndroidWorld
57,8Vision Language
SLAKE
79,0Vision Language
PMC-VQA
57,9Vision Language
MedXpertQA-MM
49,9Vision Language

Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Benchmark Results › Language; Benchmark Results › Vision Language); coluna “Qwen3.5-9B”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo

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

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