Qwen 9B vs 27B para texto local
Texto e raciocínio em uma configuração local menor
Fatos do catálogo revisado
| Especificação | Qwen3.5 9B | Qwen3.8 27B |
|---|---|---|
| Tarefa | Texto e chat | Texto e chat |
| Parâmetros | 9B | 27B |
| Licença | Apache 2.0 | Apache 2.0 |
| Uso comercial | Permitidotexto da licença | Permitidotexto da licença |
| Qualidade · LiveBench 2026-06-25 | Sem nota no LiveBench 2026-06-25 · fonte | 75,3geral · 0 a 100 · fonte |
| Memória | estimativa 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) |
| Checkpoint | ficha oficial | ficha 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.
| Máquina | Qwen3.5 9B | Qwen3.8 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_Mllama-server -hf unsloth/Qwen3.5-9B-GGUF:Q4_K_Mlms 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_Mllama-server -hf unsloth/Qwen3.8-27B-GGUF:UD-Q4_K_Mlms 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
- 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 informados
- 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
- 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 informados
- 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