Qwen 27B: een open-source model dat met de groten meedoet

TL;DR

• Wat: Alibaba heeft Qwen3.8-27B uitgebracht — een open-source AI-model met 27 miljard parameters dat op meerdere benchmarks concurreert met gesloten modellen als Claude Opus 4.6.
• Waarom relevant: een krachtig AI-model dat je onder een vrije licentie lokaal kunt draaien, verlaagt de drempel én de kosten voor AI-gebruik in je bedrijf.
• Wat je ermee kunt: verken of een lokaal draaibaar model als Qwen 27B taken kan overnemen waarvoor je nu betaalt per API-aanroep.

Ik viel afgelopen week over een tweet van @kimmonismus die Qwen 27B het "DeepSeek-moment voor open source" noemde. Dat is een stevige uitspraak. Maar als je de cijfers bekijkt, snap ik waar het vandaan komt — al zitten er ook kanttekeningen bij.

Wat is Qwen3.8-27B precies?

Op 14 augustus 2026 bracht Alibaba's Qwen-team een nieuw AI-model uit: Qwen3.8-27B. Het is een zogeheten dense model met 27,78 miljard parameters. Dat klinkt abstract, dus laat me het even vertalen: parameters zijn de "kennis-eenheden" van een AI-model. Hoe meer parameters, hoe meer nuance het model aankan — maar ook hoe meer rekenkracht je nodig hebt.

Wat dit model bijzonder maakt, is de combinatie van drie dingen:

1. Multimodaal: het verwerkt niet alleen tekst, maar ook afbeeldingen en video.
2. Open source onder Apache 2.0: dat betekent dat je het model mag downloaden, aanpassen en commercieel gebruiken zonder licentiekosten.
3. Relatief compact: met 27 miljard parameters is het een fractie van de grootte van topmodellen die honderden miljarden parameters tellen, maar het presteert op sommige taken vergelijkbaar.

Het model ondersteunt 201 talen en heeft een contextvenster van 262.144 tokens — zeg maar het werkgeheugen van het model. Dat is ruim genoeg om een heel boek in één keer te verwerken.

De benchmarks: indrukwekkend, met een voorbehoud

Volgens de door Qwen gepubliceerde benchmarks scoort het model opvallend goed. Een paar voorbeelden:

• Terminal-Bench 2.1 (een test voor codering): van 63,4 bij de voorganger naar 73,0.
• OSWorld-Verified (computergebruik): van 63,9 naar 84,3.
• DeepSWE 1.1 (software-engineering): van 13,3 naar 42,2 — een sprong die mij eerlijk gezegd opvalt.

Op meerdere vergelijkingen presteert het model beter dan Meta's Muse Glimmer (30B) op alle acht directe tests, en het wint van Claude Opus 4.6 op 15 van de 19 overlappende benchmarks.

Het voorbehoud

Ik vind het belangrijk dit erbij te zeggen: deze cijfers komen van Qwen zelf. Meerdere benchmarks zijn intern ontwikkeld of aangepast. Onafhankelijke replicatie is op het moment van schrijven nog niet volledig afgerond. Dat maakt de resultaten niet ongeldig, maar het betekent wel dat je ze met een gezonde dosis nuchterheid moet lezen.

Bovendien: modellen als Claude Opus 4.8 en GPT-5.6 lopen nog steeds voor op de moeilijkste coderingstaken. Qwen 27B concurreert met de topmodellen van een paar maanden geleden — niet per se met de allernieuwste versies van vandaag.

Waarom de vergelijking met DeepSeek?

Begin 2025 veroorzaakte DeepSeek een schokgolf in de AI-wereld. Een Chinees lab bracht een open model uit dat op het niveau presteerde van de duurste gesloten modellen — en dat tegen een fractie van de kosten. Beurzen reageerden, techbedrijven schrokken.

@kimmonismus trekt die parallel nu met Qwen 27B. Ik denk dat de vergelijking deels opgaat: ook hier zie je een open model dat prestaties levert die je kort geleden alleen van commerciële partijen als OpenAI of Anthropic kon verwachten. Maar ik wil ook eerlijk zijn — de marktimpact is tot nu toe minder dramatisch dan bij DeepSeek. Mogelijk omdat we er inmiddels aan gewend raken dat open modellen snel terrein winnen.

Wat mij betreft is het signaal het belangrijkste: de afstand tussen open en gesloten modellen wordt steeds kleiner, steeds sneller.

Wat betekent dit voor jou als ondernemer?

Hier wordt het praktisch. Stel dat je als ondernemer nu betaalt voor AI via een API — bijvoorbeeld voor het samenvatten van documenten, het analyseren van klantfeedback, of het genereren van productbeschrijvingen. Elke aanroep kost geld, en je data gaat naar een externe server.

Een model als Qwen 27B biedt een alternatief scenario:

Lokaal draaien op betaalbare hardware

Met een zogeheten quantized versie (een gecomprimeerde variant die minder geheugen vraagt) kun je Qwen 27B draaien op:

• Een 24 GB GPU met een 4-bit compressie (~16 GB aan modelgewicht)
• Een Mac met 32 GB RAM voor comfortabeler gebruik
• Een 48-64 GB systeem als je het volledige contextvenster wilt benutten

Dat is geen supercomputer. Dat is een krachtige laptop of een werkstation dat je bij Coolblue kunt bestellen. Of een VPS die je huurt voor een paar tientjes per maand.

Kosten en privacy

Als je het model lokaal draait, betaal je nul euro per aanroep en verlaat je data je eigen netwerk niet. Voor bedrijven die met gevoelige klantgegevens of bedrijfsinformatie werken, is dat een relevant verschil.

Ik wil hier wel bij aantekenen: lokaal draaien vraagt technische kennis. Je hebt iemand nodig die het kan opzetten en onderhouden. Het is niet plug-and-play zoals ChatGPT openen in je browser.

Finetuning binnen bereik

Een model van 27 miljard parameters kun je ook finetunen — aanpassen aan je specifieke bedrijfscontext — zonder dat je daar een datacenter voor nodig hebt. Dat was twee jaar geleden ondenkbaar voor een model op dit prestatieniveau.

Kun je je voorstellen wat het betekent als je een AI-model kunt trainen op jouw productcatalogus, jouw klantvragen, jouw huisstijl — en dat draait op je eigen server?

Een open AI-landschap in beweging

Wat mij het meest opvalt aan deze ontwikkeling is het tempo. Qwen3.6-27B kwam in april 2026 uit. Vier maanden later is Qwen3.8-27B er — met forse verbeteringen op vrijwel alle benchmarks. De concurrentie tussen open modellen onderling — Qwen, DeepSeek, Meta's Llama, Mistral — duwt de kwaliteit omhoog in een snelheid die lastig bij te houden is.

Voor mij is dit vooral een signaal dat AI-capaciteit steeds minder het exclusieve domein is van bedrijven met diepe zakken. De technologie democratiseert — en als ondernemer hoef je niet te wachten tot de grote spelers je een oplossing verkopen. De bouwstenen liggen er, openbaar en gratis. De vraag is niet meer óf je AI kunt inzetten, maar of je de tijd neemt om te kijken wat er inmiddels mogelijk is.