Alle Modelle › alibaba

Qwen3.5-27B

Name: Qwen3.5-27B
Author: alibaba

alibaba · Apache-2.0-Lizenz · in der Arena seit 26. Feb. 2026

Chat des Labors Download

Arena-Wertung1409Platz 142 von 416 im Chat, kostenpflichtige Modelle eingeschlossen

Größe27.8 BParameter

4-Bit-Download17 GBnur Gewichte, Q4_K_M

Max. Kontext256KTokens, laut Modellkonfiguration

Wo du es kostenlos nutzen kannst

Der eigene Chat des Labors: chat.qwen.ai (kostenlos mit Tageslimits)
Lade es herunter und führe es zu Hause aus: offizielle Gewichte · GGUF-Dateien für Ollama und LM Studio

Arena-Wertungen

Arena	Wertung	Rang	Stimmen
Chat	1409	Platz 142 von 416	29K
Coding	1358	Platz 114 von 148	8K
Vision	1241	Platz 72 von 167	30K

Rang unter allen Modellen, auch den kostenpflichtigen. Quelle: Arena-Leaderboard-Datensatz.

Geschwindigkeit auf gängiger Hardware

Hardware	GPU-Speicher	Passt es?	Geschwindigkeit
RTX 3060 12 GB	12 GB	GPU + 64 GB RAM	7.1 tok/s
RTX 4060 Ti 16 GB	16 GB	GPU + 64 GB RAM	8.6 tok/s
RTX 3090	24 GB	Passt in die GPU	37 tok/s
RTX 4090	24 GB	Passt in die GPU	40 tok/s
RTX 5090	32 GB	Passt in die GPU	69 tok/s
RX 7900 XTX	24 GB	Passt in die GPU	38 tok/s
2 × RTX 3090	48 GB	Passt in die GPU	36 tok/s
4 × RTX 3090	96 GB	Passt in die GPU	34 tok/s
Mac M4 Max 128 GB	96 GB	Passt in die GPU	21 tok/s
Ryzen AI Max+ 395 128 GB	96 GB	Passt in die GPU	10 tok/s
8 × H100 SXM	640 GB	Passt in die GPU	100 tok/s

Schätzung bei 4-Bit mit 32K Kontext, 64 GB DDR5 zum Auslagern. Geschwindigkeit ≈ Speicherbandbreite × 78 % ÷ pro Token gelesene Daten, plus feste Kosten pro Token, kalibriert an 44 echten llama.cpp-Tests; typische Abweichung etwa ±10 %. Alle Grafikkarten vergleichen.

Benötigter GPU-Speicher

Stufe	8K Kontext	32K Kontext	128K Kontext	Qualität im Vergleich zum Original
Q3_K_M	15 GB	17 GB	23 GB	+7.2 % spürbarer Verlust
Q4_K_M	18 GB	20 GB	26 GB	+1.9 % kleiner Verlust
Q5_K_M	21 GB	23 GB	29 GB	+0.6 % sehr kleiner Verlust
Q6_K	24 GB	26 GB	32 GB	+0.2 % nahezu verlustfrei
Q8_0	31 GB	32 GB	39 GB	≈ 0 % wie das Original
F16	57 GB	58 GB	65 GB	≈ 0 % wie das Original

Gewichte + Kontext-Cache (aus der Architektur des Modells) + Laufzeit. Qualität: Anstieg von perplexity gegenüber dem vollen Modell, aus llama.cpp-Tests, skaliert nach Modellgröße. Simuliere dein eigenes Setup.

Chat-Wertung im Zeitverlauf

1400145015001550

MaiJunJulAugSeptOkt

Qwen3.5-27B 1409Bestes kostenpflichtiges Modell

Arena-Wertung vom 17. Apr. 2026 bis 15. Okt. 2026.

Coding-Wertung im Zeitverlauf

140016001800