News / Model Watch · Qwen-Ökosystem
Qwen3.8-27B erreicht ~1,500 Token/s auf Cerebras: Die Open-Weights-Geschwindigkeitswette für $0.99/$1.49
Alibabas Apache-2.0 Qwen3.8-27B – das alltagstaugliche Modell der Laptop-Klasse aus der Qwen3.8-Generation – läuft jetzt auf der Wafer-Scale-Inferenz von Cerebras mit rund 1,500 Output-Token pro Sekunde und ist seit dem 3. September in der offiziellen Cerebras-Inferenzdokumentation und auf der Preisseite gelistet. Der Hacker-News-Thread erreichte über Nacht 392 Punkte. Hier erfahren Sie, was veröffentlicht wurde, was es kostet und wie es sich für Entwickler einfügt, die die Qwen-Familie routen.
Cerebras hostet Qwen3.8-27B jetzt mit ~1,500 Output-Token/s (Erwartungen liegen laut Angaben über 2.000) für $0.99 Input / $1.49 Output pro 1M Token als Preview-Modell zur Evaluierung. Das Modell selbst ist Alibabas dichtes 27B-Open-Weights-Release unter Apache 2.0, nativ multimodal mit 262K Kontext – Cerebras' eigener Launch-Post hebt hervor, dass es Qwen3.7-Plus insgesamt übertrifft und bei praxisnahem Coding glänzt. Für geschwindigkeitskritische Workloads auf einem einzelnen offenen Modell ist dies das schnellste Angebot am Markt; für das Produktions-Routing über die gesamte Qwen-Familie (Max-0902, Flash-Stufen, Vision) bleibt ein OpenAI-kompatibles Relay das praktische Rückgrat.
Was durch offizielle Quellen bestätigt ist
- Hosting: Qwen3.8-27B ist seit dem 3. September in der offiziellen Modellübersicht und auf den Preisseiten von Cerebras gelistet; Preview-Status, für die Evaluierung vorgesehen.
- Geschwindigkeit: Zum Launch wurden ~1,500 Output-Token/s genannt, mit Erwartungen von über 2.000 – ein Bereich, der einen neuen Serving-Geschwindigkeitsrekord für diese Klasse aufstellen würde.
- Preise: $0.99 pro 1M Input, $1.49 pro 1M Output.
- Modell-Eckdaten: Cerebras' offizieller Post gratuliert dem Qwen-Team und beschreibt das 27B-Modell als nativ multimodales, dichtes Modell, das Qwen3.7-Plus insgesamt übertrifft und bei praxisnahem Coding stark abschneidet – im Einklang mit dem Apache-2.0-Release (14. Aug.) mit 262K nativem Kontext.
- Resonanz: HN-Frontpage-Thread mit 392 Punkten / 120+ Kommentaren innerhalb weniger Stunden – neben Max-0902 die größte Story rund um chinesische Modell-Infrastruktur in dieser Woche.
Was 1,500 tok/s tatsächlich verändert
- Das Interaktionsmodell dreht sich um. Bei GPU-typischen Geschwindigkeiten streamt eine Antwort mit 4.000 Token über eine Minute lang; bei 1,500 tok/s trifft sie in unter drei Sekunden ein. Agentenschleifen, die ganze Dateien neu generieren, bestrafen Nutzer nicht länger mit Wartezeiten.
- 262K Kontext + Geschwindigkeit = Live-Dokumenten-Q&A. Die Kombination, die bereits Cerebras' früheren Launch von Qwen3-235B bemerkenswert machte (1–2 Minuten → 0,6 Sekunden), erreicht nun ein Modell, das jeder auch selbst hosten kann – die Gewichte stehen unter Apache 2.0.
- Die Wirtschaftlichkeit ist solide, kein absurdes Lockvogelangebot. $0.99/$1.49 liegt unter den Flaggschiff-API-Tarifen von Qwen selbst ($2/$6 bei Max-0902) und liefert zugleich eine Einzelmodell-Geschwindigkeit, mit der GPU-Pools nicht mithalten können – hier zahlt sich die Wafer-Scale-Wette auf ein kostenloses Modell aus, das von jemand anderem trainiert wurde.
- Preview-Vorbehalt: Zur Evaluierung gelistet; Rate-Limits, Verfügbarkeit und Preise können sich ändern, sobald das Modell den Preview-Status verlässt. Bis dahin sollte es als Überholspur betrachtet werden, nicht als Produktions-Rückgrat.
Primärquellen
- Offizielle Inferenzdokumentation von Cerebras — Modellseite zu Qwen3.8-27B (Preview, ~1,500 tok/s)
- Preisseite von Cerebras — Qwen3.8-27B $0.99/$1.49 pro 1M Token
- Offizieller X-Post von Cerebras — Glückwünsche an das Qwen-Team (27B nativ multimodal, dicht, übertrifft Qwen3.7-Plus)
- Hacker News — Qwen 3.8 27B available on Cerebras at 1500 tokens/s (392 Punkte / 122 Kommentare)
FAQ (2026)
Was wurde eingeführt?
Cerebras-Hosting von Qwen3.8-27B seit dem 3. Sep. – ~1,500 Output-Token/s, Preview-Stufe, in der offiziellen Dokumentation und auf Preisseiten.
Preise?
$0.99/$1.49 pro 1M In/Out – unter den Flaggschiff-API-Tarifen von Qwen, für das schnellste verfügbare Einzelmodell-Serving.
Um welches Modell handelt es sich?
Das Apache-2.0-Release vom 14. Aug.: 27B dicht, nativ multimodal, 262K Kontext – übertrifft laut Cerebras' Launch-Post Qwen3.7-Plus.
Warum spielt Geschwindigkeit eine Rolle?
Antworten mit 4.000 Token treffen in ~3s statt in einer Minute ein – verwandelt agentische Neugenerierung und Q&A mit großem Kontext in interaktive Abläufe.
Im Vergleich zu einem Qwen-Relay?
Komplementär: Cerebras = ein offenes Modell bei maximaler Geschwindigkeit; ein Relay = Routing der gesamten Familie (Max-0902, Flash, Vision) über einen einzigen OpenAI-kompatiblen Endpunkt.
Produktionsreif?
Preview-Status, zur Evaluierung gelistet – rechnen Sie mit Limits und möglichen Preisänderungen bei Verlassen der Preview. Schnelle Überholspur, kein Rückgrat.