Noticias / Seguimiento de modelos · Ecosistema Qwen
Qwen3.8-27B alcanza ~1,500 tokens/s en Cerebras: la apuesta por la velocidad en pesos abiertos a $0.99/$1.49
El modelo Apache-2.0 Qwen3.8-27B de Alibaba —el caballo de batalla para portátiles de la generación Qwen3.8— ahora se ejecuta en la inferencia a escala de oblea de Cerebras a aproximadamente 1,500 tokens de salida por segundo, listado en la documentación oficial de inferencia de Cerebras y en su página de precios desde el 3 de septiembre. El hilo en Hacker News alcanzó 392 puntos de la noche a la mañana. Esto es lo que se lanzó, lo que cuesta y cómo encaja para los desarrolladores que enrutan la familia Qwen.
Cerebras ahora aloja Qwen3.8-27B a ~1,500 tokens/s de salida (con expectativas citadas superiores a 2,000), a $0.99 entrada / $1.49 salida por 1M de tokens, como modelo preview para evaluación. El modelo en sí es la versión de pesos abiertos Apache-2.0 de Alibaba: denso de 27B, nativamente multimodal y con 262K de contexto; la propia publicación de lanzamiento de Cerebras destaca que supera a Qwen3.7-Plus en general y sobresale en programación en el mundo real. Para cargas de trabajo críticas en velocidad sobre un único modelo abierto, esta es la opción más rápida del mercado; para el enrutamiento en producción en toda la familia Qwen (Max-0902, niveles Flash, visión), un relay compatible con OpenAI sigue siendo la columna vertebral práctica.
Lo que está confirmado por fuentes oficiales
- Alojamiento: Qwen3.8-27B figura en la vista general oficial de modelos y en las páginas de precios de Cerebras desde el 3 de sep.; estado preview, pensado para evaluación.
- Velocidad: ~1,500 tokens/s de salida cotizados en el lanzamiento, con expectativas de superar los 2,000, un terreno que marcaría un nuevo récord de velocidad de servicio para esta categoría.
- Precios: $0.99 por 1M de entrada, $1.49 por 1M de salida.
- Credenciales del modelo: la publicación oficial de Cerebras felicita al equipo de Qwen y describe a 27B como un modelo denso nativamente multimodal que supera a Qwen3.7-Plus en general y destaca en programación real, consistente con el lanzamiento Apache-2.0 (14 de ago.) con 262K de contexto nativo.
- Recepción: hilo en portada de HN con 392 puntos y más de 120 comentarios en pocas horas: la mayor noticia sobre infraestructura de modelos chinos esta semana junto con Max-0902.
Qué cambia realmente alcanzar 1,500 tok/s
- El modelo de interacción cambia por completo. A las velocidades habituales de las GPU, una respuesta de 4,000 tokens tarda más de un minuto en transmitirse; a 1,500 tok/s llega en menos de tres segundos. Los bucles de agentes que regeneran archivos completos dejan de castigar a los usuarios con tiempos de espera.
- 262K de contexto + velocidad = Q&A de documentos en tiempo real. La combinación que hizo destacar el lanzamiento anterior de Qwen3-235B en Cerebras (de 1-2 minutos a 0.6 segundos) llega ahora a un modelo que cualquiera puede autoalojar: los pesos son Apache 2.0.
- La economía es razonable, no un gancho a pérdidas absurdo. $0.99/$1.49 se sitúa por debajo de las tarifas de la API insignia de Qwen ($2/$6 en Max-0902) al tiempo que ofrece una velocidad monomodelo que los clústeres de GPU no pueden igualar; es la apuesta por la escala de oblea dando frutos con un modelo gratuito entrenado por otros.
- Advertencia sobre preview: listado para evaluación; los límites de tasa, la disponibilidad y los precios pueden cambiar cuando pase a fase final. Hasta entonces, tómalo como el carril rápido y no como la columna vertebral de producción.
Fuentes primarias
- Documentación oficial de inferencia de Cerebras — Página del modelo Qwen3.8-27B (preview, ~1,500 tok/s)
- Página de precios de Cerebras — Qwen3.8-27B $0.99/$1.49 por millón de tokens
- Publicación oficial de Cerebras en X — Felicitaciones al equipo de Qwen (27B denso nativamente multimodal, superior a Qwen3.7-Plus)
- Hacker News — Qwen 3.8 27B disponible en Cerebras a 1500 tokens/s (392 puntos / 122 comentarios)
Preguntas frecuentes (2026)
¿Qué se ha lanzado?
Alojamiento de Qwen3.8-27B en Cerebras desde el 3 de sep.: ~1,500 tok/s de salida, nivel preview, en la documentación oficial y páginas de precios.
¿Precios?
$0.99/$1.49 por 1M entrada/salida: por debajo de las tarifas de la API insignia de Qwen, para el servicio monomodelo más rápido disponible.
¿Qué modelo es?
El lanzamiento Apache-2.0 del 14 de ago.: 27B denso, nativamente multimodal, 262K de contexto; supera a Qwen3.7-Plus según el anuncio de lanzamiento de Cerebras.
¿Por qué importa la velocidad?
Las respuestas de 4,000 tokens llegan en ~3s en lugar de un minuto: transforma la regeneración con agentes y el Q&A de contexto amplio en flujos interactivos.
¿Frente a un relay de Qwen?
Complementarios: Cerebras = un modelo abierto a máxima velocidad; un relay = enrutamiento de toda la familia (Max-0902, Flash, visión) a través de un único endpoint compatible con OpenAI.
¿Listo para producción?
Estado preview, listado para evaluación: se prevén límites y posibles cambios de precio al pasar a producción general. Es el carril rápido, no la columna vertebral.