Actualités / Veille modèles · Écosystème Qwen
Qwen3.8-27B atteint ~1,500 tokens/s sur Cerebras : le pari de la vitesse en open-weights, à $0.99/$1.49
Le modèle Apache-2.0 Qwen3.8-27B d'Alibaba — le modèle du quotidien de classe PC portable de la génération Qwen3.8 — tourne désormais sur l'infrastructure d'inférence wafer-scale de Cerebras à environ 1,500 tokens de sortie par seconde, et figure sur la documentation officielle d'inférence de Cerebras ainsi que sur sa page de tarification depuis le 3 septembre. Le fil Hacker News a atteint 392 points en une nuit. Voici ce qui a été déployé, son tarif et la place qu'il occupe pour les développeurs intégrant la famille Qwen.
Cerebras héberge désormais Qwen3.8-27B à ~1,500 tokens/s en sortie (avec des attentes mentionnées au-delà de 2 000), à $0.99 en entrée / $1.49 en sortie par million de tokens, sous forme de modèle preview pour évaluation. Le modèle lui-même est la version dense 27B, nativement multimodale, open-weights Apache-2.0 avec 262K de contexte d'Alibaba — le post de lancement de Cerebras affirme qu'il surpasse globalement Qwen3.7-Plus et excelle en programmation concrète. Pour les charges de travail exigeant une vitesse critique sur un modèle ouvert, c'est l'option la plus rapide du marché ; pour un routage en production sur l'ensemble de la famille Qwen (Max-0902, paliers Flash, vision), un relais compatible OpenAI reste l'épine dorsale la plus pratique.
Ce qui est confirmé par les sources officielles
- Hébergement : Qwen3.8-27B figure sur les pages officielles de présentation des modèles et de tarification de Cerebras depuis le 3 sept. ; statut preview, destiné à l'évaluation.
- Vitesse : ~1,500 tokens de sortie/s annoncés au lancement, avec des prévisions dépassant les 2 000 — un niveau qui établirait un nouveau record de vitesse d'inférence pour cette catégorie.
- Tarification : $0.99 par 1M en entrée, $1.49 par 1M en sortie.
- Caractéristiques du modèle : le post officiel de Cerebras félicite l'équipe Qwen et décrit le 27B comme un modèle dense nativement multimodal surpassant globalement Qwen3.7-Plus, particulièrement solide en programmation concrète — en cohérence avec la version Apache-2.0 (14 août) intégrant 262K de contexte natif.
- Accueil : fil en une de HN à 392 points / 120+ commentaires en quelques heures — la plus grande actualité d'infrastructure pour les modèles chinois cette semaine aux côtés de Max-0902.
Ce que 1,500 tok/s changent concrètement
- Le modèle d'interaction bascule. Aux vitesses habituelles sur GPU, une réponse de 4 000 tokens met plus d'une minute à arriver en streaming ; à 1,500 tok/s, elle s'affiche en moins de trois secondes. Les boucles agentiques qui régénèrent des fichiers entiers cessent d'imposer des temps d'attente pénalisants aux utilisateurs.
- Contexte 262K + vitesse = Q&A sur documents en direct. L'association qui avait fait la force du précédent lancement de Qwen3-235B sur Cerebras (1 à 2 minutes → 0,6 seconde) arrive désormais sur un modèle que chacun peut auto-héberger — les poids sont sous licence Apache 2.0.
- L'équation économique est saine, loin du dumping à perte. À $0.99/$1.49, le tarif se situe sous les prix de l'API phare de Qwen ($2/$6 pour Max-0902) tout en offrant sur un modèle unique une vitesse hors de portée des clusters de GPU — c'est le pari du wafer-scale qui porte ses fruits sur un modèle gratuit entraîné par un tiers.
- Avertissement preview : proposé pour évaluation ; les limites de débit, la disponibilité et les tarifs peuvent évoluer lors du passage en version stable. À considérer d'ici là comme une voie rapide, pas comme l'épine dorsale de production.
Sources primaires
- Documentation officielle d'inférence Cerebras — Page du modèle Qwen3.8-27B (preview, ~1,500 tok/s)
- Page de tarification Cerebras — Qwen3.8-27B $0.99/$1.49 par million de tokens
- Post X officiel de Cerebras — Félicitations à l'équipe Qwen (27B dense nativement multimodal, supérieur à Qwen3.7-Plus)
- Hacker News — Qwen 3.8 27B available on Cerebras at 1500 tokens/s (392 points / 122 commentaires)
FAQ (2026)
Qu'est-ce qui a été lancé ?
Hébergement de Qwen3.8-27B par Cerebras depuis le 3 sept. — ~1,500 tok/s en sortie, palier preview, sur la documentation officielle et la page de tarification.
Tarifs ?
$0.99/$1.49 par million en entrée/sortie — sous les tarifs de l'API phare de Qwen, pour l'inférence sur modèle unique la plus rapide du marché.
De quel modèle s'agit-il ?
La version Apache-2.0 du 14 août : dense 27B, nativement multimodale, contexte de 262K — surpasse Qwen3.7-Plus d'après le post de lancement de Cerebras.
Pourquoi la vitesse est-elle cruciale ?
Des réponses de 4 000 tokens arrivent en ~3s au lieu d'une minute — transformant la régénération agentique et le Q&A sur grand contexte en flux interactifs.
Face à un relais Qwen ?
Complémentaire : Cerebras = un modèle ouvert à vitesse maximale ; un relais = le routage de toute la famille (Max-0902, Flash, vision) via un endpoint compatible OpenAI.
Prêt pour la production ?
Statut preview, proposé pour évaluation — anticipez des limites et d'éventuels ajustements tarifaires lors de la finalisation. Une voie rapide, pas l'épine dorsale.