Notizie / Model Watch · Ecosistema Qwen
Qwen3.8-27B raggiunge ~1,500 token/s su Cerebras: la svolta di velocità per gli open-weights, a $0.99/$1.49
Qwen3.8-27B con licenza Apache-2.0 di Alibaba — il modello ideale per l'uso quotidiano su laptop della generazione Qwen3.8 — ora gira sull'infrastruttura di inferenza wafer-scale di Cerebras a circa 1,500 token di output al secondo, presente nella documentazione ufficiale sull'inferenza di Cerebras e nella pagina dei prezzi dal 3 settembre. Il thread su Hacker News ha raggiunto 392 punti nella notte. Ecco cosa è stato rilasciato, quanto costa e come si colloca per gli sviluppatori che instradano la famiglia Qwen.
Cerebras ora ospita Qwen3.8-27B a ~1,500 token/s in output (con stime superiori a 2.000), a $0.99 in input / $1.49 in output per 1M di token, come modello in anteprima per la valutazione. Il modello stesso è la release open-weights di Alibaba dense da 27B, nativamente multimodale, con licenza Apache-2.0 e 262K di contesto — lo stesso post di lancio di Cerebras ne evidenzia la superiorità complessiva rispetto a Qwen3.7-Plus e l'eccellenza nel coding reale. Per i carichi di lavoro in cui la velocità è critica su un singolo modello open, questa è l'opzione più veloce sul mercato; per l'instradamento in produzione sull'intera famiglia Qwen (Max-0902, livelli Flash, vision), un relay compatibile con OpenAI rimane la spina dorsale più pratica.
Cosa è confermato dalle fonti ufficiali
- Hosting: Qwen3.8-27B è presente nella panoramica ufficiale dei modelli e nelle pagine dei prezzi di Cerebras dal 3 set; stato di anteprima, destinato alla valutazione.
- Velocità: ~1,500 token di output/s dichiarati al lancio, con previsioni di superare i 2.000 — un territorio che stabilirebbe un nuovo record di velocità di erogazione per questa categoria.
- Prezzi: $0.99 per 1M in input, $1.49 per 1M in output.
- Credenziali del modello: il post ufficiale di Cerebras si congratula con il team di Qwen e descrive il 27B come un modello dense nativamente multimodale che supera complessivamente Qwen3.7-Plus, eccellendo nel coding reale — coerente con la release Apache-2.0 (14 ago) dotata di un contesto nativo di 262K.
- Accoglienza: thread in prima pagina su HN a 392 punti e oltre 120 commenti in poche ore — la notizia infrastrutturale più rilevante sui modelli cinesi di questa settimana insieme a Max-0902.
Cosa cambia davvero con 1,500 tok/s
- Il modello di interazione cambia radicalmente. Alle velocità tipiche delle GPU, una risposta da 4.000 token richiede oltre un minuto di streaming; a 1,500 tok/s arriva in meno di tre secondi. I loop degli agenti che rigenerano interi file smettono di penalizzare gli utenti con tempi di attesa.
- Contesto da 262K + velocità = Q&A in tempo reale sui documenti. La combinazione che aveva reso memorabile il precedente lancio di Qwen3-235B su Cerebras (da 1-2 minuti a 0,6 secondi) arriva ora su un modello che chiunque può ospitare autonomamente — i pesi sono Apache 2.0.
- Sostenibilità economica concreta, non follia sottocosto. Il prezzo di $0.99/$1.49 si colloca al di sotto delle tariffe API dei modelli di punta di Qwen ($2/$6 su Max-0902), offrendo al contempo una velocità su singolo modello che i cluster GPU non possono eguagliare — è la scommessa del wafer-scale che ripaga su un modello gratuito addestrato da altri.
- Avvertenza sull'anteprima: indicato per valutazione; rate limit, disponibilità e prezzi potrebbero cambiare all'uscita dalla fase preview. Fino ad allora, consideratela una corsia preferenziale veloce e non la spina dorsale di produzione.
Fonti primarie
- Documentazione ufficiale di inferenza Cerebras — Scheda modello Qwen3.8-27B (preview, ~1,500 tok/s)
- Pagina dei prezzi Cerebras — Qwen3.8-27B a $0.99/$1.49 per 1M di token
- Post ufficiale su X di Cerebras — Congratulazioni al team Qwen (27B dense nativamente multimodale, superiore a Qwen3.7-Plus)
- Hacker News — Qwen 3.8 27B disponibile su Cerebras a 1500 token/s (392 punti / 122 commenti)
FAQ (2026)
Cosa è stato lanciato?
L'hosting di Qwen3.8-27B su Cerebras dal 3 set — ~1,500 tok/s in output, livello preview, disponibile nella documentazione ufficiale e nelle pagine dei prezzi.
Prezzi?
$0.99/$1.49 per 1M in/out — al di sotto delle tariffe API di punta di Qwen, per il serving su singolo modello più veloce sul mercato.
Di quale modello si tratta?
Della release Apache-2.0 del 14 ago: 27B dense, nativamente multimodale, 262K di contesto — supera Qwen3.7-Plus secondo il post di lancio di Cerebras.
Perché la velocità è importante?
Le risposte da 4.000 token arrivano in ~3s anziché in un minuto — trasformando la rigenerazione tramite agenti e il Q&A su contesti ampi in flussi interattivi.
Rispetto a un relay Qwen?
Sono complementari: Cerebras = un modello open alla massima velocità; un relay = instradamento per l'intera famiglia (Max-0902, Flash, vision) tramite un unico endpoint compatibile con OpenAI.
Pronto per la produzione?
Stato di preview, indicato per valutazione — prevedibili limitazioni e possibili variazioni di prezzo al rilascio ufficiale. Una corsia veloce, non l'infrastruttura principale.