Notícias / Model Watch · Ecossistema Qwen
Qwen3.8-27B atinge ~1,500 tokens/s na Cerebras: aposta em velocidade com pesos abertos, a $0.99/$1.49
O Qwen3.8-27B sob Apache-2.0 da Alibaba — o modelo de uso diário de classe laptop da geração Qwen3.8 — agora roda na inferência wafer-scale da Cerebras a cerca de 1.500 tokens de saída por segundo, listado na documentação oficial de inferência da Cerebras e na página de preços desde 3 de setembro. O tópico no Hacker News alcançou 392 pontos durante a noite. Veja o que foi lançado, quanto custa e onde ele se encaixa para desenvolvedores que realizam o roteamento da família Qwen.
A Cerebras agora hospeda o Qwen3.8-27B a ~1,500 tokens/s de saída (com expectativas citadas acima de 2.000), a $0.99 de entrada / $1.49 de saída por 1M de tokens, como um modelo de prévia para avaliação. O modelo em si é o lançamento de pesos abertos de 27B denso, nativamente multimodal, sob Apache-2.0 com 262K de contexto da Alibaba — a própria publicação de lançamento da Cerebras afirma que ele supera o Qwen3.7-Plus no geral e se destaca em programação no mundo real. Para cargas de trabalho críticas em velocidade com um único modelo aberto, esta é a opção mais rápida do mercado; para o roteamento em produção de toda a família Qwen (Max-0902, níveis Flash, visão), um relay compatível com OpenAI continua sendo a espinha dorsal prática.
O que está confirmado por fontes oficiais
- Hospedagem: Qwen3.8-27B listado na visão geral de modelos e nas páginas de preços oficiais da Cerebras desde 3 de set.; status de prévia, destinado à avaliação.
- Velocidade: ~1,500 tokens/s de saída divulgados no lançamento, com expectativas de ultrapassar 2.000 — patamar que estabeleceria um novo recorde de velocidade de inferência para essa categoria.
- Preços: $0.99 por 1M de entrada, $1.49 por 1M de saída.
- Credenciais do modelo: A publicação oficial da Cerebras parabeniza a equipe do Qwen e descreve o 27B como um modelo denso nativamente multimodal que supera o Qwen3.7-Plus no geral, com excelente desempenho em programação no mundo real — consistente com o lançamento sob Apache-2.0 (14 de ago.) com 262K de contexto nativo.
- Recepção: Tópico na primeira página do HN com 392 pontos e mais de 120 comentários em poucas horas — a maior história de infraestrutura de modelos chineses da semana, ao lado do Max-0902.
O que 1,500 tok/s realmente muda
- A dinâmica de interação muda por completo. Nas velocidades típicas de GPU, uma resposta de 4.000 tokens leva mais de um minuto para ser transmitida; a 1,500 tok/s, ela chega em menos de três segundos. Loops agênticos que regeneram arquivos inteiros deixam de punir os usuários com tempos de espera.
- 262K de contexto + velocidade = Q&A de documentos em tempo real. A combinação que tornou notável o lançamento anterior do Qwen3-235B pela Cerebras (1 a 2 minutos → 0,6 segundos) chega agora a um modelo que qualquer pessoa também pode auto-hospedar — os pesos são Apache 2.0.
- A viabilidade econômica faz sentido, sem loucuras de preço de liquidação. $0.99/$1.49 fica abaixo das tarifas da API topo de linha do próprio Qwen ($2/$6 no Max-0902), entregando uma velocidade em modelo único que clusters de GPU não conseguem alcançar — é a aposta no wafer-scale trazendo retorno com um modelo gratuito treinado por terceiros.
- Ressalva da prévia: listado para avaliação; limites de taxa, disponibilidade e preços podem mudar após sair da fase prévia. Até lá, encare como uma via rápida, não como a espinha dorsal de produção.
Fontes primárias
- Documentação oficial de inferência da Cerebras — Página do modelo Qwen3.8-27B (preview, ~1,500 tok/s)
- Página de preços da Cerebras — Qwen3.8-27B $0.99/$1.49 por 1M de tokens
- Publicação oficial da Cerebras no X — Parabéns à equipe do Qwen (27B denso nativamente multimodal, superior ao Qwen3.7-Plus)
- Hacker News — Qwen 3.8 27B available on Cerebras at 1500 tokens/s (392 pontos / 122 comentários)
FAQ (2026)
O que foi lançado?
Hospedagem do Qwen3.8-27B pela Cerebras desde 3 de set. — ~1,500 tok/s de saída, nível de prévia, nas páginas oficiais de documentação e preços.
Preços?
$0.99/$1.49 por 1M de entrada/saída — abaixo das tarifas da API topo de linha do Qwen, para a inferência de modelo único mais rápida disponível.
Qual modelo é?
A versão Apache-2.0 de 14 de ago.: 27B denso, nativamente multimodal, 262K de contexto — supera o Qwen3.7-Plus de acordo com o post de lançamento da Cerebras.
Por que a velocidade importa?
Respostas de 4.000 tokens chegam em ~3s em vez de um minuto — transforma a regeneração agêntica e o Q&A de contexto amplo em fluxos interativos.
vs. um relay do Qwen?
Complementares: Cerebras = um modelo aberto em velocidade máxima; um relay = roteamento de toda a família (Max-0902, Flash, visão) por meio de um único endpoint compatível com OpenAI.
Pronto para produção?
Status de prévia, listado para avaliação — espere limites e possíveis alterações de preço após a graduação. Via rápida, não a espinha dorsal.