Qwen 3.8 27B vs Qwen 3.6 27B: Cùng Kiến Trúc, Khác Biệt Nâng Cấp Sau 4 Tháng – Lựa Chọn Nào Tối Ưu Cho Bạn?

Giới Thiệu: Cuộc So Kè Giữa Hai Gã Khổng Lồ 27B

Thế giới Trí tuệ Nhân tạo (AI) luôn sôi động với những cuộc đua về hiệu suất và khả năng. Trong số đó, dòng mô hình Qwen của Alibaba Cloud đã nhanh chóng khẳng định vị thế của mình, đặc biệt với các phiên bản 27B – một “điểm vàng” được cộng đồng đánh giá cao cho việc phát triển AI cục bộ. Mới đây, sự xuất hiện của Qwen 3.8-27B chỉ bốn tháng sau người tiền nhiệm Qwen 3.6-27B đã tạo nên một làn sóng tranh luận. Trên giấy tờ, hai mô hình này trông gần như giống hệt nhau: cùng kiến trúc 27B dày đặc, cùng cửa sổ ngữ cảnh 262.144 token, cùng giấy phép Apache 2.0. Tuy nhiên, liệu phiên bản “mới hơn có luôn thắng”? Bài viết này sẽ đi sâu phân tích những thay đổi thực sự, những điểm không đổi, và quan trọng nhất, đâu là mô hình phù hợp với nhu cầu phát triển của bạn.

Hai Phiên Bản, Bốn Tháng Phát Triển: Hành Trình Của Qwen 27B

Chỉ trong vòng bốn tháng, Qwen đã cho ra đời hai phiên bản 27B đầy ấn tượng, mỗi phiên bản đều mang đến những điểm nhấn riêng và được cộng đồng đón nhận nồng nhiệt.

Qwen 3.6-27B: “Điểm Vàng” Cho Phát Triển Cục Bộ

Ra mắt vào ngày 22 tháng 4 năm 2026, Qwen 3.6-27B nhanh chóng gây chú ý với tiêu đề “Flagship-Level Coding in a 27B Dense Model”. Thành tựu nổi bật nhất của nó là đánh bại mô hình mã nguồn mở hàng đầu trước đó, Qwen 3.5-397B-A17B MoE với 397 tỷ tham số, trên mọi benchmark lập trình chính, chỉ với một phần nhỏ lượng tham số. Điều này đã định hình lại danh mục “dense 27B” thành một lựa chọn nghiêm túc cho mã hóa tác nhân (agentic coding). Ban đầu, một số người dùng trên Hacker News vẫn bày tỏ sự hoài nghi (“Hơi hoài nghi về một mô hình 27B có thể so sánh với opus…”). Tuy nhiên, đến tháng 6, một chủ đề với tiêu đề “Qwen 3.6 27B là điểm vàng cho phát triển cục bộ” đã thu hút hơn 1.192 điểm, với nhiều nhà phát triển chạy nó trên các GPU 24GB cũ.

Qwen 3.8-27B: Thế Hệ Mạnh Mẽ Nhất?

Vào ngày 14 tháng 8 năm 2026, Qwen 3.8-27B chính thức xuất hiện, được công bố là thế hệ mạnh mẽ nhất trong dòng mô hình mở Qwen từ trước đến nay. Dù thế hệ 3.7 tồn tại chủ yếu dưới dạng API, Qwen 3.8-27B là phiên bản 27B mã nguồn mở trực tiếp kế nhiệm 3.6. Thẻ mô hình của nó liệt kê nền tảng kiến trúc tương tự 3.6, nhưng lại mang đến những bước nhảy vọt về benchmark, trông giống như một bước tiến thế hệ đầy đủ chứ không chỉ là một bản cập nhật điểm nhỏ. Sự kiện ra mắt của nó thậm chí đã đứng đầu Hacker News với 1.338 điểm và 761 bình luận chỉ trong chưa đầy một ngày (thread).

Benchmark Nói Gì: Bước Nhảy Vọt Về Khả Năng Tác Vụ

Để có cái nhìn công bằng nhất, thẻ mô hình 3.8 đã đánh giá lại cả hai phiên bản trong cùng một môi trường thử nghiệm (Claude Code harness, nhiệt độ 1.0, ngữ cảnh 256K). Dưới đây là những con số đáng chú ý, mặc dù nên xem chúng như các chỉ số định hướng từ nhà cung cấp:

• Terminal Bench 2.1: 73.0, tăng từ 63.4 trên Qwen 3.6-27B.
• SWE-bench Pro: 61.7, tăng từ 53.5.
• DeepSWE 1.1: 42.2, tăng từ 13.3. Đây là bước nhảy vọt tương đối lớn nhất, dù cần lưu ý rằng Qwen 3.6 không được đánh giá trên DeepSWE 1.1 khi ra mắt.
• LiveCodeBench v6: 90.3, tăng từ 83.9.
• OSWorld-Verified: 84.3, tăng từ 63.9. Đây là lĩnh vực sử dụng máy tính, và nó thậm chí vượt qua Opus 4.6 Max (72.7) trong cùng bảng so sánh.
• WebArena-Verified: 64.8, tăng từ 48.8.
• AndroidWorld: 81.9, tăng từ 70.3.
• GPQA Diamond: 89.2, tăng từ 87.8, một cải thiện nhỏ nhưng có thật về khả năng suy luận.

Rõ ràng, mô hình Qwen 3.8-27B không chỉ “hơi tốt hơn mọi thứ”. Nó thể hiện một bước nhảy vọt đáng kinh ngạc trong các tác vụ liên quan đến tác nhân và sử dụng máy tính (terminal work, browser work, desktop work), với mức tăng khiêm tốn hơn trong suy luận thuần túy. Điều này cho thấy Qwen 3.8-27B được huấn luyện đặc biệt để hoàn thành các tác vụ đa bước phức tạp, để lại người tiền nhiệm của nó đến 20 điểm ở các tác vụ này.

Bí Mật Đằng Sau Nâng Cấp: Không Phải Kiến Trúc Mới, Mà Là Huấn Luyện Tối Ưu

Một trong những sự thật bị đánh giá thấp nhất trong cuộc so sánh này là: nếu bạn mở hai tệp cấu hình (config files) của chúng, chúng gần như giống hệt nhau. config.json của Qwen 3.8-27B hiển thị model_type: qwen3_5, 64 lớp, kích thước ẩn 5120, cùng bố cục lai giữa các khối tuyến tính-chú ý Gated DeltaNet xen kẽ với các khối chú ý đầy đủ, cùng độ sâu bộ mã hóa thị giác và kích thước vá, cùng 262.144 nhúng vị trí tối đa, và cùng thiết lập dự đoán đa token (MTP) như cấu hình của Qwen 3.6-27B.

Điều này có nghĩa là khoảng cách giữa 3.6 và 3.8 không phải là một kiến trúc mới. Thay vào đó, đó là kết quả của quá trình hậu huấn luyện (post-training): nhiều dữ liệu hơn, học tăng cường mạnh mẽ hơn trên các quỹ đạo tác nhân, và xử lý phản hồi môi trường cẩn thận hơn. Qwen đã tuyên bố rõ ràng điều này, gọi 3.8 là một mô hình “được thiết kế để thực hiện các tác vụ phức tạp, đa bước một cách đáng tin cậy hơn.” Cùng một “cơ thể”, nhưng được “tinh chỉnh” lại. Điều này quan trọng vì hai lý do: nó có nghĩa là những cải tiến chỉ chuyển giao vào nơi huấn luyện tập trung (các tác nhân, không phải kiến thức tổng quát), và nó cũng có nghĩa là câu chuyện triển khai vẫn hoàn toàn giống nhau, cùng yêu cầu VRAM, cùng các engine.

Trải Nghiệm Thực Tế: Qwen 3.8 “Quá Sâu Sắc” Hay Qwen 3.6 “Vừa Vặn”?

Bỏ qua các bảng benchmark, đây là nơi hai thế hệ này khác biệt rõ rệt nhất, và các diễn đàn cộng đồng đã ghi lại rất chi tiết.

Kiểm Soát Suy Luận: Thay Đổi Lớn Nhất

• Qwen 3.6: Suy nghĩ theo mặc định, có thể chuyển sang chế độ không suy nghĩ theo yêu cầu, và giới thiệu preserve_thinking (giữ lại suy luận từ các lượt trước cho công việc của tác nhân) nhưng nó là tùy chọn (blog).
• Qwen 3.8: Vẫn giữ suy nghĩ mặc định, nhưng bổ sung các cấp độ reasoning_effort chính thức (xhigh mặc định, cộng thêm medium và low) để điều chỉnh độ sâu suy luận, và bật preserve_thinking theo mặc định cho tất cả các tác vụ (thẻ mô hình).

Đối với bất kỳ ai đang xây dựng tác nhân, đây là một thay đổi hành vi đáng kể: 3.8 mang toàn bộ dấu vết suy luận qua toàn bộ cuộc hội thoại, giúp cải thiện tính nhất quán và tái sử dụng bộ nhớ cache KV, nhưng nó cũng tiêu tốn nhiều token hơn rất nhiều khi làm như vậy. Ví dụ, để thiết lập mức độ suy luận:

model.generate(
    ...,
    reasoning_effort="medium" # Mặc định là xhigh
)

Phản Hồi Cộng Đồng: Từ “Điểm Vàng” Đến “Kẻ Suy Nghĩ Quá Nhiều”

Về phía 3.6, các nhà phát triển báo cáo mô hình phù hợp với phần cứng của họ: một người dùng đã chạy nó từ khi ra mắt trên 3090 với 24GB VRAM, đạt 50-70 token mỗi giây với MTP và “thực sự không cần nhiều đến thế” (bình luận); một người khác chạy ngữ cảnh 256K ở lượng tử hóa Q4 trên 32GB (bình luận).

Về phía 3.8, các báo cáo thực tế tương tự lại đi kèm với những trở ngại: Simon Willison đã chạy nó trên MacBook Pro M5 Max và thấy nó tiêu tốn 21 phút và 22.276 token suy luận chỉ cho một SVG duy nhất (bình luận). Một nhà phát triển plugin phát hiện ra rằng ở chế độ xhigh, nó “suy nghĩ quá sâu sắc đến mức viết ra mã cây cối kinh khủng,” lặp đi lặp lại “FINAL FINAL APPROACH” và “OK TRULY FINAL APPROACH” trước khi hoàn thành (bình luận). Các template chat cũng cần được sửa ngay lập tức, và cộng đồng đã giải quyết vấn đề này với Qwen-Fixed-Chat-Templates (bình luận). Việc điều chỉnh template có thể trông như sau:

<|im_start|>system
Bạn là một trợ lý AI hữu ích và tuân thủ.
&lt|im_end|>
&lt|im_start|>user
[Tác vụ của bạn]
&lt|im_end|>
&lt|im_start|>assistant

Yêu Cầu VRAM: Thách Thức Lớn Hơn

Mặc dù số lượng tham số tương tự, nhưng khả năng xử lý ngữ cảnh dài của 3.8 lại rất “hung hãn”: một báo cáo cho biết 32K ngữ cảnh đã tiêu thụ 2.5GB VRAM, và 128K thậm chí không thể vừa ngay cả khi chiếu V được lượng tử hóa thành Q4_0 (bình luận). Trên một card 20GB, cùng người báo cáo này thấy khoảng 30 token mỗi giây ở ngữ cảnh 30K. Trên một 5090, một người dùng khác báo cáo khoảng 138 token mỗi giây thông qua engine ninfer, gấp đôi thiết lập llama.cpp thông thường của họ (bình luận). Tốc độ trên 3.8 phụ thuộc rất nhiều vào engine, giống như 3.6.

Hệ Sinh Thái: Tiến Hóa Cùng Mô Hình

• Qwen 3.6: Ra mắt với các bản GGUF cộng đồng từ Unsloth chỉ trong vài giờ (repo).
• Qwen 3.8: Cung cấp lượng tử hóa FP8 chính thức từ phòng thí nghiệm, với hiệu suất gần như tương đương bản bf16 gốc (FP8 repo), cộng với phiên bản Qwen Cloud được lưu trữ với ngữ cảnh 1M theo mặc định và các công cụ tích hợp (tổng quan).

Cả hai mô hình đều có mặt trên Ollama ngày nay dưới dạng qwen3.6:27b và qwen3.8:27b. Về số lượt tải, Qwen 3.6-27B đã vượt qua 7 triệu lượt tải trên Hugging Face trong bốn tháng kể từ khi phát hành. Qwen 3.8-27B có khoảng 92.000 lượt tải và gần 9.700 lượt thích trong ngày đầu tiên của nó (trang mô hình). Mức tăng đột biến trong ngày đầu tiên này là hiệu ứng từ trang nhất Hacker News, và nó không cho bạn biết nên chạy mô hình nào. Các diễn đàn mới là nơi tiết lộ sự thật.

So Sánh Thực Tế: Qwen 3.8 27B vs Qwen 3.6 27B

Để giúp bạn đưa ra quyết định, đây là bảng so sánh thực tế giữa hai phiên bản:

• Khả năng: Qwen 3.8 chiến thắng, và vượt trội đáng kể ở các tác vụ tác nhân. Cải thiện +10 trên Terminal Bench 2.1, +20 trên OSWorld-Verified, +16 trên WebArena, +12 trên AndroidWorld. Đối với suy luận và kiến thức thuần túy, khoảng cách chỉ vài điểm.
• Hành vi: Qwen 3.6 là mô hình “bình tĩnh” hơn. Nó suy nghĩ nhưng không “xoáy sâu”, và cộng đồng coi nó là một công cụ hàng ngày. Qwen 3.8 ở chế độ mặc định xhigh lại suy nghĩ quá nhiều, viết mã quá phức tạp, và cần điều chỉnh mức độ suy luận cho từng tác vụ.
• Kiểm soát suy luận: Qwen 3.6 cung cấp chế độ suy nghĩ bật/tắt với preserve_thinking tùy chọn. Qwen 3.8 bổ sung các cấp độ reasoning_effort và giữ preserve_thinking bật mặc định, điều này làm thay đổi mức tiêu thụ token và hành vi bộ nhớ cache KV cho mỗi cuộc trò chuyện.
• Ngữ cảnh & VRAM: Ngữ cảnh gốc 262K và kích thước trọng số giống hệt nhau, nhưng các báo cáo thực tế cho thấy tính toán ngữ cảnh của 3.8 “khó nhằn” hơn trên cùng một phần cứng. Hãy xác minh trước khi mua GPU.
• Hệ sinh thái: Qwen 3.6 có bốn tháng được cộng đồng thử nghiệm với các bản lượng tử hóa và sửa lỗi. Qwen 3.8 có FP8 chính thức, API được lưu trữ sắp ra mắt với ngữ cảnh 1M, và các lỗi template mới.
• Chi phí: Miễn phí cho cả hai, giấy phép Apache 2.0. Chi phí là phần cứng, và yêu cầu về 27B footprint là như nhau.

Qwen 3.8 Hay Qwen 3.6: Lựa Chọn Nào Phù Hợp Với Công Việc Của Bạn?

Quyết định lựa chọn mô hình nào phụ thuộc hoàn toàn vào nhu cầu và tài nguyên của bạn:

Chọn Qwen 3.6 27B nếu:

• Bạn đang sử dụng card đồ họa 24GB.
• Bạn cần ngữ cảnh dài và phụ thuộc vào việc gọi công cụ (tool calling) hàng ngày.
• Công việc của bạn chủ yếu là hỗ trợ mã hóa hàng ngày và không quá phức tạp.

Đây vẫn là lựa chọn thực dụng. Qwen 3.6 là mô hình mà cộng đồng đã thực sự ổn định, với các template đã được sửa lỗi, hành vi lượng tử hóa đã biết, và các báo cáo về tốc độ 50-70 token mỗi giây trên phần cứng bạn có thể mua cũ.

Chọn Qwen 3.8 27B nếu:

• Bạn đang xây dựng các hệ thống tác nhân (agentic systems), quy trình làm việc sử dụng máy tính, tự động hóa trình duyệt, hoặc bất cứ điều gì mà năng lực terminal và desktop quan trọng hơn chất lượng chat.
• Bạn sẵn sàng đối mặt với những “ma sát” ban đầu và điều chỉnh mô hình.
• Bạn có card đồ họa mạnh mẽ (ví dụ: RTX 5090-class) hoặc máy Mac với nhiều bộ nhớ hợp nhất.

Đây là bản nâng cấp đáng giá, và bước nhảy vọt 20 điểm trên OSWorld chính là lý do. Hãy lập kế hoạch cho những khó khăn: bắt đầu với mức độ suy luận medium, coi token suy luận như tiền bạc và sử dụng template chat đã sửa lỗi cho các cuộc gọi công cụ. Trên phần cứng phù hợp, nó thực sự ấn tượng so với kích thước của mình.

Lời Khuyên Cá Nhân và Danh Sách Kiểm Tra Khi Đánh Giá

Qwen đã cho ra mắt hai mô hình 27B trong bốn tháng, chia sẻ cùng một kiến trúc và đánh dấu một bước nhảy vọt lớn về khả năng tác nhân. Bản nâng cấp là có thật, nhưng đó là một bản nâng cấp tác nhân, không phải nâng cấp chat. Đó là một sự phân biệt hữu ích cần ghi nhớ, vì bản phát hành tiếp theo trong dòng này có lẽ đã được huấn luyện, và khoảng cách giữa bảng benchmark của nó với khối lượng công việc thực tế của bạn là con số duy nhất quan trọng.

Khi bạn đánh giá một trong hai mô hình cho hệ thống của mình, hãy sử dụng danh sách kiểm tra này:

• Chạy cùng ba tác vụ trên cả hai mô hình: Bao gồm một tác vụ ngữ cảnh dài và một tác vụ gọi công cụ. Các bảng benchmark sẽ không cho bạn thấy các lỗi template.
• Đo lường lượng token suy luận tiêu thụ cho mỗi tác vụ, không chỉ thời gian: Qwen 3.8 ở chế độ xhigh có thể tiêu tốn 20.000 token trong khi 3.6 chỉ tiêu tốn 2.000, và điều đó làm thay đổi cả độ trễ và chi phí.
• Tính toán VRAM thực tế với độ dài ngữ cảnh bạn dự định sử dụng trước khi tải mô hình: Ngữ cảnh, chứ không phải trọng số, là yếu tố làm “sập” card của bạn.
• Ghim mức độ suy luận cho từng khối lượng công việc: Mặc định xhigh dành cho các tác vụ khó, không phải cho mọi yêu cầu.
• Kiểm tra hành vi template chat với các định nghĩa công cụ của riêng bạn: Vì các template gốc có những vấn đề đã biết trên 3.8.

Kết Luận: Sự Tiến Hóa Không Ngừng Của Qwen

Tóm lại, Qwen 3.8 là mô hình vượt trội hơn về khả năng cho các tác vụ tác nhân phức tạp, trong khi Qwen 3.6 vẫn là lựa chọn dễ sử dụng và hiệu quả cho phát triển cục bộ với phần cứng khiêm tốn. Sự lựa chọn cuối cùng nằm ở sự cân bằng giữa hiệu suất mong muốn và tài nguyên sẵn có. Dù bạn chọn phiên bản nào, cả hai đều thể hiện cam kết mạnh mẽ của Qwen trong việc đẩy ranh giới của AI nguồn mở.

Bạn Đang Sử Dụng Phiên Bản Nào Cho Phát Triển Cục Bộ, Qwen 3.6 Hay Qwen 3.8, Và Bạn Đã Phải “Thuần Hóa” Điều Gì Đầu Tiên? Chia Sẻ Kinh Nghiệm Của Bạn Trong Phần Bình Luận!