En open-source-model på 27 milliarder parametre har på 30 minutter løst en reverse-engineering-opgave, der normalt forbindes med langt større, proprietære frontier-modeller. Det skriver XDA Developers, som har testet Qwen 3.8 27B.
For beslutningstagere, der overvejer at bygge eller købe AI-løsninger, er pointen ikke, at en enkelt model klarer en teknisk opgave. Pointen er, at open-source-modeller i mellemklassen nu når et niveau, hvor de kan udføre komplekse, specialiserede opgaver – uden at man skal binde sig til en dyr, lukket platform. Det ændrer regnestykket for, hvornår det giver mening at investere i proprietære frontier-modeller.
Reverse-engineering er en krævende disciplin, der kræver logisk ræsonnement og evnen til at følge ustrukturerede spor. At en model på 27 milliarder parametre klarer det på en halv time, tyder på, at open-source-modeller ikke længere kun er et billigt alternativ, men et reelt valg for opgaver, der tidligere krævede topmodeller.
Det er værd at bemærke, at testen er en enkelt observation, ikke en systematisk benchmark. Men den er et signal om, at udviklingen i open-source-modeller går hurtigt – og at virksomheder bør revurdere deres antagelser om, hvad der kræver en frontier-model.
