NVIDIA publica versão NVFP4 do Qwen3.8-27B, pronta para vLLM e SGLang
Quantizado com QAD a 4 bits, o modelo tem 64 arquivos em safetensors e roda em vLLM ou SGLang sobre Blackwell, sob acordo próprio da NVIDIA.
Edição: Anderson Gomes
· 3 min de leitura

A NVIDIA publicou em 26 de outubro de 2026 a versão NVFP4 do Qwen3.8-27B, o modelo de 27 bilhões de parâmetros da Alibaba quantizado com QAD a 4 bits. A diferença para o modelo base não está na arquitetura, mas no estado de entrega: quem baixa já tem os pesos em formato NVFP4, calibrados com o Nemotron-Post-Training-Dataset-v3 e prontos para inferência em vLLM ou SGLang. A NVIDIA validou a pilha em hardware Blackwell GB300. O público-alvo declarado são desenvolvedores que montam AI agents, chatbots e sistemas RAG sem passar pelo pipeline de quantização.
O modelo aceita texto, imagem e vídeo como entrada e devolve texto como saída, com contexto de até 262.144 tokens na entrada e na saída de completion configurável. Os 64 arquivos de peso ficam em safetensors, único formato disponível no repositório. A arquitetura interna é o transformer Qwen3_5ForConditionalGeneration, a mesma do Qwen3.8-27B original. A quantização empregou o NVIDIA-ModelOpt versão 0.48.0, com método QAD, e o dataset de treino contém 1,26 bilhão de tokens de conversa em inglês, cobrindo matemática, ciência, engenharia de software e tarefas de agente em terminal.
A licença muda o que você pode fazer
O ponto que decide uso comercial está na separação de licenças. O Qwen3.8-27B da Alibaba roda sob Apache 2.0, que deixa qualquer empresa reimplementar, modificar e vender. A versão NVFP4 não segue a Apache: o download é regido pelo NVIDIA Open Model Agreement, um contrato próprio cujos termos o card não detalha no repositório. A NVIDIA declara que o modelo está pronto para uso comercial e não comercial, mas a regra é diferente. Quem já tem compliance validado para Apache 2.0 precisa revalidar o artefato quantizado antes de deploy em produção.
O que o card não diz sobre hardware
O card não declara mínimo de VRAM. O que ele afirma: o modelo é otimizado para sistemas acelerados por GPU NVIDIA, foi testado em Blackwell GB300, e o hardware compatível listado é exclusivamente a microarquitetura Blackwell com sistema operacional Linux. Com 27 bilhões de parâmetros em 4 bits, os pesos ocupam fração do espaço que exigiriam em float16, mas a NVIDIA não publica número de memória mínima. Dá para rodar em workstation de desenvolvedor? O card não responde. O que responde é que a validação de inferência ocorreu em GB300.
O lançamento entra no movimento de pesos abertos por um caminho distinto: em vez de soltar o modelo em precisão completa e deixar a comunidade quantizar, a NVIDIA entrega o artefato já em NVFP4 com calibração feita. No mês de publicação, o modelo acumula 515 downloads e 37 curtidas no Hugging Face. Para quem desenvolve e roda em infraestrutura com GPUs NVIDIA, o ganho é saltar a etapa de quantização e ir direto para inferência em vLLM. O custo de entrada é assinar o acordo da NVIDIA, não a Apache.
- other
- text-generation
- nvidia
- Model Optimizer
- Modelos e LLMs
- HuggingFace Models
Fonte: Página do modelo no Hugging Face · Como produzimos as matérias

Gemini Omni 1.2 Flash gera vídeo de 15s e corta preço em 30%
· 3 min de leitura

Microsoft lança Aion 1.0 Instruct, SLM de 2,3B com 32K de contexto
O Applied Sciences Group do Windows publica em Hugging Face a versão não quantizada; a integração ao sistema operacional chega em janeiro de 2027.
· 3 min de leitura

Google lança Gemini 4 Neon, quase o dobro da velocidade do Carbon
· 3 min de leitura