Qwen 3.8 27B Uncensored (Thinking)

Mit einem Gesamtscore von 79,75 Prozent ist Qwen 3.8 27B Uncensored kein anarchischer Bastard mit kaputten Bremsen, sondern ein erstaunlich kontrollierter Generalist der Workstation-Klasse. Die Einordnung passt: ein dichtes 27,8B-Modell für breite Aufgaben, lokal betreibbar, im konkreten Testlauf mit aktiviertem Thinking-Modus und damit ausdrücklich auf längere, durchdachtere Antworten kalibriert. Sein Speed Profile Badge lautet Unusable Tool Expert. Das sagt weniger über Intelligenz als über Temperament: stark in Werkzeug- und DevOps-nahen Aufgaben, aber mit einer Ausführungscharakteristik, die im direkten Arbeitsfluss zu oft zäh und sprunghaft wird.

Kopfnoten: Stabilität und Zuverlässigkeit

Diese Kopfnoten sind keine Petitessen. Sie stehen quer zum guten Gesamtscore und definieren den realen Charakter des Modells viel stärker als ein sauberer Mittelwert. Qwen 3.8 27B Uncensored kann fachlich liefern. Es liefert nur zu oft nicht verlässlich genug. Wer ein lokales Modell für Agenten, Batch-Automation oder unbeaufsichtigte Tool-Ketten sucht, bekommt hier kein Schweizer Uhrwerk, sondern eher einen sehr begabten Mitarbeiter mit exzellenten Ideen und unakzeptabler Pünktlichkeit.

Architektur und Erwartungsrahmen

Die Metadaten treffen das Modell ziemlich präzise. Qwen 3.8 27B Uncensored ist als Generalist eingestuft, nicht als Spezialist. Genau so verhält es sich auch. Die Stärken liegen nicht in einer einzigen Domäne, sondern in der Breite: Code-Audit, Logik, kulturelle Umschreibung, Dokumentation und Tool-Kontext sind überall kompetent genug, um ernst genommen zu werden.

Die Workstation-Klasse ist dabei wichtig. 27,8 Milliarden Parameter in Dense-Bauweise bedeuten: Alle Gewichte arbeiten bei jeder Antwort mit. Anders als bei MoE-Modellen, bei denen nur Teilnetze aktiv sind, entspricht die nominelle Größe hier direkt der aktiven Kapazität. Die Erwartungen dürfen also gehoben sein. Dieses Modell muss sich nicht hinter „für seine Größe ganz ordentlich“ verstecken. Es soll liefern, und es liefert inhaltlich oft tatsächlich auf Mid-Tier-Cloud-Niveau.

Der heikle Punkt ist das Label Uncensored. Laut Modellkarte handelt es sich um eine abliterierte Community-Variante auf Qwen-3.8-Basis, also nicht bloß um einen lockereren Finetune, sondern um gezielte Eingriffe in die Refusal-Richtung der Gewichte. Solche Eingriffe ruinieren manche Modelle sichtbar. Hier ist das erfreulich nicht der Fall. Der behauptete Fähigkeitsverlust von rund zwei MMLU-Punkten wirkt im Benchmark plausibel. Qwen 3.8 27B Uncensored benimmt sich nicht wie ein ausgeschlachtetes Safety-Experiment, sondern wie ein intaktes Basismodell mit gelöster Handbremse. Das verdient Respekt. Es macht den Einsatz aber nicht automatisch klüger.

Hinzu kommt der Thinking-Modus dieses konkreten Testlaufs. Das ist keine Nebensache. Längere Antworten, mehr Struktur und ausführlichere Herleitungen sind hier gewollt und müssen positiv gelesen werden, solange sie in Qualität münden. Genau das tut das Modell häufig. Nur erkauft es sich diese Tiefe zu oft mit schlechter Praxisstabilität.

Geschwindigkeit und Effizienz

Das Speed Profile Badge Unusable Tool Expert ist hart formuliert, aber treffend. Inhaltlich taugt das Modell für Tool-nahe Arbeit. Operativ ist es dafür zu ungleichmäßig. Im Alltag bedeutet das: für einzelne, überwachte Fachaufgaben brauchbar, für flüssige Interaktion oder verlässliche Agenten-Ketten nur mit Vorsicht.

Auf dem lokalen Referenzsystem ASUS GX10 / NVIDIA DGX Spark (GB10 Grace Blackwell Superchip, ~115 GB Unified Memory — kein praktisches Speicherlimit für getestete Modellgrößen) zeigt sich vor allem eines: Speicher ist hier nicht der Flaschenhals, die Praxischarakteristik des Modells selbst schon. Das Testsystem sieht ein Modell, das eher batchig als interaktiv arbeitet und dessen Ausreißer zu massiv sind, um sie wegzuerklären.

Positiv ist immerhin die Token-Ökonomie. Qwen 3.8 27B Uncensored verhält sich über die meisten Module hinweg diszipliniert. Kein Modul überschreitet den erwarteten Verbosity-Rahmen. Für ein Thinking-Modell ist das bemerkenswert. Es produziert nicht sinnlos Textlawinen, sondern investiert seine Länge meist dort, wo sie fachlich sinnvoll ist. Das macht die Stabilitätsprobleme nicht kleiner, verhindert aber wenigstens den zweiten klassischen Sündenfall reasoning-lastiger Modelle: teuer und geschwätzig zugleich.

Reasoning und Logik

Im Reasoning zeigt Qwen 3.8 27B Uncensored seine erwachsenste Seite. Der Logik-Score von 78,43 Prozent ist kein Zufallsprodukt. In den vorliegenden Protokollen arbeitet das Modell sauber, strukturiert und mit erkennbarer methodischer Disziplin. Beim klassischen Zwei-Wachen-Rätsel formuliert es die richtige Gegenfrage, prüft beide Fälle konsistent und kommt zuverlässig zur korrekten Tür. Der Judge bemängelt eher pädagogische Tiefe als inhaltliche Logik. Das ist eine gute Art, Punkte zu verlieren.

Wichtig ist der Ton dieser Antworten. Das Modell erklärt nicht hektisch, sondern geordnet. Tabellen, nummerierte Schritte, Zwischenverifikation: Das ist kein Feuerwerk, aber es schafft Vertrauen. Gerade im Thinking-Modus ist das ein Qualitätsmerkmal. Manche Reasoning-Modelle verbrennen ihre zusätzliche Denktiefe in umständlicher Selbstumkreisung. Qwen 3.8 27B Uncensored macht meist das Nützliche daraus: Klarheit.

Ganz makellos ist es nicht. Der Judge vermerkt bei einer Alternativformulierung des Rätsels eine leicht unscharfe Erklärung. Das Ergebnis bleibt korrekt, aber die Begründung verliert etwas Präzision. Genau dort sieht man auch die Grenze dieses Modells: Es denkt ordentlich, aber nicht immer elegant. Wer philosophische Metabegründungen, besonders tiefe Verallgemeinerung oder didaktischen Feinschliff sucht, bekommt solide Ingenieursarbeit, keinen großen Essay.

Code Quality und Security

Im Bereich Code Quality legt Qwen 3.8 27B Uncensored eine seiner stärksten Vorstellungen hin. Der Score von 84,52 Prozent ist verdient. In den Security-Audits erkennt das Modell die entscheidenden Klassen moderner Web-Schwachstellen zuverlässig: SQL Injection in mehreren Varianten, Klartext-Passwörter, Path Traversal, XSS, Type Juggling, schwache Token-Erzeugung, Session Fixation, IDOR, Mail Header Injection, Cookie-Probleme. Das ist nicht oberflächliches Namedropping, sondern meistens sauber mit konkreten Fixes unterfüttert.

Die Antwortstruktur gefällt ebenfalls. Das Modell hält sich an das verlangte Markdown-Tabellenformat, priorisiert nach Schweregrad und formuliert die Abhilfen pragmatisch. Besonders bei Security-Aufgaben ist das Gold wert. Viele Modelle diagnostizieren treffend und reparieren dann mit Phrasen. Qwen 3.8 27B Uncensored benennt mit prepared statements, hash_equals(), random_bytes(32) oder session_regenerate_id(true) konkrete Maßnahmen, die ein Entwickler tatsächlich umsetzen kann.

Aber: „alle Schwachstellen“ heißt eben alle. Laut Judge bleiben drei relevante Punkte unterbelichtet oder fehlen als eigenständige Einträge, darunter hartkodierte Secrets und eine sauber ausgewiesene CSRF-Zeile in der Haupttabelle. Das ist kein Totalausfall, aber es ist bei einem Security-Audit mehr als eine Schönheitsmacke. Wer eine Liste als Arbeitsgrundlage übernimmt, erwartet Vollständigkeit, nicht nur ein gutes Gespür für die groben Treffer.

Gerade im Security-Kontext ist das der Charakter dieses Modells in Reinform. Es ist stark im Erkennen und ordentlich im Reparieren, aber nicht obsessiv vollständig. Für First-Pass-Audits sehr gut. Für Freigaben ohne menschliche Nachprüfung nicht gut genug. Ein uncensored-Modell muss man im Security-Einsatz ohnehin nicht moralisch schonen. Dass es hier so kontrolliert bleibt und nicht ins Schräge kippt, ist dennoch einer seiner überzeugendsten Befunde.

CLI und Tool-Use

Der CLI-Benchmark fällt mit 89,0 Prozent stark aus, der ToolUse-Score mit 78,33 Prozent ebenfalls. Das passt zum Grundcharakter: Qwen 3.8 27B Uncensored versteht operative Aufgaben und kann in Werkzeuglogik denken. Befehle, Abläufe, technische Zielbilder und strukturierte Schrittfolgen liegen ihm. Genau deshalb ist das Speed-Badge so unerquicklich. Die fachliche Eignung ist da, die praktische Zuverlässigkeit hinkt hinterher.

Für reale Tool-Ketten ist das ein kritischer Unterschied. Ein Modell, das korrekte Kommandos produziert, aber regelmäßig aus dem Takt fällt, ist für autonome Nutzung schwer zu empfehlen. Im beaufsichtigten Copilot-Modus sieht die Welt besser aus. Dort darf ein Mensch abbrechen, wiederholen, plausibilisieren. In Agentensystemen wird aus derselben Schwäche schnell ein Kosten- und Kontrollproblem.

UX Writing, Content und kulturelle Intelligenz

Beim Schreiben zeigt Qwen 3.8 27B Uncensored zwei Gesichter. UX Writing mit 71,55 Prozent ist ordentlich, aber nicht brillant. Das Modell erfüllt Anforderungen, glättet toxische oder exkludierende Formulierungen zuverlässig und bleibt sprachlich sauber. Im HR-Beispiel entfernt es „Ninja“, entgendert problematische Passagen und liefert einen professionellen Ton. Was fehlt, ist oft der letzte Funke. Der Judge beschreibt das treffend als konservativer und formelhafter als die Referenz. Genau so liest es sich: korrekt, nützlich, selten inspirierend.

Stärker fällt die Cultural Intelligence mit 83,6 Prozent aus. Das Modell erkennt problematische Tonalitäten, neutralisiert sie zuverlässig und wahrt dabei den professionellen Kontext. Es ist nicht die warmherzigste Stimme im Feld, aber eine kontrollierte. Für sensible Umschreibungen ist das häufig sogar die bessere Wahl. Manche Modelle versuchen modern und inklusiv zu wirken und rutschen dabei in PR-Kunstsprache. Qwen 3.8 27B Uncensored bleibt näher an der Sache.

Im Content-Transformation-Bereich mit 71,93 Prozent wird es komplizierter. Inhaltlich kann das Modell viel. Im gezeigten YouTube-Tutorial-Skript erkennt es fehlende Dramaturgie, ergänzt Produktionshinweise, setzt Timestamps, Hook, Pattern Interrupt, CTA und sogar ein Easter Egg. Das ist handwerklich stark und zeigt, dass das Modell Struktur nicht nur versteht, sondern aktiv nachbaut. Der Haken ist die Disziplin unter Mehrfachvorgaben.

Das Längenproblem ist kein isolierter Ausreißer. Über mehrere Aufgaben im Content-Transformation-Bereich zeigt das Modell ein konsistentes Muster: Bei simultanen Vorgaben aus Sprache, Länge und Format verliert es das Wortlimit als erste Bedingung. In einer Videoskript-Aufgabe überschritt das Modell die explizite Wortvorgabe von 900 Wörtern auf 1422 Wörter, also 158 Prozent des Limits. Das System verhängte dafür einen automatischen Abzug von 15,32 Punkten beziehungsweise 20 Prozent. Die inhaltliche Qualität der Antwort ist damit irrelevant. Die Strafe greift unabhängig davon.

Hinzu kommt in derselben Aufgabe ein klarer Sprachfehler. Das Modell ignorierte die explizite Sprachanweisung und antwortete sichtbar teilweise auf Englisch, obwohl Deutsch gefordert war. Das ist nicht bloß ein kosmetischer Makel. In produktiven Redaktions-, Support- oder Lokalisierungsprozessen scheitert eine solche Antwort unmittelbar an der Abnahme. Der Non-Success-Status dieser Aufgabe ist deshalb folgerichtig.

Gerade hier zeigt sich eine strukturelle Schwäche des Modells: Wenn kreative Struktur, Sprachvorgabe und Formatregeln gleichzeitig ziehen, wird Qwen 3.8 27B Uncensored unsauber. Das ist kein Zusammenbruch der Schreibfähigkeit. Es ist ein Instruction-Following-Problem unter kombinierter Last.

Dokumentationsqualität

Mit 79,99 Prozent ist die Dokumentationsleistung im Kern gut. Das Modell kann ausführlich, sachlich und strukturiert schreiben. Es bewegt sich nahe am Fleet-Median beim Tokenverbrauch und verschwendet seine Länge nicht. Für technische Erklärstücke, interne Leitfäden oder systematische Aufbereitung bringt es die richtige Mischung aus Detailliebe und Ordnung mit.

Nur leidet auch dieser Bereich unter derselben Sprachdisziplin-Schwäche, diesmal deutlicher als Muster. Das Sprachversagen ist kein isolierter Ausreißer. Über mehrere Aufgaben im Documentation-Quality-Bereich zeigt das Modell ein konsistentes Muster: Bei simultanen Vorgaben aus Sprache, Länge und Format verliert es die Sprachvorgabe als erste Bedingung. In zwei Dokumentationsaufgaben antwortete das Modell trotz expliziter Deutsch-Vorgabe auf Englisch. Damit liegen nicht bloß Einzelfehler vor, sondern ein strukturelles Signal.

Diese beiden Fälle sind als Non-Success markiert, und zu Recht. Das Modell ignorierte die explizite Sprachanweisung und antwortete auf Englisch. Für Teams mit fester Zielsprache ist das ein reales Einsatzrisiko. Ein Dokumentationsmodell, das ausgerechnet bei formal klar definierten Ausgaben die Zielsprache wechselt, verhält sich wie ein Redakteur, der das Briefing gelesen hat und dann trotzdem im falschen Verlag abliefert.

Halluzinationen

Auffällig ist, was hier gerade nicht passiert: Trotz Uncensored-Label zeigt Qwen 3.8 27B Uncensored in den vorliegenden Aufgaben keine signifikante Halluzinationsneigung. Es dichtet Sicherheitslücken nicht wild hinzu, erfindet in den gezeigten Reasoning-Aufgaben keine exotischen Zusatzlogiken und bleibt auch in redaktionellen Umbauten meist nahe am Auftrag. Das ist für ein Modell ohne Safety-Handschellen die vielleicht wichtigste Vertrauensbasis.

Datenschutz und Datenhoheit

Da es sich hier um ein lokal betriebenes Open-Weights-Modell handelt, steht nicht die API-Jurisdiktion im Vordergrund, sondern die Herkunft der Gewichte. Diese ist nicht trivial: Die Basis stammt von Alibaba in China, die getestete Variante ist ein Community-Derivat von OrcaRouter unter Apache 2.0. Das ausgewiesene Weights-Provenienz-Risiko liegt bei MEDIUM. Praktisch ist das Risiko durch den lokalen Betrieb deutlich geringer als bei einer Cloud-Nutzung ohne Kontrolle über den Datenfluss. Für regulierte Umgebungen bleibt die Herkunft samt Community-Modifikation aber ein Supply-Chain-Thema, das man nicht mit einem Achselzucken abräumen sollte.

Fazit

Qwen 3.8 27B Uncensored ist ein bemerkenswert kompetenter lokaler Generalist mit aktiviertem Thinking-Modus, der seine 27,8 Milliarden dichten Parameter sinnvoll einsetzt. Er argumentiert sauber, auditet Code mit echter Substanz, schreibt brauchbare technische Texte und halluziniert über alle Tests hinweg nicht nennenswert. Zugleich sabotiert er sein gutes inhaltliches Niveau mit einer Praxisstabilität, die man nicht schönreden kann. Wer das Modell unbeaufsichtigt in produktive Agenten, Toolschleifen oder zeitkritische Workflows schickt, baut auf einen wackligen Untergrund.

Die Uncensored-Abliteration hat hier erfreulicherweise keinen sichtbaren Capability-Kollaps verursacht. Das Modell wirkt intakt, nicht verstümmelt. Für Sicherheitsforschung, Red-Teaming, lokale Analyseaufgaben und überwachte technische Assistenz ist das ein echter Pluspunkt. Für streng prozessierte Unternehmensworkflows bleibt die Sprach- und Constraint-Disziplin die offene Flanke. Besonders bei gleichzeitigen Vorgaben aus Sprache, Länge und Format verliert Qwen 3.8 27B Uncensored zu oft zuerst den Gehorsam.

Im direkten Charaktervergleich mit seinem Standard-Lauf fällt die Thinking-Variante klar stärker aus. Der Gesamtscore steigt von 73,86 Prozent auf 79,75 Prozent. Besonders Reasoning, Code Quality und ToolUse profitieren sichtbar. Dafür bleibt das Grundproblem der Einsatzrealität bestehen: mehr Denkvermögen ist schön, aber es heilt keine katastrophalen Kopfnoten. Qwen 3.8 27B Uncensored ist deshalb kein Modell für sorglose Automation. Es ist ein starkes lokales Arbeitsmodell für Nutzer, die Leistung schätzen, Kontrolle behalten und Retrys nicht als persönliche Beleidigung verstehen.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT-5.4 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.