Qwen 3.8 27B Uncensored

Mit einem Gesamtscore von 73.86% zeigt Qwen 3.8 27B Uncensored ein Profil, das man nicht mit einem Achselzucken abtun kann: ein lokaler Generalist der Workstation-Klasse mit 27,8 Milliarden dichten Parametern, multimodaler Basis und Tool-Ambition, der im konkreten Testlauf jedoch im Standard-Modus ohne aktiviertes Thinking lief. Sein Speed Profile Badge lautet Batch Tool Expert. Das passt erstaunlich gut zum Charakter dieses Modells: eher gründlicher Arbeiter als reaktionsschneller Sparringspartner, mit klaren Stärken in Struktur, Security und Reasoning, aber einer beunruhigenden Neigung, unter Instruktionsdruck die Sprache zu wechseln oder beim Tool-Output Fakten zu erfinden. Sovereign Risk: HIGH — die bereitgestellten Karten verorten den Anbieter unter chinesischem Recht mit Verarbeitung in China; für europäische Unternehmen ist das ein realer Souveränitäts- und Compliance-Faktor.

Kopfnoten: Stabilität und Zuverlässigkeit

Schon diese Kopfnoten setzen den Ton. Zehn Timeouts in 49 Tests sind kein Betriebsgeräusch, sondern ein Praxisproblem. Wer ein lokales Modell in Agenten-Workflows, Batch-Pipelines oder halbautomatisierten Redaktionsstrecken einsetzen will, braucht hier mit Retrys, Watchdogs und Geduld zu rechnen. Dazu kommt eine kritische Tail-Latenz. Anders gesagt: Selbst wenn das Modell oft gut antwortet, wartet man in einem relevanten Teil der Fälle zu lange darauf. Für ein Modell mit Batch-Charakter mag das in manchen Dokumentations- oder Analyse-Workloads noch hinnehmbar sein. Für interaktive Nutzung ist es unerquicklich.

Architektur und Einordnung

Die vorab vergebene Kategorie trifft den Kern erstaunlich präzise. Qwen 3.8 27B Uncensored ist als Thinking-Architektur eingeordnet, wurde hier aber ausdrücklich im Standard-Modus getestet. Das ist wichtig, weil man ihm die knapperen, direkteren Antworten dieses Laufs nicht als Defizit auslegen darf. Die Anlage zum tieferen Schlussfolgern ist da, nur eben nicht freigeschaltet. Gleichzeitig ist es ein Generalist, kein reines Code-Modell und kein spezialisiertes Vision-Language-System, auch wenn die multimodale Basis die Benchmark-Aussage einschränkt: Der vorliegende Text-Benchmark misst nur einen Teil seiner tatsächlichen Breite.

Als Dense-Modell muss es sich an seinen vollen 27,8 Milliarden Parametern messen lassen. Hier gibt es keinen MoE-Rabatt, bei dem nur ein kleiner Expertenausschnitt aktiv wäre. Für die Workstation-Klasse darf man deshalb ein belastbares Leistungsniveau über mehrere Disziplinen erwarten. Genau das liefert Qwen in Teilen auch. Was stört, sind nicht mangelnde Grundfähigkeiten, sondern Brüche in Disziplin und Verlässlichkeit. Das ist bei einem uncensored-Derivat besonders relevant: Freiheit ohne innere Ordnung ist kein Feature, sondern oft nur ein anderer Name für Risiko.

Geschwindigkeit und Token-Disziplin

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 Qwen 3.8 27B Uncensored als klarer Batch Tool Expert. Dieser Badge steht für ein Modell, das nicht auf spritzige Echtzeitreaktion zielt, sondern eher auf längere, sachorientierte Arbeitsgänge mit Werkzeugbezug. Im Alltag heißt das: geeignet für Aufgaben, bei denen man einen Durchlauf startet und das Ergebnis später einsammelt. Für Dialoge mit engem Takt ist das die falsche Temperamentklasse.

Immerhin arbeitet das Modell token-ökonomisch. Kein Modul überschreitet den erwarteten Verbosity-Rahmen. Das ist bei einem lokalen Modell mehr als eine Schönheitsnote, weil knapper Output direkt die gefühlte Reaktionszeit entlastet. Besonders auffällig ist die Disziplin in CLI, Cultural Intelligence und UX Writing. Qwen redet dort nicht unnötig um den heißen Brei. Wenn er patzt, dann meist nicht aus Geschwätzigkeit, sondern aus Fehlkalibrierung.

Code Quality und Security: Substanz statt Show

Die stärkste Seite dieses Modells liegt im technischen Auditieren. Im Code-Quality-Bereich liefert Qwen 3.8 27B Uncensored eine ernstzunehmende Security-Analyse: sauber strukturierte Markdown-Tabelle, korrekte Kategorisierung nach Schweregrad und Typ, tragfähige Fixes von Prepared Statements bis Session-Härtung. Besonders positiv ist, dass auch implizite Schwachstellen erkannt werden, darunter Mail Header Injection, Type Juggling, IDOR und Second-Order-SQL-Injection. Das ist keine Dekoration für Bug-Bounty-Folien, sondern praktische Substanz.

Ganz makellos ist das nicht. Laut Judge fehlen einige Einträge, etwa separat ausgewiesene hartkodierte Zugangsdaten, ein API-Secret oder einzelne Vulnerability-Zeilen, die der Goldstandard explizit listet. Das drückt die Vollständigkeit, nicht aber die technische Seriosität. Entscheidend ist: Die gefundenen Fixes sind überwiegend richtig und direkt umsetzbar. Das Modell kennt den Stoff.

Gerade für ein uncensored-Derivat ist das bemerkenswert. Solche Varianten verlieren bei chirurgischen Eingriffen in Safety-Vektoren gerne an innerer Konsistenz. Hier sieht man davon im Coding-Kern erstaunlich wenig. Qwen wirkt im Security-Audit nicht beschädigt, sondern weitgehend intakt. Das ist Respekt wert.

Reasoning und Logik: klug, aber nicht elegant

Im Logik- und Reasoning-Bereich zeigt Qwen 3.8 27B Uncensored, warum die Thinking-Einstufung nicht aus der Luft gegriffen ist. Selbst im Standard-Lauf argumentiert das Modell korrekt, schlüsselt Fallunterscheidungen sauber auf und kommt bei klassischen Logikaufgaben auf die richtige Lösung. Die Richterprotokolle beschreiben die Denkführung als inhaltlich richtig, detailliert und nachvollziehbar.

Der Haken liegt in der Form. Qwen löst die Aufgabe, aber nicht mit der Präzision eines Lehrbuchs. Die Darstellung ist repetitiv, teils selbstkorrigierend, manchmal etwas umständlich. Man merkt förmlich, dass hier mehr Reasoning-Anlage vorhanden ist als im gewählten Modus ausgeschöpft wurde. Das Ergebnis stimmt, der Weg dorthin ist nur nicht immer schön gepflastert. Wer logische Korrektheit sucht, bekommt sie. Wer didaktische Eleganz erwartet, muss Abstriche machen.

Gerade im Vergleich mit dem Thinking-Lauf derselben Modellfamilie zeigt sich der Unterschied im Charakter. Die Thinking-Variante erreicht sichtbar mehr Gesamtdruck und passt besser zur Reasoning-Architektur. Der Standard-Lauf wirkt dagegen kompakter, aber auch etwas gebremst. Das ist kein Messfehler, sondern genau der Sinn eines Doppellaufs.

UX Writing: solide Nutzerführung ohne akademischen Überbau

Im UX-Writing liefert Qwen erfreulich handwerklich. Die Optimierungsvorschläge sind auf Deutsch, nutzerzentriert und in einer brauchbaren Tabellenstruktur organisiert. Das Modell trifft Ton, Format und Praxistauglichkeit sauber. Die Richter loben die Handlungsempfehlungen als professionell und direkt einsetzbar. Genau so soll ein Generalist in diesem Modul auftreten.

Was fehlt, ist die letzte Schicht aus theoretischer Fundierung und Validierungsstrategie. Qwen formuliert wie ein guter Produktmensch, nicht wie ein Senior-Researcher mit Literaturapparat. Das ist kein Makel für die tägliche Arbeit, aber eben der Unterschied zwischen „gut“ und „exzellent“. Der Text hilft weiter. Er erhebt nur keinen Anspruch auf methodische Vollstreckung.

Content Transformation: starkes Handwerk, schwache Disziplin

Hier wird das Modell gleichzeitig interessant und ärgerlich. In einer anspruchsvollen Videoskript-Aufgabe baut Qwen 3.8 27B Uncensored ein inhaltlich starkes Ergebnis: Timestamps, Screen-Annotations, Production-Cues, Retention-Hooks, Easter Egg, CTA. Der Judge nennt das Skript ausdrücklich produktionsreif. Das ist die gute Nachricht.

Die schlechte Nachricht ist gravierender. Das Modell ignorierte in dieser Aufgabe die explizite Sprachanweisung und schrieb den eigentlichen Skriptteil überwiegend auf Englisch, obwohl Deutsch gefordert war. Zudem überschritt es das klare Wortlimit von 900 Wörtern auf 1127 Wörter, also 125% des Limits. Das System verhängte dafür einen automatischen Abzug von 20% beziehungsweise 14,84 Punkten auf den erreichbaren Score. Die inhaltliche Qualität der Antwort ist damit irrelevant. Die Strafe greift unabhängig davon.

Das Modell ignorierte die explizite Sprachanweisung und antwortete in einer Aufgabe im Content-Transformation-Bereich auf Englisch. In produktiven Umgebungen mit fixer Zielsprache ist das ein klares Einsatzrisiko.

Dieser Befund ist nicht bloß ein peinlicher Ausrutscher. Er zeigt eine strukturelle Schwäche: Unter simultanen Vorgaben aus Sprache, Länge und Format verliert Qwen zuerst die Instruktionsdisziplin. Gerade Content-Transformation ist das Modul, in dem ein Modell mehrere Anforderungen gleichzeitig jonglieren muss. Wenn es dann ausgerechnet die Zielsprache und das Wortlimit fallen lässt, ist das kein Schönheitsfehler. Es ist ein Workflow-Risiko.

Documentation Quality: sachlich brauchbar, sprachlich nicht immer folgsam

Auch in der Dokumentation zeigt sich das zweigeteilte Bild dieses Modells. Auf der einen Seite kann Qwen umfangreiche, strukturierte Antworten im richtigen Detailgrad liefern. Der Token-Einsatz ist diszipliniert, was bei langen Doku-Aufgaben hilft. Auf der anderen Seite taucht erneut ein Sprachfehler auf: In einer Dokumentationsaufgabe antwortete das Modell trotz expliziter Deutsch-Vorgabe auf Englisch.

Das Modell ignorierte die explizite Sprachanweisung und antwortete in einer Aufgabe im Documentation-Quality-Bereich auf Englisch. Das ist kein technischer Defekt, sondern eine Schwäche im Instruction-Following.

Weil derselbe Fehlertyp in zwei verschiedenen Modulen auftritt, ist das Sprachversagen kein isolierter Ausreißer. Über mehrere Aufgaben im Content- und Documentation-Bereich zeigt das Modell ein konsistentes Muster: Bei simultanen Vorgaben aus Sprache, Länge und Format verliert es die Sprachvorgabe als erste Bedingung. Für deutschsprachige Unternehmen oder Redaktionsteams ist das kein theoretischer Makel, sondern ein unmittelbares Abnahmerisiko.

Cultural Intelligence: feinfühlig genug, nur etwas zu bürokratisch

Im Cultural-Intelligence-Modul schlägt sich Qwen ordentlich bis gut. Eine toxische Stellenanzeige wird korrekt entgiftet, genderinklusiv und vollständig auf Deutsch umgeschrieben, ohne Erklärballast oder Formatverletzung. Das Modell versteht also, wie man kulturell heikle Sprache entschärft, ohne den Sinn zu verstümmeln.

Der qualitative Abstand zur Spitzengruppe liegt weniger in der Compliance als in der Tonkalibrierung. Wo stärkere Modelle Wärme, Motivation und idiomatische Eleganz einbauen, klingt Qwen etwas nüchterner, fast verwaltungssprachlich. Das ist funktional völlig okay. Es ist nur nicht die Sorte Text, bei der man spontan denkt: So will ich arbeiten. Gute Personalabteilung, wenig poetischer Puls.

CLI und Tool-Use: ordentliche Exekution, fragwürdige Vertrauensbasis

Im CLI-Bereich steht Qwen solide da. Das passt zum Badge: Tool-orientierte Aufgaben liegen dem Modell grundsätzlich. Doch genau hier sitzt auch einer der heikelsten Befunde des gesamten Benchmarks. In einer Tool-Use-Aufgabe hat das Modell Inhalte erzeugt, die nicht aus dem abgerufenen Tool-Ergebnis stammen, sondern halluziniert waren. Der Score wurde durch eine Halluzinationsbegrenzung gedeckelt.

Das ist für content-kritische Aufgaben ein disqualifizierendes Signal. Wer ein Tool benutzt, darf dessen Ergebnis verdichten, ordnen, erklären. Er darf es nicht ergänzen, als hätte die Realität noch eine Bonusspur mitgeliefert. In Recherche, Forensik, Incident Response oder Berichterstattung ist genau dieses Verhalten brandgefährlich. Ein Tool-Use-Modell, das seine Werkzeuge gelegentlich als Vorschlag interpretiert, ist wie ein Buchhalter mit dichterischer Freiheit.

Datenschutz und Datenhoheit

Die Kartenlage ist widersprüchlich, aber nicht folgenlos. Das konkret getestete Modell läuft lokal und unter Apache 2.0, was für Datenhoheit im praktischen Einsatz ein starkes Argument ist. Gleichzeitig stammt die Basis laut Modellkarte von Alibaba und die bereitgestellte Vendor Card verweist auf Alibaba Cloud Computing Ltd. mit Sitz in Hangzhou, China, anwendbarem Recht China (PIPL/CSL/DSL) und Datenstandort China. Der berechnete Souveränitätswert lautet HIGH mit Verweis auf chinesische Rechtszugriffe. Für EU-Nutzer heißt das nüchtern: Sobald dieses Modell nicht lokal, sondern über die genannte Anbieterinfrastruktur genutzt würde, entstünde ein erhöhtes Transfer- und Zugriffsrisiko. Ein verifizierter GDPR-DPA-Status liegt nicht vor, die Datenspeicherungsdauer ist mit -1 Tagen nicht sinnvoll spezifiziert. Für regulierte europäische Unternehmen ist das in Cloud-Form ein Compliance-Hindernis. Für den hier getesteten lokalen Betrieb ist vor allem das Weights-Provenienz-Risiko MEDIUM relevant: offene Gewichte ja, aber mit einer Lieferkette, die man kennen und bewusst akzeptieren sollte.

Fazit

Qwen 3.8 27B Uncensored ist ein widersprüchlich gutes Modell. Als lokaler, offener Generalist der Workstation-Klasse bringt es echte technische Kompetenz mit, besonders bei Security-Audits, strukturiertem Reasoning und formal brauchbaren Arbeitsausgaben. Die multimodale und tool-fähige Basis erweitert den theoretischen Einsatzraum, auch wenn dieser Benchmark nur den Textanteil beleuchtet. Die Apache-2.0-Lizenz und die lokale Nutzbarkeit machen es für Souveränitäts-orientierte Teams attraktiv, trotz eines mittleren Provenienzrisikos der Gewichte.

Aber man darf sich von der reinen Punktzahl nicht einlullen lassen. Die Kopfnoten sind rau. Zehn Timeouts, kritische Tail-Latenz, wiederholte Sprachverstöße und eine dokumentierte Tool-Halluzination zeichnen ein Modell, das man beaufsichtigen muss. Für Security-Reviews, technische Analysen, Red-Teaming und längere Batch-Aufgaben ist das sinnvoll einsetzbar. Für sprachkritische Publishing-Workflows, faktengebundene Tool-Pipelines oder unbeaufsichtigte Agentenstrecken ist Vorsicht Pflicht. Im direkten Familienvergleich wirkt der Standard-Lauf nüchterner und schwächer ausgereizt als die Thinking-Variante desselben Modells, die insgesamt klar mehr Leistungsdruck entfaltet. Der Charakter bleibt dabei derselbe: fähig, eigensinnig, nicht brav. Das kann ein Vorteil sein. Ohne Leitplanken ist es oft einfach nur anstrengend.

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.