Qwen 3.8 27B raggiunge 52 sull’Artificial Analysis Intelligence Index
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
Un modello da 27 miliardi di parametri ottiene lo stesso punteggio massimo di GPT-5.6 Luna e quasi quelli di GLM-5.2 e DeepSeek V4 Pro.
Qwen 3.8 27B ha segnato 52 sull’Artificial Analysis Intelligence Index: è lo stesso punteggio “max” di GPT-5.6 Luna e a un punto dai “max” di GLM-5.2 e DeepSeek V4 Pro 08131.
Il confronto arriva da un post del 17 agosto 2026 sul blog di Simon Willison. L’autore elenca i punteggi “max” riportati: 52 per Qwen 3.8 27B e per GPT-5.6 Luna; GLM-5.2 e DeepSeek V4 Pro 0813 risultano un punto sopra. Nello stesso passaggio indica anche le taglie dichiarate: Qwen 3.8 27B conta 27 miliardi di parametri, GLM-5.2 ne ha 753 miliardi, DeepSeek V4 Pro 0813 1,6 miliardi. La dimensione di GPT-5.6 Luna non è specificata; l’autore scrive che presumibilmente è “molto più grande di 27B”1.
La vicinanza dei punteggi “max”, a fronte di ordini di grandezza diversi, è il centro del raffronto proposto. L’annotazione “(max)” limita esplicitamente il confronto ai picchi osservati per ciascun modello, non a medie o distribuzioni. Dentro questo quadro, la parità tra Qwen 3.8 27B e GPT-5.6 Luna sul 52, e il distacco di un punto dai “max” di GLM-5.2 e DeepSeek V4 Pro 0813, sono i dati chiave riportati1.
Il post non entra nei dettagli del calcolo dell’indice. Non descrive set di prova, criteri di valutazione o condizioni di esecuzione. Non riporta intervalli di confidenza né varianze. Per GPT-5.6 Luna non indica la dimensione del modello, oltre alla nota sull’essere presumibilmente più grande di 27B. L’informazione disponibile si limita ai punteggi “max” e alle taglie citate per tre dei quattro sistemi1.
Un passaggio del post aggiunge una valutazione sintetica: “Qwen 3.8 27B is a truly astonishing model.” L’apprezzamento accompagna i numeri e sottolinea l’esito sul punteggio di 52, ma non porta elementi tecnici ulteriori sul come sia stato ottenuto1.
Il contesto è asciutto: una nota con punteggi, nomi dei modelli e, dove presenti, parametri dichiarati. La pagina include anche una sezione “Recent articles” con tre voci: “Qwen 3.8 27B is excellent, but it defaults to wildly overthinking things” (16 agosto 2026), “Now we have a timeline of the OpenAI accidental attack against Hugging Face” (7 agosto 2026) e “One-shotting a Raccoon Heist game using Claude Fable 5” (5 agosto 2026). Questi rimandi non aggiungono dettagli sull’indice, ma inquadrano il tema nel flusso editoriale dell’autore1.
Un fatto emerge netto dalla nota: Qwen 3.8 27B tocca i 52 punti sull’Artificial Analysis Intelligence Index, pari al “max” di GPT-5.6 Luna, e resta a un punto dai “max” di GLM-5.2 e DeepSeek V4 Pro 0813. Le taglie indicate per GLM-5.2 (753 miliardi) e DeepSeek V4 Pro 0813 (1,6 miliardi), insieme all’assenza di una misura per Luna, fissano i confini del confronto così come presentato nella fonte1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Il filo della storia
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.