Qwen 3.6 35B A3B เทียบกับ Qwen 3.8 27B: 3B Active หรือ 27B Dense?

ตัวเลขสองตัวกำหนดการจับคู่นี้ และมันดึงไปคนละทิศทาง Qwen3.6-35B-A3Bมีพารามิเตอร์ 3.5 หมื่นล้านตัว แต่เปิดใช้งานเพียงประมาณ 3 พันล้านตัวต่อโทเคนหนึ่งตัว Qwen3.8-27Bเป็นแบบ dense: พารามิเตอร์ทั้ง 2.7 หมื่นล้านตัวถูกใช้ทุกตัวสำหรับทุกโทเคนที่คุณสร้าง นั่นหมายความว่า mixture of experts เป็นโมเดลที่เบากว่าในการรันและเป็นโมเดลที่หนักกว่าในการจัดเก็บ — น้ำหนัก BF16 71.9 GB เทียบกับ 55.6 GB ตามรีโพซิทอรีของผู้จำหน่ายแต่ละราย — ในขณะที่โมเดลแบบ dense ต้องใช้การคำนวณต่อโทเคนมากกว่าประมาณเก้าเท่า และใช้หน่วยความจำน้อยกว่า ทั้งสองอย่างไม่ใช่ข้อบกพร่อง พวกมันเป็นสองคำตอบที่แตกต่างกันสำหรับคำถามว่า "ฉันมีเครื่องแรงแค่ไหน" และคำตอบไหนที่เป็นของคุณคือทั้งหมดของการตัดสินใจ

มีเหตุผลประการที่สองที่ทำให้หน้านี้คุ้มค่ากับเวลาของคุณ การเปรียบเทียบนี้คือรูปแบบที่ผู้อ่านค้นหากันรอบ ๆ 35B A3B — ทุกคำค้นในตระกูลเล็กของโมเดลนั้นล้วนเป็นเวอร์ชันหนึ่งของสิ่งนี้ — และ Qwen3.6-35B-A3B ยังไม่เคยมีหน้าใดที่นี่ที่อธิบายมันเลย ดังนั้นหน้านี้จึงมีหนึ่งย่อหน้าที่ตรงไปตรงมาในแต่ละฝั่ง แล้วจึงเข้าสู่การเปรียบเทียบ

สิ่งที่ build 35B A3B จริงๆ แล้วคืออะไร

Qwen3.6-35B-A3B เป็นสมาชิกรุ่นสแปร์ส (sparse) ของตระกูล Qwen3.6 ประจำเดือนเมษายน 2026 ของ Alibaba เผยแพร่ภายใต้ Apache-2.0 ในที่เก็บ Hugging Face ของผู้พัฒนาเอง ซึ่งสร้างขึ้นเมื่อวันที่ 15 เมษายน 2026 การ์ดโมเดลของผู้พัฒนาอธิบายว่าเป็น mixture of experts ที่มี "35B in total and 3B activated" สร้างจากผู้เชี่ยวชาญ 256 ราย โดยมี routed experts แปดรายบวกกับ shared expert หนึ่งรายที่ทำงานต่อหนึ่งโทเคน ไม่ใช่โมเดลข้อความล้วน การ์ดระบุว่าเป็น "Causal Language Model with Vision Encoder" และที่เก็บมีแท็กไปป์ไลน์ image-text-to-text ดังนั้นจึงรับข้อความ รูปภาพ และวิดีโอ แล้วส่งคืนข้อความ คอนเท็กซ์อยู่ที่ 262,144 โทเคนโดยกำเนิด ขยายได้ถึงประมาณ 1,010,000 ด้วยการสเกล YaRN โครงสร้างเป็นแบบไฮบริด — สามบล็อก Gated DeltaNet linear-attention ซ้ำสิบรอบ ตามด้วยหนึ่งบล็อก gated full-attention มิติซ่อน 2,048 จำนวน 40 เลเยอร์ — และการ์ดแยกคำโฆษณาออกจากสถาปัตยกรรมโดยระบุสองสิ่งที่เน้น ได้แก่ agentic coding และตัวเลือก "thinking preservation" ที่เก็บบริบทการให้เหตุผลจากเทิร์นก่อนหน้า ตารางของผู้พัฒนาเองบนการ์ดนั้นระบุว่าได้ SWE-bench Verified 73.4, Terminal-Bench 2.0 51.5, MMLU-Pro 85.2, GPQA 86.0 และ LiveCodeBench v6 80.4 — ทั้งหมดเป็นตัวเลขที่ผู้พัฒนารายงานเองและยังไม่ได้ตรวจสอบ ซึ่งเป็นป้ายกำกับที่ติดไปกับตัวเลขเหล่านี้ทุกครั้งที่ปรากฏด้านล่าง

Qwen3.8-27B คืออะไร

Qwen3.8-27B เป็นโมเดล dense ขนาด 27B แบบเปิดน้ำหนักของ Alibaba จากรุ่นเจเนอเรชัน Qwen3.8 เผยแพร่ภายใต้ Apache-2.0; รีโพซิทอรีของผู้ให้บริการถูกสร้างขึ้นเมื่อวันที่ 5 สิงหาคม 2026 และแก้ไขล่าสุดเมื่อวันที่ 14 สิงหาคม การ์ดของ Qwen เองเรียกมันว่า "โมเดล dense ขนาดกะทัดรัดที่เหมาะแก่การนำไปดีพลอย" และวางตำแหน่งให้เป็นเจเนอเรชัน Qwen แบบเปิดที่มีความสามารถสูงสุดเท่าที่เคยมีมา โดยระบุถึงผลที่ได้ในด้านการเขียนโค้ด งานวิชาชีพ งานวิจัย และงานเอเจนต์ระยะยาว อีกทั้งยังเป็นโมเดลภาษา-ภาพ (vision-language) — "Causal Language Model with Vision Encoder" — ที่รับทั้งภาพและวิดีโอรวมถึงข้อความ ที่คอนเท็กซ์เนทีฟ 262,144 โทเคน และ 1,000,000 โทเคนเมื่อขยาย ในเชิงสถาปัตยกรรมกลับเป็นแบบธรรมดาเมื่อเทียบกัน: 64 เลเยอร์ มิติซ่อน 5,120 เครือข่ายฟีดฟอร์เวิร์ดทั่วไปที่มีมิติกลาง 17,408 แทนที่จะเป็นกลุ่มผู้เชี่ยวชาญหลายตัว และจังหวะแอตเทนชันแบบ three-linear-to-one-full แบบเดียวกับรุ่นพี่ ขณะที่การ์ดของ 35B A3B พูดถึงการรักษากระบวนการคิด การ์ดของ Qwen3.8-27B พูดถึงการควบคุมการคิดอย่างยืดหยุ่น — reasoning_effortซึ่งตั้งค่าเริ่มต้นเป็น xhigh โดยมี medium และ low ให้เลือก และ preserve_thinkingนั้นเปิดไว้เป็นค่าเริ่มต้น การ์ดของมันรายงานค่า LiveCodeBench v6 90.3, GPQA Diamond 89.2, OSWorld-Verified 84.3, QwenSWEBench 79.0, Terminal Bench 2.1 73.0 และ SWE-bench Pro 61.7 — เป็นตัวเลขที่ผู้ให้บริการรายงานเองและยังไม่ได้ตรวจสอบยืนยัน น้ำหนักรวมอยู่ที่ 55.6 GB กระจายอยู่ในไฟล์ safetensors สิบแปดแชิร์ด และจำนวนพารามิเตอร์อยู่ที่ 27.8 พันล้านเมื่อนับรวมวิชันทาวเวอร์ ซึ่งเป็นเหตุผลที่โมเดลนี้ถูกเรียกว่า 27B และมีขนาด 27.8B

ตัวเลขเพียงตัวเดียวที่มักเป็นตัวชี้ขาด: พารามิเตอร์ที่ใช้งานอยู่

ไฟล์นับรวมพารามิเตอร์ทั้งหมด ส่วนความเร็วนับเฉพาะพารามิเตอร์ที่ทำงานอยู่ สองสิ่งนี้เป็นคนละคอลัมน์กันในสเปกชีต และผู้อ่านก็มักหลอมรวมมันเป็นคอลัมน์เดียวเสมอ ซึ่งนั่นคือสาเหตุที่ผู้คนลงเอยด้วยการดาวน์โหลด mixture of experts ขนาด 22 GB โดยคาดหวังว่ามันจะพอดีกับที่ที่โมเดล dense ขนาด 16.5 GB จะใส่ได้

กลไกนี้ควรพูดให้ตรงไปตรงมา เพราะมันคือหัวใจของการแลกเปลี่ยนทั้งหมด โมเดลแบบ dense ต้องอ่านน้ำหนักทั้งหมดเพื่อสร้างแต่ละโทเคน ขณะที่ mixture แบบ sparse จะอ่านเฉพาะ expert ที่เราเตอร์เลือก Qwen3.6-35B-A3B อ่านประมาณสามพันล้านพารามิเตอร์ต่อโทเคน และ Qwen3.8-27B อ่านสองหมื่นเจ็ดพันล้านพารามิเตอร์ ดังนั้น mixture จึงได้เปรียบเชิงโครงสร้างทั้งด้านการคำนวณต่อโทเคนและด้านทรูพุตของการถอดรหัส และข้อได้เปรียบนั้นมีจริง แต่ expert อื่น ๆ ไม่ได้มาฟรี พวกมันต้องถูกเก็บไว้ที่ใดที่หนึ่ง ไม่ใน VRAM ก็ในหน่วยความจำระบบ ไม่อย่างนั้นสุดท้ายเราเตอร์ก็ต้องไปดึงพวกมัน และการดึงหนึ่งครั้งอาจมีต้นทุนมากกว่าการคำนวณที่มันประหยัดไป ดังนั้นข้อได้เปรียบจึงขึ้นอยู่กับการถือ 35B ทั้งตัวไว้ นี่คือวิธีการทำงานของการถอดรหัสแบบ mixture-of-experts ไม่ใช่การวัดผลของสองโมเดลนี้โดยเฉพาะ และนี่คือเหตุผลว่าทำไมคำถามเรื่องการโหลดให้พอดีจึงมาก่อนคำถามเรื่องความเร็ว ไม่ใช่มาหลัง

• พารามิเตอร์ทั้งหมดบนดิสก์, BF16 — Qwen3.6-35B-A3B: 35.95B ใน 26 ไฟล์ safetensors, 71.9 GB. Qwen3.8-27B: 27.78B ใน 18 ชาร์ด, 55.6 GB. ตามที่ระบุในที่เก็บ Hugging Face ของผู้จำหน่ายเอง, อ่านเมื่อ 2026-10-13.

• พารามิเตอร์ที่ใช้งานต่อโทเคน — Qwen3.6-35B-A3B: ประมาณ 3B. Qwen3.8-27B: ทั้ง 27B เพราะ dense ก็คือ dense

• สถาปัตยกรรม — Qwen3.6-35B-A3B: ผู้เชี่ยวชาญ 256 ตัว, จัดเส้นทาง 8 ตัว บวกใช้ร่วมกัน 1 ตัวต่อโทเคน, 40 เลเยอร์, มิติซ่อน 2,048. Qwen3.8-27B: ฟีดฟอร์เวิร์ดเดียวที่มิติกลาง 17,408, 64 เลเยอร์, มิติซ่อน 5,120.

• บริบทเนทีฟ — 262,144 โทเคนทั้งสองรุ่น Qwen3.6-35B-A3B ขยายได้ถึงประมาณ 1,010,000 ด้วย YaRN; ส่วนการ์ดของ Qwen3.8-27B ระบุไว้ที่ 1,000,000 เมื่อขยาย

• {{1}}สัญญาอนุญาต{{/1}} — Apache-2.0 สำหรับทั้งคู่ ทั้งสองDownloadable จากผู้จำหน่าย ทั้งสองเป็น open weights และไม่มีข้อกำหนดแบบ per-seat หรือ per-call ผูกกับทั้งคู่

ค่าใช้จ่ายต่อโทเค็นของแต่ละรายการ

ทั้งสองโมเดลให้บริการบน OrcaRouter ดังนั้นคุณจึงตัดสินเรื่องนี้ได้โดยไม่ต้องดาวน์โหลดอะไรเลย อ่านจากแค็ตตาล็อกสดของเราเมื่อ 2026-10-13, qwen/qwen3.6-35b-a3b ราคา $0.248 ต่อล้านโทเค็นอินพุต และ $1.485 ต่อล้านโทเค็นเอาต์พุต โดยมีหน้าต่าง 262,144 โทเค็น และเอาต์พุตสูงสุด 65,536 โทเค็น qwen/qwen3.8-27b ราคา $0.330 ต่อล้านโทเค็นอินพุต และ $2.400 ต่อล้านโทเค็นเอาต์พุต ที่หน้าต่าง 262,144 โทเค็นเท่ากัน ทั้งสองยังอยู่ในแค็ตตาล็อกของเราภายใต้ host id ที่สองในราคาที่สูงกว่า ดังนั้นตรวจสอบว่าคุณกำลังเรียกใช้ตัวระบุใดจริง ๆ ก่อนเปรียบเทียบใบแจ้งหนี้

บนภาระงานที่มีโทเค็นอินพุตหนึ่งล้านโทเค็นและโทเค็นเอาต์พุตสองแสนห้าหมื่นโทเค็น — ซึ่งเป็นปริมาณที่เป็นไปได้ในหนึ่งเดือนสำหรับการดีพลอยเอเจนต์เขียนโค้ดขนาดเล็ก — การคำนวณออกมาดังนี้ Qwen3.6-35B-A3B: 1.00 × $0.248 บวก 0.25 × $1.485 หรือประมาณ $0.62 Qwen3.8-27B: 1.00 × $0.330 บวก 0.25 × $2.400 หรือประมาณ $0.93 โมเดล dense รุ่นใหม่กว่ามีค่าใช้จ่ายประมาณหนึ่งเท่าครึ่งสำหรับรูปแบบทราฟฟิกแบบนั้น และช่องว่างจะกว้างที่สุดในโทเค็นเอาต์พุต โดยอยู่ที่ประมาณ 62%

มีสองสิ่งตามมาที่สำคัญยิ่งกว่าตัวเลข ประการแรก นี่คือราคาในแค็ตตาล็อกของเรา และเราไม่บวกกำไรเพิ่มจากราคาที่ผู้ให้บริการประกาศไว้ — ดังนั้นเมื่อผู้ขายเปลี่ยนราคา หน้านี้ก็ได้รับข้อมูลในวันเดียวกับที่ผู้ขายได้รับ โดยไม่มีความหน่วงและไม่มีสัญญาฉบับที่สอง ประการที่สอง เหตุผลที่ควรเปรียบเทียบทั้งสองแบบด้วยคีย์เดียวแทนที่จะใช้สองคีย์คือต้นทุนในการสลับ: ไอดีทั้งสองอยู่เบื้องหลังเอนด์พอยต์เดียวกัน ดังนั้นการย้ายจากอันหนึ่งไปอีกอันจึงเป็นการเปลี่ยนสตริง ไม่ใช่การย้ายระบบ และการสลับสำรองอัตโนมัติหมายความว่าคุณสามารถรันตัวที่คุ้นเคยน้อยกว่าในบรรดาสองตัวนี้กับทราฟฟิกส่วนหนึ่งของคุณ โดยไม่ต้องเดิมพันเส้นทางโปรดักชันกับมัน หากคุณกำลังประเมิน mixture of experts เป็นครั้งแรกเพราะเหตุผลด้านพลังประมวลผลข้างต้น นั่นคือวิธีที่ประหยัดในการทดสอบว่าเหตุผลนั้นใช้ได้กับเวิร์กโหลดของคุณหรือไม่

อะไรที่เข้ากับเครื่องของคุณ

นี่คือคำถามที่โมเดลทั้งสองแตกต่างกันจริง ๆ และมันขึ้นอยู่กับการแบ่งแบบเดียวกันระหว่างจำนวนพารามิเตอร์ทั้งหมดกับจำนวนพารามิเตอร์ที่ใช้งานจริง เมื่อเปรียบเทียบบิลด์ GGUF จากชุมชนที่ทั้งสองโมเดลมี — สิ่งเหล่านี้เป็นคลังเก็บของบุคคลที่สาม ไม่ใช่รุ่นที่ผู้จำหน่ายเผยแพร่เอง และชื่อไฟล์ก็เป็นของพวกเขาเอง — ป้ายกำกับควอนไทเซชันเดียวกันกลับให้ขนาดไฟล์ที่แตกต่างกันอย่างมีนัยสำคัญ:

• ระดับ Q3 ตัวเลือกที่เล็กที่สุดที่ยังสมเหตุสมผล — Qwen3.6-35B-A3B: 16.60 GB ที่ UD-Q3_K_M. Qwen3.8-27B: 13.15 GB ที่ UD-Q3_K_XL.

• ประมาณ IQ4 — Qwen3.6-35B-A3B: 17.73 GB ที่ UD-IQ4_XS, 18.04 GB ที่ UD-IQ4_NL Qwen3.8-27B: 14.25 GB ที่ UD-IQ4_XS

• Q4_K_S — Qwen3.6-35B-A3B: 20.89 GB Qwen3.8-27B: 15.36 GB

• Q4_K_M ซึ่งเป็นค่าดีฟอลต์ตามปกติ — Qwen3.6-35B-A3B: 22.13 GB. Qwen3.8-27B: 16.46 GB.

• Q4_K_XL — Qwen3.6-35B-A3B: 22.36 GB. Qwen3.8-27B: 17.56 GB.

• Q5_K_M — Qwen3.6-35B-A3B: 26.46 GB. Qwen3.8-27B: 19.77 GB.

• Q8_0 — Qwen3.6-35B-A3B: 36.90 GB. Qwen3.8-27B: 29.05 GB.

• BF16 แบบที่จัดส่งมา — Qwen3.6-35B-A3B: 71.9 GB. Qwen3.8-27B: 55.6 GB.

• เผยแพร่แล้วเช่นกัน — Qwen3.6-35B-A3B มีเช็กพอยต์ FP8 ในรีโพซิทอรีของผู้จำหน่ายเอง และมี MXFP4 mix ขนาด 21.71 GB ในบิลด์จากคอมมูนิตี้; Qwen3.8-27B ก็มีเช็กพอยต์ FP8 ในรีโพซิทอรีของผู้จำหน่ายเช่นกัน

อ่านสองคอลัมน์เทียบกัน แล้วกฎก็จะโผล่ขึ้นมาเอง ที่ป้ายกำกับซึ่งจับคู่กันทุกจุด โมเดลแบบผสมจะหนักกว่า 4 ถึง 8 กิกะไบต์ที่ระดับการบีบอัดตามชื่อเดียวกัน เพราะไฟล์ต้องเก็บ 35B ไว้ทั้งหมด และใช้เพียง 3B ของมันในแต่ละครั้ง พูดให้ชัดคือ การ์ด 24 GB รัน Qwen3.8-27B ที่ Q4_K_M ได้โดยยังมีพื้นที่เหลือสำหรับ context และรัน Qwen3.6-35B-A3B ที่ Q3 หรือ IQ4 ได้โดย KV cache ต้องแย่งพื้นที่กัน ส่วนเซสชัน long-context ที่สบาย ๆ บนโมเดลแบบผสมนี้ต้องใช้ใกล้ 48 GB มากกว่า เพิ่มไฟล์ของ vision tower แยกต่างหาก หากคุณต้องการอินพุตรูปภาพกับตัวใดตัวหนึ่ง

จุดที่เกณฑ์มาตรฐานยืนอยู่ ซึ่งไม่ใช่จุดที่คุณอยากให้มันเป็น

ยังไม่มีใครเผยแพร่การรันเปรียบเทียบแบบตัวต่อตัวของสองโมเดลนี้ด้วยการตั้งค่าที่ตรงกันบนฮาร์เนสที่ระบุชื่อไว้ เราไม่ทราบว่ามีงานลักษณะนี้ และหน้านี้จะไม่สื่อถึงการจัดอันดับที่หลักฐานยังไม่รองรับ

สิ่งที่ปรากฏอยู่จริงคือความทับซ้อนบางส่วนในชื่อของเบนช์มาร์กระหว่างการ์ดข้อมูลผู้จำหน่ายทั้งสองใบ และมันคุ้มค่าที่จะแสดงให้เห็นอย่างชัดเจน เพราะมันง่ายมากที่จะตีความเกินจริง บนชื่อที่ปรากฏบนการ์ดทั้งสองใบ ตัวเลขของ Qwen3.8-27B สูงกว่าในทุกครั้ง SWE-bench Pro: 49.5 สำหรับ 35B A3B เทียบกับ 61.7 สำหรับ 27B LiveCodeBench v6: 80.4 เทียบกับ 90.3 HLE: 21.4 เทียบกับ 30.8 คำถามเชิงการให้เหตุผลของ CharXiv: 78.0 เทียบกับ 83.7 OmniDocBench 1.5: 89.9 เทียบกับ 91.1 RealWorldQA: 85.3 เทียบกับ 85.9 และบน Terminal-Bench การ์ดทั้งสองใบไม่สามารถเทียบกันได้ในแบบที่แถวนั้นสื่อเลยด้วยซ้ำ: การ์ดของ 35B A3B รายงาน Terminal-Bench 2.0 ที่ 51.5 ขณะที่การ์ดของ 27B รายงาน Terminal Bench 2.1 (Terminus) ที่ 73.0 — เป็นเบนช์มาร์คคนละเวอร์ชัน ดังนั้นคู่นั้นจึงไม่ควรนำมาลบกันเลย

ข้อควรระวังสามข้อใช้กับทั้งหมดที่กล่าวมา ตัวเลขเหล่านั้นมาจากการ์ดโมเดลสองใบที่แตกต่างกัน ซึ่งเผยแพร่ห่างกันราวสี่เดือน โดยแล็บเดียวกัน โดยไม่มีการตรวจสอบ เบนช์มาร์กหลายรายการที่แต่ละโมเดลรายงานปรากฏอยู่เฉพาะบนการ์ดของตัวเองและไม่มีคู่เทียบ — SWE-bench Verified 73.4 และ MMLU-Pro 85.2 ฝั่ง 35B A3B; OSWorld-Verified 84.3 และ QwenSWEBench 79.0 ฝั่ง 27B — จึงไม่สามารถนำมาเทียบเคียงกันได้ และการที่โมเดลใหม่กว่าในสายเดียวกันได้คะแนนสูงกว่าโมเดลรุ่นเก่านั้นเป็นผลลัพธ์ที่คาดไว้ ไม่ใช่ข้อค้นพบ: มันบอกคุณว่าเจเนอเรชันเปลี่ยนไปแล้ว และไม่ได้บอกอะไรเลยว่าโมเดลรุ่นเก่าเหมาะสมกว่าสำหรับโทเคนที่คุณกำลังจะส่งหรือไม่

ถ้าคุณต้องการให้การเปรียบเทียบนี้ชี้ขาด วิธีที่ตรงไปตรงมาคือรันทั้งสองแบบบนทราฟฟิกของคุณเอง ทั้งคู่อยู่บนคีย์เดียว เอนด์พอยต์เดียว และการสลับสำรองอัตโนมัติทำให้การทดสอบแบบแยกกลุ่มมีต้นทุนต่ำ

คุณควรเลือกอันไหน

เลือก Qwen3.6-35B-A3B หากเครื่องของคุณสามารถรองรับน้ำหนักโมเดล 35B ได้ และภาระงานของคุณเน้นไปที่การสร้างข้อความมากกว่าการให้เหตุผลแบบครั้งเดียว กรณีที่มันเป็นคำตอบที่ใช่คือ:

• คุณมีหน่วยความจำ — 48 GB ขึ้นไปสำหรับการใช้งานในเครื่องกับบริบทยาวได้อย่างสบาย ๆ หรือการ์ด 24 GB ที่ควอนต์ระดับ 3 บิต ถ้าคุณพอรับหน้าต่างที่สั้นลงได้ — และคุณต้องการสถาปัตยกรรมที่ใช้การประมวลผลต่อโทเคนน้อยที่สุด

• ทราฟฟิกของคุณมีความพร้อมกันสูงหรือเป็นการสร้างผลลัพธ์แบบยาว ซึ่งต้นทุนต่อโทเคนกินค่าใช้จ่ายส่วนใหญ่ และโดยโครงสร้าง การถอดรหัสแบบเบาบางของโมเดลแบบผสมก็อยู่ฝั่งคุณ

• คุณต้องการอาร์ติแฟกต์ Apache-2.0 เพียงหนึ่งชิ้นที่รับข้อความ รูปภาพ และวิดีโอ แล้วส่งคืนข้อความ และคุณต้องการไฟล์ดาวน์โหลดที่เล็กกว่าในคู่นี้ เฉพาะเมื่อคุณเป็นผู้โฮสต์มันเองแทนที่จะดาวน์โหลด ซึ่งราคาต่อโทเค็นต่ำกว่าทั้งในส่วนอินพุตและเอาต์พุต

• คุณตั้งใจอยู่ในสเกล 3B-active — คุณยอมรับว่าตามหลังตารางของทางผู้ขายเองอยู่หนึ่งเจเนอเรชัน เพื่อแลกกับการจ่ายต่อโทเคนที่น้อยลง และทำสิ่งนั้นผ่านอินเทอร์เฟซการเรียกใช้เครื่องมือที่คุ้นเคย

เลือก Qwen3.8-27B หากหน่วยความจำเป็นข้อจำกัดที่ผูกมัด หรือหากคุณต้องการรุ่นใหม่ล่าสุดในคู่นี้ กรณีที่มันเป็นคำตอบที่ถูกต้อง:

• การ์ด 24 GB ใบเดียว และไม่มีแผนจะซื้อเพิ่ม ที่ Q4_K_M มันอยู่ที่ 16.5 GB ซึ่งเหลือพื้นที่จริงสำหรับบริบท; ส่วนแบบ mixture ไม่เหลือ

• คุณต้องการตัวเลขด้านเอเจนต์และการเขียนโค้ดที่ผู้ขายรายงานว่าสูงที่สุดในคู่นี้ และคุณตระหนักว่าตัวเลขเหล่านั้นมาจากการ์ดที่ยังไม่ผ่านการตรวจสอบและไม่ใช่การเปรียบเทียบที่จับคู่กันอย่างเหมาะสม

• ภาระงานของคุณมีคำขอค่อนข้างน้อย แต่เป็นคำขอขนาดค่อนข้างใหญ่ — การทำความเข้าใจเอกสารและภาพหน้าจอ การให้เหตุผลระดับรีพอซิทอรี ระบบอัตโนมัติในรูปแบบการใช้คอมพิวเตอร์ — โดยที่อัตราการประมวลผลต่อคำขอสำคัญน้อยกว่าความถูกต้องของแต่ละคำขอ

• คุณต้องการไฟล์ดาวน์โหลดที่เล็กลง การเริ่มต้นแบบโคลด์สตาร์ทที่เร็วขึ้น และรายการชาร์ดที่สั้นลงเพื่อให้จัดการง่ายขึ้น

ทั้งหมดนั้นไม่ได้ทำให้ตัวใดเป็นผู้ชนะ โมเดลทั้งสองไม่ได้แย่งช่องเดียวกันบนเครื่องของคุณ และตัวเลขข้างต้นไม่ได้ยืนยันว่าตัวไหนดีกว่าในเรื่องใด — พวกมันยืนยันว่าตัวไหนเรียกร้องจากเครื่องที่คุณมีอยู่น้อยกว่า

ข้อเท็จจริงที่มักใช้ตัดสินได้บ่อยที่สุดคือ: ไฟล์บนดิสก์มีขนาดตามพารามิเตอร์ทั้งหมด ส่วนงานที่ทำต่อโทเคนมีขนาดตามพารามิเตอร์ที่แอ็กทีฟ ดังนั้น Qwen3.6-35B-A3B อาจเป็นโมเดลที่รันได้เร็วขึ้นแต่ก็ยังเป็นตัวที่ใส่ไม่พอดี และ Qwen3.8-27B อาจเป็นตัวที่มีค่าใช้จ่ายต่อโทเคนสูงกว่าแต่ก็ยังเป็นตัวที่รันได้อยู่ดี ตัดสินให้ได้ว่าคุณมีปัญหาสองข้อนั้นข้อไหนจริง ๆ แล้วการเลือกก็จะไม่ใช่การเปรียบเทียบอีกต่อไป