Qwen3.8-27B：阿里巴巴 Qwen3.8 系列中的稠密型 27B

有一个数字决定了你能否自己跑起 Qwen3.8-27B：55.6 GB。这就是厂商自家仓库里 BF16 权重的总量——十八个 safetensors 分片，把视觉塔也算进去后是 278 亿参数——也正是这个原因，这个模型真正的归宿是一块 24 GB 显卡跑压缩版本，而不是一台按原样运行它的工作站。Qwen3.8-27B其余的一切都由这一体量决定。它是稠密模型，不是专家混合：你生成的每一个 token 都会点亮全部 278 亿参数，这与和它同代的稀疏巨兽所做的取舍恰恰相反。而且它是本轮中唯一一个名字周围有真实搜索圈子的成员——读者会单独搜它，也会搜它周边的各种限定词——所以本页就是直截了当地回答：这东西是什么、它用来做什么，以及在选择尺寸或格式之前，你究竟在选什么。

精确识别，因为这个家族中的三个名称很容易混淆。Qwen3.8-27B是阿里巴巴Qwen3.8世代中稠密、可自行部署的成员。它的兄弟产品是不同的产品：Qwen3.8-2.4T-A95B是拥有2.4万亿参数的稀疏混合专家模型，其权重同样于2026年8月发布，而Qwen3.8-Max是基于同一架构构建的托管API，完全没有可下载的权重。该世代于2026年8月3日公布，而27B的权重于2026年8月14日以Apache 2.0许可上线Hugging Face和ModelScope——这个日期值得精确说明，因为发布只是为该模型确定日期的依据，而非本页面所报道的事件。

它是什么，用阿里巴巴自己的话来说

模型卡将 Qwen3.8-27B 描述为“紧凑、易于部署的稠密模型”：一种原生视觉语言模型，能够理解图像和视频，并具备灵活的思考控制，“旨在以更高的可靠性将复杂的多步骤任务执行到底”。这是厂商的定位，且已注明出处；模型卡以五项声称的改进作为支撑——在编码、专业工作、研究和长程智能体任务方面的核心能力提升；更强的自主规划和处理环境反馈的能力；对流行的智能体运行框架和开发工具的更广泛支持；思考模式默认开启，但可按请求禁用，深度可调，具体通过reasoning_effort；以及原生图像和视频理解能力，模型卡称其覆盖从 STEM 图表和文档一直到小时级视频。

这一说法背后的架构是混合式的。Qwen3.8-27B 的布局为十六个重复块，每个块包含三个 Gated DeltaNet 线性注意力层和一个完整的 Gated Attention 层——总计 64 层，隐藏维度 5,120，值使用 48 个线性注意力头，查询使用 16 个。简单来说：每四层中只有一层保留传统注意力缓存。这就是为什么一个 27B 模型能够承载 262,144 token 的原生上下文，而无需承担这种规模的传统 transformer 所要求的显存开销，也是为什么其本地占用比其参数量所暗示的更友好。借助 YaRN 缩放，上下文可扩展至 1,000,000 token；模型卡警告称，如果静态保持开启，这可能会降低较短输入上的性能。思考模式默认开启；模型卡推荐的采样参数是：思考时 temperature 1.0、top_p 0.95，不思考时 temperature 0.7、top_p 0.80，并建议慷慨地分配输出——在长窗口中最多 262,144 个推理 token 和 131,072 个最终答案 token。

现在说点诚实的总体判断，这属于经验知识，而不是对这款模型的实测。2026 年的稠密 27B 处在一个特定的位置上。它大到确实能派上用场，又小到可以装进个人或小团队自己拥有的硬件里，这使它的形态恰好适合私有推理，适合按 token 计费堪称大敌的批量作业，也适合那种要做许多次廉价调用、而不是一次昂贵调用的智能体循环。它不适合你手上最难的那类推理，不适合最长的单份文档，也不适合任何你宁愿租用最先进水平、而不是自备“够用就好”的场景——在高端点，稠密 27B 会输给一个服务良好的前沿模型；在低端点，它会在每 token 成本上输给一个小型 MoE。稠密性同时也是一个延迟事实：由于每个 token 都要激活全部参数，同等质量的稠密模型通常比稀疏模型每 token 更慢；而 Qwen3.8-27B além 之上还是个推理模型，所以在作答之前会先花掉输出 token 去思考。这些都不是针对这一款特定模型的评分。这是你正在做的这个决策的形态。

尺寸与合身度，概要

摘要，详细的算术留在它该在的地方。完整的 BF16 权重为 55.6 GB，这属于 80 GB 加速器的话题。混合注意力布局正是让压缩版本异常易处理的原因：4 位量化会落在十五六 GB 的范围，在普通上下文长度下可轻松运行在 24 GB 显卡上；16 GB 显卡只有在接受更低量化或短上下文时才现实，而 8 GB 则不行。因为 64 层中只有 16 层持有完整的注意力缓存，长上下文的成本低于常规 27B——但它并非免费，当你提高窗口时，缓存正是把舒适的 24 GB 配置推向其上限的原因。我们另有一个页面，包含每种量化的 VRAM 阶梯、上下文长度曲线以及 Apple 芯片统一内存数据；如果你要买硬件，请读那个，而不是这个。

格式，作为一种选择，而非操作指南

存在四条路线，它们回答四个不同的问题。GGUF 是兼容性之选——它承袭 llama.cpp 一脉，硬件支持最广，能在你手头已有的任何设备上运行，而且大多数搜索 Qwen3.8-27B 的人真正想找的正是它：当你希望权重能在眼前这台机器上跑起来，并且愿意挑选一个量化档位时，就选它。MLX 是 Apple 芯片之选，而且是一条实打实的路线——这个模型可以通过 MLX 在 Mac 上运行，对于一个 27B 的视觉语言模型来说，这可不是想当然的事。在服务端，NVFP4 和 FP8 是用于部署而非交互式运行的格式：FP8 让模型保持接近完整精度，权重占用约为一半，适合单块大型 GPU；而 NVFP4 是 Blackwell 时代激进的构建版本，实测显存约 25 GB，视觉塔保持完整精度。Unsloth 是微调路线——附带训练路径的 GGUF 打包，适合你打算改动权重而非仅仅运行它们的时候。上述每一条路线在本模型下都有自己的页面，各自回答的问题都与本页不同。

许可证实际允许的内容

Qwen3.8-27B 以 Apache 2.0 发布。LICENSE 文件就在代码仓库中，而且该许可是宽松的标准许可，而非自定义协议：允许无用户上限、无版税的商用，允许修改、再分发，并带有明确的专利授权，前提是你在转发的任何内容中随附该许可与相关声明。这一点很重要，因为管辖它的文件与管理该系列其余模型的文件并不相同——Qwen3.8-2.4T-A95B 以自定义的 Qwen 许可发布，而非 Apache 2.0——所以“既然是 Qwen，那就是 Apache”并非稳妥的假设，而这款成员恰好是它成立的那一个。

权重上的 Apache 2.0 许可，也是对紧挨着本页面的那个最大单一限定查询——即未经审查与消融（abliterated）版本——的直接回答。该许可允许的事情很简单，且值得不加修饰地说明：已发布的权重可以被修改和再分发，包括会改变模型行为的修改，衍生构建版本也可以按相同条款发布。这正是消融版发布背后的全部机制——某个社区或实验室发布一份经修改的、采用开放许可的权重副本，并将其再分发。我们自己也在这个模型上走这条路线：Qwen3.8-27B-Uncensored-GGUF、NVFP4 和 MLX 构建版本出自我们之手，并按与原始版本相同的 Apache 2.0 条款发布。托管服务会或不会生成什么，与许可允许什么，是两个独立的问题，本页面不回答后者——各格式的未经审查页面涵盖了下载内容。

什么尚未确定

有三件事确实悬而未决。1M token 上下文是一种 YaRN 扩展，而不是原生窗口，模型卡本身也提醒说，静态 YaRN 缩放可能损害短输入性能，因此对大多数本地部署而言，实际上限是 262,144 原生窗口，而该扩展是每次部署都需要测试的决定。Alibaba 自己的模型卡将寻求托管服务的读者引向 Qwen Cloud，并称该服务即将面向此模型推出——所以截至 2026 年 10 月，模型卡所宣传的托管服务层级并非我们能够确认已普遍可用的东西，我们也不会根据一则预告来介绍其条款。还有，模型卡上的基准测试表是 Alibaba 自己的评估，发布它的那一方并未复现，这一保留意见在发布之后依然成立。

可用性

我们提供此模型。其标识符为 qwen/qwen3.8-27b，出现在我们的实时模型列表中——它是密集型多模态 27B，可接受文本、图像和视频，上下文窗口为 262,144，读者如今即可将兼容 OpenAI 的客户端指向它。关于这条路线，我们在这里要说的就这些：不作价格声明，不作吞吐量声明。如果你要依据成本做选择，请根据你自己的流量来算，而不是依据本页上的某个数字。

剩下的选择就是格式，而它首先是硬件问题，其次才是软件问题。如果你是在面前这台机器上运行它，GGUF 路线就是量化层级所在之处，也是你弄清楚自己的显卡是否够用的地方。如果你用的是 Mac，MLX 路线才是决定你是否有统一内存的那一条。接下来读这两篇中的一篇，只有当你想要在占用磁盘空间之前提醒自己这个模型是什么时，再回到本页。