Qwen3.8-27B Hugging Face 下载指南的标题卡,显示仓库路径 Qwen/Qwen3.8-27B、Apache 2.0 许可证徽章,以及 BF16、55.6 GB 和 18 个 safetensors 分片这些标签。
Guides & Insights

Hugging Face 上的 Qwen3.8-27B:官方仓库、内含内容以及如何下载

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

Qwen3.8 27B已发布在 Hugging Face 上,地址为 Qwen/Qwen3.8-27B,由 Qwen 组织于 2026 年 8 月 14 日发布,采用 Apache 2.0 许可证。该仓库包含 55.6 GB 的 BF16 safetensors,分为 18 个分片,另有配套的 tokenizer、聊天模板和配置文件——可免费下载、免费用于商业用途,且不按 token 收费。有两件事容易让人踩坑:官方仓库只提供 safetensors,而人们在消费级 GPU 上运行的 GGUF 量化版本则存放在独立的社区仓库中;此外,发布前就出现了仿冒仓库,所以只有 Qwen 组织的版本才是真的。本文是下载实操指南:仓库里有什么、三种获取方式,以及如何验证你拿到的是正版权重。

快速事实,核实于2026年8月15日

• 仓库 — Qwen/Qwen3.8-27B,位于 Hugging Face,发布者为 Qwe​n 组织;镜像地址为 Qwen/Qwen3.8-27B,托管在 ModelScope 上。

• 已发布——权重于2026年8月14日正式上线;按不同时区划分的报道也提到8月13日,而此前一周的发布前文章则称其尚待推出。

• 许可证 — Apache 2.0:可下载、修改和再分发,包括商业用途。

• 大小——18 个分片共 55.57 GB 的 safetensors(每个 2.1–3.99 GB);仓库页面将总量四舍五入为 55.6 GB。

• 模型 —— 27B 稠密参数(计入视觉编码器时为 28B),64 层,隐藏维度 5,120,词表大小 248,320。

• 注意力 — 混合架构:48 层 Gated DeltaNet(线性注意力)对比 16 层完整的门控注意力,并经过多 token 预测训练——正是这种 3:1 的划分,让 262,144 token 的原生上下文得以运行在 27B 模型上。

• 上下文 — 原生支持 262,144 tokens,通过 YaRN RoPE 缩放可扩展至 1,000,000。

• 输入 — 原生图像和视频与文本并行;返回文本。

• Signal — 模型卡滚动 30 天计数器显示下载量为 91,917 次,查询日期为 2026 年 8 月 15 日。

以上各项数据均来自 Hugging Face 的模型页面、仓库目录树与配置文件,对应 Qwen3.8 27B,读取于 2026 年 8 月 15 日。模型卡上宣称的基准测试成绩(SWE-bench Pro 61.7、LiveCodeBench v6 90.3、OSWorld-Verified 84.3)均由 Alibaba 方面报告;截至今日,尚无独立实验室复现这些结果。

为什么要下载它:本地还是 API 的问题

开放权重是唯一一类模型,其运行一个 token 的边际成本就是你的电费。没有许可费,没有按 token 计价,没有速率限制,而且任何数据都不会离开你的机器。Qwen3.8 27B采用 Apache 2.0 许可,因此这种自由是永久性的:Ali​baba 无法撤回权重、重新授权,也无法向你收费。

代价在于硬件和配置。完整的 BF16 权重在原生精度下需要 80 GB 级别的 GPU,而 55.6 GB 是相当可观的下载量。如果你想在投入之前先评估模型,走 API 路线更快:Qwen3.8 27B在 OrcaRouter 上提供服务,价格为 Qwen 的每百万输入 token $0.33、每百万输出 token $2.40,原价透传不加价——而且 OrcaRouter 还提供同一模型的限速免费层级,因此零成本的冒烟测试完全无需下载。但 API 只是便利,而非依赖——权重才是产品,而且它们是免费的。

仓库里究竟有什么

这个仓库不只有权重。它是一个完整可运行的软件包:18 个分片,外加 Transformers、vLLM 和 SGLang 所需的元数据文件。下面从上到下依次来看:

• model-00001-of-00018.safetensors … model-00018-of-00018.safetensors — 权重文件,每个分片 2.1–3.99 GB,共 55.57 GB。

• model.safetensors.index.json —— 将每个张量映射到其所属分片;这是加载器最先读取的文件。

• config.json — 架构:64 层,隐藏维度 5,120,词表 248,320,以及 Gated DeltaNet / Gated Attention 布局。

• tokenizer.json(12.8 MB)、tokenizer_config.json、vocab.json(6.72 MB)、merges.txt(3.35 MB)——分词器。

• chat_template.jinja —— 聊天模板,包含思考块;llama.cpp 需要以 jinja 模板的形式传入它,否则模型会用思考标签来回答你。

• preprocessor_config.json和video_preprocessor_config.json——图像和视频预处理。

• crc32.txt —— 每个分片的校验和;用它来校验下载内容,传输损坏便不再是谜团。

• README.md(65 kB 的模型卡)、LICENSE(Apache 2.0)、generation_config.json、.gitattributes(将权重文件标记为 Git LFS)。

A repository file-table card for Qwen/Qwen3.8-27B: 18 safetensors weight shards at 2.1 to 3.99 GB each totalling 55.57 GB, plus the index, config, tokenizer files, chat template, checksum file, model card, and license with their sizes.

这种布局的一个后果,对下面要说的假仓库问题很重要。该仓库的真实副本很大且完整。一个名称中带有“Qwen3.8”、除了 README 之外一无所有的占位仓库,并不是一次失败的下载——而是一个不同的空仓库。

如何下载——三种方式

方法一,huggingface-cli,是最简洁的路径。该模型是公开的,因此无需登录;这会将所有 18 个分片以及元数据拉取到一个文件夹中:

huggingface-cli download Qwen/Qwen3.8-27B --local-dir Qwen3.8-27B

对于 55.6 GB 的传输,hf_transfer后端值得安装——它会并行化下载,通常能大幅缩短时间:

pip install hf_transfer

HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download Qwen/Qwen3.8-27B --local-dir Qwen3.8-27B

方法二,git clone,可获取包含完整历史记录的仓库工作副本。需要 Git LFS:

git lfs install

git clone https://huggingface.co/Qwen/Qwen3.8-27B

方法三,浏览器——打开 Files 标签页,逐个下载分片。只有当你只需要一个文件时(比如只想拿 config.json 来看看架构)才算靠谱。要下整个仓库,那就是 18 次手动下载外加一次校验和检查;还是用 CLI 吧。

A download-command card showing the three ways to fetch Qwen/Qwen3.8-27B: the recommended huggingface-cli download with --local-dir, the hf_transfer speed-up one-liner, and a git clone with Git LFS installed.

你实际应该下载哪些文件?

官方仓库是 BF16 safetensors——全精度,55.6 GB——如果你有 80 GB 级 GPU,或者之后想自行量化到更低精度,它就是合适的产物。没有官方 GGUF。人们实际在消费级显卡上运行的那些 GGUF 构建都是社区发布版:Hugging Face 列出了 303 个基于这个基础模型构建的量化模型(核查于 2026 年 8 月 15 日),而运行手册所指向的是 unsloth 和 lmstudio-community 的构建。大致的阶梯如下:

• BF16 safetensors — 55.6 GB,原生精度下需要 80 GB 级别的 GPU。

• GGUF Q8_0 — 约 29 GB,可装入 48 GB 显存的显卡。

• GGUF Q4_K_M — 约 17 GB,24 GB 显卡的标准之选。

• GGUF 2-bit —— 约 9 GB,能勉强塞进 12 GB 显卡,但质量会有明显损失。

如果你想从 GGUF 构建中获得视觉能力,还需要为视觉编码器准备单独的 mmproj 文件,每个社区卡片上都有说明。关于完整的量化与运行时详解——包括 llama.cpp 聊天模板的注意事项——我们关于在本地运行 Qwen3.8 27B 的运行手册中有详细说明。

如何分辨真正的仓库与假冒的

在权重发布之前,Hugging Face 搜索里全是“Qwen3.8”仓库,却没有权重文件——占位卡片和分叉被停放在那里,专门用来吸引提前搜索的人。有些至今仍然在线。验证清单:

• 要看发布者,而不是名称。正版仓库位于 Qwen 组织下:Qwen/Qwen3.8-27B。任何其他账号下名为 Qwen3.8 27B 的仓库都不是官方发布,无论它看起来多么专业。

• 使用官方合集。Qwen 维护着 huggingface.co/collections/Qwen/qwen38;其中的每个仓库都属于他们。

• 检查许可证字段。真正的卡片上写着 Apache 2.0。

• 检查大小和结构。 真正的仓库有 18 个 safetensors 分片,总计约 55.6 GB,一个 crc32.txt 校验和文件,以及一个 65 kB 的 README。零个权重文件意味着这是一个空仓库,而不是下载损坏。

• 把下载量当作信号,而非证明。 真正的仓库在一天内就突破了91,000次下载,这说明其他人都指向哪里。但伪造的也可能被下载;发布者才是保障。

下载完成后,请验证完整性:将每个分片的 CRC32 与 crc32.txt 进行比对,或者用 Transformers 加载模型,确认 state dict 加载时没有警告。这样既能发现传输损坏,也能发现被重新打包的错误模型。

当下载是错误的做法时

下载 55.6 GB 并非对所有人都是正确的选择,而本文的坦诚版本直言不讳地说明了这一点。

你只是想评估这个模型。 API 途径更快——一次结构化测试只需几美分、几分钟,而不必下载模型、再花一下午时间做配置。

你没有接近 80 GB 的 GPU。 BF16 下载对你来说是错误的产物。请选择 GGUF 量化版或 API。

你需要经过验证的基准测试结果。的每一项头条数据Qwen3.8 27B都是阿里巴巴截至 2026 年 8 月 15 日自行报告的。如果你的决策取决于独立实验室已复现的数字,那就等它们出来——权重仍然会在这里。

你正在一个仅上线数日的模型上进行构建。权重于 8 月 14 日发布。今天查看 OrcaRouter 的模型页面显示,过去七天的错误率为 33.3%,p50 首令牌延迟为 225 毫秒——这是一个全新模型,正处于早期负载阶段,因此请将早期遥测数据视为暂定值。自托管用户应锁定其下载的提交版本,并保留一个备用方案;API 用户应保留故障转移规则,作为同样的保险。

The OrcaRouter model page for Qwen3.8 27B at qwen/qwen3.8-27b, showing the by-Qwen vendor label, vision-tools-JSON capability badges, a 262K-token context window, text-image-and-video input, and p50 first-token latency of 225 ms.

你需要一份支持合同。Apache 2.0 是宽松许可证,但许可证不是 SLA。如果你的工作负载需要供应商支持,托管 API 方案是更稳妥的选择。

底线

真正的 Qwen3.8 27B就在 Hugging Face 上,地址为 Qwen/Qwen3.8-27B,采用 Apache 2.0 许可证,发布于 2026 年 8 月 14 日,是 55.6 GB 的 BF16 safetensors,分为 18 个分片。用 huggingface-cli 或 git clone 下载,确认发布方是 Qwen 组织,你就拥有一个最先进的开放权重 27B 模型,没有人能把它拿走或向你收费。如果这比你的使用场景所需的投入更多,同一个模型通过 API 只需几美分即可获得。不过,权重才是关键——而且它们是免费的。