
Qwen3.8-27B 评测:这款开放权重的 27B 模型,人称“家用版 Opus”——实测检验宣传成色
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百万 tokens · 187 tok/s
- openai新OpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 每百万 tokens · 87 tok/s
- openai新OpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 每百万 tokens · 152 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百万 tokens · 194 tok/s
- Alibaba新Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 每百万 tokens · 86 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 705 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百万 tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 每百万 tokens · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 101 tok/s
Qwen3.8 27B是你现在能够自行托管的最强开放权重 27B 模型,而且优势相当明显。权重于 2026 年 8 月 14 日以 Apache 2.0 协议发布:稠密的 27B(计入视觉编码器为 28B),拥有 262K 原生上下文,原生支持图像和视频输入,厂商报告的智能体编程得分达到或超过 Claude Opus 4.6 Max——SWE-bench Pro 61.7、DeepSWE 1.1 42.2、LiveCodeBench v6 90.3。最亮眼的价格是零:下载 55.6 GB 就能跑。但它的短板也真实存在——独立测试发现,它比前代大约慢三倍,而且更耗 token;厂商的基准测试表至今没有任何复现支撑;1M 上下文还是仅限托管版的功能。发布以来真正有意思的动向并不在规格表上:10 月 13 日,一个社区 llama.cpp 移植版报告称,在一台已破解的 PlayStation 5 的 GPU 上运行这套权重,速度约为每秒 20 个 token。结论:如果你有一块 24 GB 以上的 GPU,想要接近前沿的能力又不想按量付费,那就自行托管它——但要清楚知道哪些数字是虚的。
先下结论:你应该使用 Qwen3.8 27B 吗?
简短回答——对于本地和私有工作负载,答案是肯定的;在采购决策之前,请等待第三方评测数据。 Qwen3.8 27B是一款罕见的模型:开源权重即产品,API只是便利。由于采用Apache 2.0许可证,一旦你拥有硬件,每token的价格就永久为零,而且你基于它构建的任何东西都无法被追溯性地重新授权或计费。你所放弃的是速度、验证和便利性。
如果你已经在运行 Qwen3.6-27B 并且对它满意,那么升级是实实在在的,但在实际时间上并非没有代价。如果你是从 Qwen3.8-Max 发布而来,那么这是同一代中更小、可自托管的成员——一种用于不同工作的不同工具。
快速事实,核查于2026年10月15日
• 发布——权重于2026年8月14日上线,位于Qwen/Qwen3.8-27B的Hugging Face页面,并镜像至ModelScope;由于时区差异,部分报道也提及8月13日,该发布距Qwen3.8系列公布约一周时间。
• 许可证 — Apache 2.0:可下载、修改、再分发、商用,附带明确的专利授权。永久有效。
• 参数——27B密集(计入视觉编码器为28B),64层,隐藏大小5,120,词汇量248,320。
• 架构——混合注意力:48 个 Gated DeltaNet 线性注意力层对比 16 个完整 Gated Attention 层(3:1 的比例)。这就是为什么一个 27B 密集模型能够支持 262K tokens 的原生上下文。
• 上下文 — 原生支持 262,144 个 token;可通过托管版本上的 YaRN 扩展至 1,000,000。
• 输入 — 在文本之外还支持原生图像和视频;返回文本。参数量显示为28B的原因在于视觉编码器。
• 思考:推理模式默认开启,可根据请求禁用; reasoning_effort(低/中/高)和 preserve_thinking用于长时间的代理运行。
• 权重 — 55.6 GB 的 BF16 safetensors,共 18 个分片;此外还提供 FP8 和社区版 GGUFs。
上述规格来自 Qwen3.8 27B的 Hugging Face 模型卡和配置,读取时间为 2026 年 10 月 15 日。厂商的基准测试表由阿里巴巴提供,且至今仍未被复现。有记录的唯一独立评估来自 Artificial Analysis,其 Intelligence Index 给 Qwen3.8 27B 打出 34 分,并测得每秒 41.2 个输出 token——一个单一指数,对上一整页厂商数据,而且并未复现这些数据。
Qwen3.8 27B 真正擅长的事情
最有力的案例是智能体软件工程。Alibaba 报告称 DeepSWE 1.1 较之前的 27B 提升了 3 倍(42.2 对 13.3),在 SWE-bench Pro 上的得分也超过了 Claude Opus 4.6 Max(61.7 对 53.4)。正是这些数字为它赢得了“Opus at home”的绰号——一个稠密的 27B 模型,能在个人实际拥有的硬件上完成接近前沿水平的编码工作。

除了原始数字之外,还有三件事使其成为一个站得住脚的买入理由:
• 原生多模态。图像和视频输入,文本输出——包含图表的文档或视频演示无需单独的模型。视觉推理分数(启用思维链功能后为85.6,视觉数学为94.6,均为供应商报告数据)正是视觉编码器证明自身价值之处。
• 262K 原生上下文。长时程智能体任务、大型代码库以及多小时的转录文本都能容纳在一个窗口内。混合线性注意力设计使该上下文的 KV 成本低于同尺寸的纯全注意力模型。
• 免费、永久的权重。这正是该类别存在的全部意义:封闭 API 模型是租用的;Qwen3.8 27B则是自己拥有的。4 位量化下,它可以在 24 GB 显存的显卡(RTX 3090/4090 级别)上运行,而且 AMD 在发布当天就提供了支持(据 AMD 官方博客,在 Ryzen AI Max+ 395 上可达 24.5 tokens/s,在 Radeon AI PRO R9700 上可达 51.8 tokens/s)。
评论变得难看之处:速度、tokens 和验证
到目前为止,独立测试只是某一位测试者的测试框架,而不是实验室——但这是我们目前最好的信号。将 Qwen3.8 27B与Qwen3.6-27B在十项真实任务上进行对比(由 GPT-5.5 通过 llmcompare 测试框架评判),3.8 在十项中胜出九项,平均得分 8.838 对 6.862——测试者称其为“他所见过的更令人印象深刻的智能提升之一”。它还消耗了几乎三倍的 token,速度也慢得多;其中一项任务耗时约长了 600%。因此,质量提升是真实的,墙钟时间上的代价也同样真实。
还有四件事可以用来指责它:
• 独立基准测试的数量少于卡片所暗示的。 厂商卡片内容详尽,但上面的每一个数字仍然是阿里巴巴自报的。Artificial Analysis 的 Intelligence Index 于 10 月 15 日读取的 34 分,是该模型获得的首次独立评估——只有一个分数、来自一家实验室,完全说明不了 SWE-bench Pro 61.7 或 DeepSWE 1.1 42.2。如果你的决策有赖于那些智能体(agentic)能力声明得到复现,那么它们还没有被复现。
• 显存下限是真实存在的。 BF16 需要 80 GB 级别的 GPU。要装进 24 GB 显卡,就必须跑 4 位量化,而社区反馈(dev.to 评论区,发布后数天内)称量化版本“在长上下文之后会失去焦点”。有显存就用官方权重;没有就用量化版——而量化这条路如今已能下探到远低于 24 GB 显卡的硬件,下面的 PlayStation 5 实测就是首个真实证据。
• 1M 上下文仅限托管版本。 开源权重上限为 262K。可扩展至 1M 的说法是 Qwen Cloud 托管功能,并非本地副本开箱即用。
• "Beats Opus" 需要附加限定条件。Agentic 基准测试会奖励特定于测试框架(harness)的行为,dev.to 发布帖上的一条热门评论直言不讳:"它们在真实世界的使用中并不能击败 opus。" 要把分数榜视为表现良好时的上限,而非一种承诺。
它在Qwen 3.8系列中的定位
• 对比 Qwen3.6-27B——相同的硬件级别和 262K 上下文,但能力大幅跃升,代价是速度和 token 效率。如果你已在运行 3.6 且受吞吐量限制,继续沿用也是合理的。
• 对比 Qwen3-Coder-30B-A3B——Coder 是一个 MoE,拥有约 3.3B 激活参数,运行速度快得多(约 90–110 tokens/s)。稠密的 27B 每个 token 更慢,但继承了这一代模型的智能体增益;如果 27B 的软件工程评分在独立测试中依然成立,那么 Coder-30B 的作用就会减弱。
• vs Qwen3.8-Max——2.4T MoE 旗舰模型是数据中心模型(仅限 API,据公开报道每百万 token 约 $2/$6),支持 1M 上下文和视频。27B 才是可部署的那个。它们回答的是不同的问题。
硬件下限于10月13日发生了变动
PS5LM 是一个 llama.cpp 移植版,能在越狱的 PlayStation 5 上运行 GGUF 模型,而且是在你已经拥有的主机里。它已发布的版本相当有限——v0.1.1 只有一个 payload,模型上限约 1.6 GB,也就是 4 位量化的 Qwen3.5 2B,再大就不行,而且仅支持 CPU。10 月 13 日,该项目收到了一个拉取请求,彻底改变了硬件清单的面貌:一条原生应用路径,让 llama-server 与面向该主机的社区 Vulkan 驱动链接起来,并报告 Qwen3.8 27B 在 UD-IQ2_XXS 量化(6.77 GiB,64k 上下文)下达到每秒 20.7 个 token,在 UD-Q2_K_XL(9.15 GiB,32k 上下文,q4_0 缓存)下达到每秒 20.3 个 token,其中一次 7,775 个 token 的回答稳定维持在每秒 19.7 个 token。同一台主机在 Gemma 4 E4B 上跑出每秒 61 个 token,在 Llama 3.2 3B Instruct 上跑出 124 个,这正是 27B 这个数字值得一读的原因:它并非小模型在为一个大数字贴金。
在据此行动之前,先给它贴上标签。那些数字是拉取请求作者自己在未合并分支上的测量结果,既不是厂商基准测试,也不是已发布的构建版本。PS5LM 自己的仓库仍将 GPU 卸载和 Qwen 3.8 27B 列为尚未发布的路线图项目,而且维护者在拉取请求下的评论说,在 README 采用这些数字之前,他会先在自己的主机上复现它们。另一位测试者报告说该应用确实能运行起来——固件 4.50,7B 和 9B 模型大约每秒 30 个 token——这印证了该机制,但没有复现 27B 的结果。要达到那一步还假定你拥有一台主机、固件版本为 7.00 至 13.60,并且已经越狱。
它改变的是成本问题的形态,而不是答案。在游戏主机上,一个 27B 稠密模型以大约每秒 20 个 token 的速度运行,比同一模型由真正的 GPU 提供服务要慢——Artificial Analysis 通过 Alibaba 自己的 API 测得每秒 41.2 个 token,而每秒 20 个 token 是 2-bit 构建的速度,还伴随着压缩所意味着的质量损失。所以这不是选择 24 GB 显卡的理由;它证明的是,这类模型可以移植到远低于 24 GB 的硬件上。如果你真正想要的是在花一个周末搞越狱之前知道这个模型好不好,那么便宜的途径就是按量计费调用:一个密钥通用于 200+ 模型,无需第二份合同,并且在你评估期间端点出现波动时,可以跨提供商自动故障转移。
成本:本地与API之争,尘埃落定
对于闭源模型,你比较的是每 token 价格。Qwen3.8 27B在自己硬件上运行,边际 token 不花一分钱——真正的代价是前期购置 GPU 的支出和你投入的时间。4 位量化只需一块 24 GB 显卡;BF16 则需要 80 GB 级别的机器。如果你没有这样的机器,或者想在占用 55.6 GB 磁盘空间之前先拿到答案,还有托管这条路:OrcaRouter 在Qwen3.8 27B每百万输入 token 0.33 美元、每百万输出 token 2.40 美元OrcaRouter 模型页面,也就是服务商标价原样传递、0% 加价(核实于 2026 年 10 月 15 日)。本页在 8 月描述过的免费、限速档位已不再出现在那里——除非你看到它被明确写明,否则请视其为过时信息。阿里巴巴自家的 API 是另一条托管路线,Artificial Analysis 列出的 Xhigh 推理配置价格为每百万 0.50 美元和 3.00 美元。Qwen Cloud 的托管版本(含 1M 上下文)仍标注为“即将推出”。

坦诚地说:对于开放权重模型,服务商是一种便利,而非依赖。一次按用量计费的托管调用,是判断 55.6 GB 的下载是否值得的最便宜方式;它也是在无需先解决 PlayStation 5 那一段所描述的硬件问题的情况下,测试该模型的唯一方式。但一旦你做出了决定,真正重要的是权重——而它们是免费的。
如何实际尝试一下
• 最快的评估方式——在托管端点上调用它,价格为每百万 token $0.33/$2.40;几十万 token 的真实任务只需几美分,就能在你下载任何东西之前解决问题。
• 在您的硬件上进行实际测试 — 下载社区版 GGUF(Q4_K_M 版本约 17 GB,可放入 24 GB 显存的显卡),然后在 llama.cpp 或 Ollama 中运行。请传入 Jinja 聊天模板,否则模型会以思考标签的形式回答您。若要使用 GGUF 的视觉功能,还需要单独的 mmproj 文件。我们关于在本地运行Qwen3.8 27B的指南逐步介绍了这个过程。
• 全精度 — 通过 huggingface-cli 将 Qwen/Qwen3.8-27B 下载到 80 GB 级 GPU 上。
• 核验您下载的内容——检查发布者是否为 Qwen 组织,并对照 crc32.txt 校验分片;发布前曾出现过仿冒仓库。
当这篇评测出错时(以及谁应该跳过Qwen3.8 27B)
• 你没有 GPU,也不打算租一块。托管版的价格是每百万 $0.33/$2.40 —— 一个小型 API 模型也许能更便宜、更可靠地满足你的需求。而这款模型,是给那些想要自己掌控推理的人准备的。
• 你需要一份 SLA。 托管层级于八月中旬上线;10 月 15 日读取的 OrcaRouter 模型页面显示,过去七天错误率为 2.8%,p50 首 token 延迟为 3.23 秒,在该窗口内路由的 7720 万个 token 中,输出速度为每秒 156 个 token。上线两个月后,这已经是一个可用的端点,而不是发布当天的排队——但过去一周的平均值仍然不是生产合同。自托管者应固定其下载提交,并保留回退方案。
• 你需要的是把厂商所宣称的智能体能力复现出来,而不只是一个指数分数。Artificial Analysis 给出的智能指数得分 34,是该模型唯一一个独立来源的数字,而它对 SWE-bench Pro 61.7 或 DeepSWE 1.1 42.2 只字未提——这两项仍然只是 Alibaba 单方面报告。仅供判断方向,未达采购级依据。
• 262K 开放权重的上下文还不够。目前,1M 扩展仅限托管。
• 你的瓶颈在于吞吐量。批量摘要或大批量处理会拖累性能:这是一个密集的27B模型,其token消耗量约为前代产品的3倍。对于廉价批量任务,更小或更快的模型更胜一筹。
• 你用的是一张 12 GB 显卡。 2-bit 的 GGUF 能勉强塞进去,但会有可见的质量损失——上面 PlayStation 5 的数据点用的就是这种配置——所以这个模型只适合拿来试验,不适合作为标准方案。

底线
Qwen3.8 27B是当今可获取的最强开源权重 27B 模型,且在 Apache 2.0 许可下永久免费。如果你有一块 24 GB 以上的 GPU,又想要智能体编程、262K 上下文和原生图像/视频输入,还不想面对按量计费的账单,那这就是值得入手的选择。而暂缓入手的理由同样具体:你需要厂商关于智能体编程的宣称在模型卡以外的某个地方得到复现,需要一份 SLA,需要超过 262K 的开源权重上下文,或者需要比稠密 27B 更高的吞吐量。模型已经发布,权重是真实的,目前唯一一个独立评分是可观的 34,而硬件门槛最终比发布时的报道所设想的更低。只要记住哪些数字来自实验室,哪些来自厂商就好。
