Qwen3.8-27B：阿里巴巴 Qwen3.8 系列中的稠密 27B 模型

有一個數字決定你能否自己執行 Qwen3.8-27B：55.6 GB。那就是供應商自家儲存庫中的 BF16 權重總量——十八個 safetensors 分片，計入視覺塔後為 278 億個參數——而這也是為什麼這款模型在實務上的落腳處，是跑壓縮版本的 24 GB 顯示卡，而不是以出廠原樣運行它的工作站。關於Qwen3.8-27B的其他一切，都源自這個體量。它是稠密模型，不是專家混合模型：你生成的每個 token 都會點亮全部 270 億個參數，這與它同世代的稀疏巨模所做的取捨正好相反。而且它是這一輪之中，名字周圍真有實際搜尋鄰近詞的一員——讀者會單獨搜尋它，也會搜尋圍繞它的限定詞——所以這一頁直接回答：這東西是什麼、用途是什麼，以及在你挑選大小或格式之前，你正在選擇什麼。

精確的辨識，因為這個家族中有三個名稱很容易混淆。Qwen3.8-27B 是阿里巴巴 Qwen3.8 世代中稠密、可自行託管的成員。它的同輩則是不同的產品：Qwen3.8-2.4T-A95B是擁有 2.4 兆參數的稀疏混合專家模型，其權重同樣於 2026 年 8 月發布，而 Qwen3.8-Max 是建構於同一架構上的託管 API，完全沒有可下載的權重。該世代於 2026 年 8 月 3 日發表，而 27B 的權重則在 2026 年 8 月 14 日以 Apache 2.0 授權登上 Hugging Face 與 ModelScope——這個日期值得精確說明，因為該次發表只是為這個模型標定日期的依據，而非本頁所報導的事件。

用阿里巴巴自己的話來說，它是什麼

模型卡將 Qwen3.8-27B 描述為「精巧、適合部署的稠密模型」：一個原生視覺語言模型，能理解圖像與影片，具備靈活的思考控制，「旨在以更高的可靠性將複雜的多步驟任務執行到底」。這是廠商的定位陳述，並已註明出處，而模型卡以五項宣稱的改進作為佐證——在程式開發、專業工作、研究與長時程代理任務上的核心能力提升；更強的自主規劃與環境回饋處理能力；對熱門代理框架與開發工具更廣泛的支援；思考模式預設開啟，但可依個別請求停用，並透過reasoning_effort調整深度；以及模型卡所稱涵蓋從 STEM 圖表、文件到長達數小時影片的原生圖像與影片理解能力。

這個說法背後的架構是混合式的。Qwen3.8-27B 由十六個重複區塊組成，每個區塊包含三層 Gated DeltaNet 線性注意力層和一層完整的 Gated Attention 層——總共 64 層，隱藏維度 5,120，48 個線性注意力頭處理 value，對比 16 個處理 query。用白話來說：每四層只有一層保留傳統注意力快取。這就是為什麼一個 27B 模型能承載 262,144-token 的原生上下文，而不需要這個規模的傳統 Transformer 所要求的記憶體成本；這也是為什麼它的本機資源佔用比其參數量所暗示的更友善。透過 YaRN 縮放，上下文可延伸至 1,000,000 個 token；模型卡警告，若靜態保持開啟，這可能會降低較短輸入上的效能。思考模式預設為開啟；模型卡建議的取樣設定是：思考時 temperature 1.0、top_p 0.95；非思考時 temperature 0.7、top_p 0.80，並建議輸出額度從寬配置——在長上下文視窗內最多可分配 262,144 個推理 token，以及 131,072 個給最終答案。

現在來談誠實的通用部分，這屬於工藝知識，而不是對這個模型的測量。在 2026 年，稠密 27B 位於一個特定的位置。它大到足以真正實用，又小到能裝在個人或小型團隊擁有的硬體上，這使它成為私有推論、批次工作（其中按 token 計費是敵人），以及代理迴圈（進行許多低成本呼叫，而非一次昂貴呼叫）的正確形狀。它不適合你最艱難的推理、最長的單一文件，也不適合任何你寧願租用最先進模型、而不願擁有夠用就好模型的情況——稠密 27B 在最高階輸給服務良好的前沿模型，在最低端則在每 token 成本上輸給小型 MoE。稠密性也是一個延遲事實：由於每個 token 都會啟用所有參數，稠密模型通常比品質相近的稀疏模型每 token 更慢，而 Qwen3.8-27B 更是推理模型，因此在回答之前會把輸出 token 花在思考上。這一切都不是針對這個特定模型的分數。這是你所做決策的形狀。

尺寸與合身度，總結

摘要：詳細的計算留在它該在的地方。完整的 BF16 權重是 55.6 GB，這屬於 80 GB 加速器的討論範疇。混合注意力配置正是讓壓縮版本格外容易處理的關鍵：4 位元量化會落在十幾 GB 的中段，並在一般上下文長度下能輕鬆在 24 GB 顯示卡上運行；16 GB 顯示卡只有在接受更低量化或短上下文時才現實可行，而 8 GB 則出局。由於 64 層中只有 16 層保有完整注意力快取，長上下文的成本會低於傳統 27B 模型——但這並非沒有代價，而當你提高視窗大小時，正是快取會把原本舒適的 24 GB 配置推向其上限。我們另設一頁，涵蓋各量化等級的 VRAM 階梯、上下文長度曲線，以及 Apple 晶片的統一記憶體數據；如果你正在選購硬體，請讀那一頁，而不是這一頁。

這些格式，作為一種選擇，而非操作指南

目前有四條路線，各自回答四個不同的問題。GGUF 是相容性取向的選擇——llama.cpp 的血脈、最廣泛的硬體支援、能在你手邊既有設備上運行的格式，而且大多數搜尋 Qwen3.8-27B 的人真正想找的就是它：當你希望權重能在眼前這台機器上運作，且願意挑選量化等級時，就選它。MLX 是 Apple 晶片取向的選擇，而且確實可行——這個模型能透過 MLX 在 Mac 上運行，對於一個 27B 的視覺語言模型來說，這可不是理所當然的事。在推論服務端，NVFP4 與 FP8 是你用來部署、而非互動式運行的格式：FP8 能在單張大型 GPU 上讓模型維持接近完整精度，權重佔用約減半；而 NVFP4 則是積極進取的 Blackwell 世代建置，在視覺塔維持完整精度下，測得約 25 GB 的 VRAM。Unsloth 是微調路線——附帶訓練途徑的 GGUF 套件，適合你打算改變權重、而不只是運行它們的時候。上述每一項在本模型之下都有各自的頁面，且各自回答的問題都與本頁不同。

執照實際允許什麼

Qwen3.8-27B 以 Apache 2.0 授權發布。LICENSE 檔案就在儲存庫裡，而且該授權是寬鬆的標準條款，而非自訂協議：可商業使用，沒有使用者人數上限或權利金，可修改、可再散布，並有明確的專利授予，前提是你在轉傳任何內容時必須一併附上該授權與相關聲明。這點很重要，因為它與規範該家族其餘成員的檔案不同——Qwen3.8-2.4T-A95B 是以自訂的 Qwen 授權發布，而非 Apache 2.0——所以「它是 Qwen，所以就是 Apache」並不是安全的假設，而這個成員正好是該假設成立的那一個。

權重上的 Apache 2.0，也是本頁緊鄰的最大單一具限定條件查詢——未審查與 abliterated 版本——最直白的答案。授權條款允許的事很簡單，也值得不加修飾地直說：已發布的權重可以被修改與再散布，包括會改變模型行為的修改，而衍生版本也可以依相同條款發布。這就是 abliterated 發布背後的整套機制——某個社群或實驗室發布一份以開放授權權重為基礎的修改副本，並將其再散布。我們自己也為這個模型走這條路：Qwen3.8-27B-Uncensored-GGUF、NVFP4 與 MLX 版本都是我們做的，並依與原始版本相同的 Apache 2.0 條款發布。託管服務會生成什麼、不會生成什麼，與授權條款允許什麼是兩回事，本頁並不回答這個問題——各格式的未審查頁面涵蓋下載相關內容。

什麼尚未確定？

有三件事確實還沒有定論。100 萬 token 的上下文是 YaRN 擴展，而非原生視窗，而且模型卡本身也提醒，靜態 YaRN 縮放可能損害短輸入的效能，因此對大多數本機部署而言，實際上限是 262,144 的原生視窗，而擴展則是必須逐次部署實測的決定。阿里巴巴自家的模型卡指引想找受管服務的讀者前往 Qwen Cloud，並稱該服務對此模型即將推出——因此截至 2026 年 10 月，模型卡所宣傳的託管層級並非我們能確認已全面可用者，我們也不會根據一則預告來描述其條款。再者，模型卡上的基準測試表是阿里巴巴自家的評估，發布方並未重現，這項但書在發布之後仍會持續成立。

可用性

我們提供這個模型。其識別碼是qwen/qwen3.8-27b，列在我們的即時模型清單中——它是稠密多模態 27B，接受文字、圖像與影片，並具備 262,144 個位置的上下文視窗，而讀者今天就能以相容於 OpenAI 的用戶端指向它。關於這條途徑，我們在這裡要說的就這麼多：不做價格宣稱，也不做吞吐量宣稱。如果你是以成本為考量在做選擇，請依你自己的流量來計算，而不是依據本頁上的某個數字。

剩下要做的選擇是格式，而這首先是硬體問題，其次才是軟體問題。如果你是在眼前這台機器上執行它，GGUF 路線就是量化層級所在之處，也是你能弄清楚你的顯示卡是否夠用的地方。如果你用的是 Mac，MLX 路線才是決定你究竟有沒有統一記憶體的路線。接下來請讀那兩者之一，只有在你想在佔用磁碟空間之前提醒自己這個模型是什麼時，才回到這個頁面。