Artificial Analysis上的Qwen3.8-27B：尚無指數，及其替代數據

{{1}}Artificial Analysis 尚未收錄 Qwen3.8 27B。{{/1}}{{2}}截至 2026-08-15 檢查時，該模型在 artificialanalysis.ai 上的頁面回傳 404——沒有 Intelligence Index、沒有輸出速度、沒有 AA 價格、沒有獨立基準測試。{{/2}}{{3}}Apache 2.0 權重已於 8 月 13–14 日釋出，因此這情況應會在數天或數週內改變；但目前尚未改變。{{/3}}{{4}}在那之前，你能找到的所有 Qwen3.8 27B 數據，都來自 Ali​baba 自家的模型卡，或是新聞媒體的轉述。{{/4}}{{5}}以下是一句話總結、Qwen3.8 系列確實存在的 AA 數據、官方規格，以及對那些「碾壓一切」標題背後真相的誠實解讀。{{/5}}

來源說明：以下所有內容均已標註。官方表示取自 Ali​baba 的Qwen/Qwen3.8-27B在 Hugging Face 上的模型卡（2026 年 8 月）。獨立表示由外部方測量並重現的結果——目前 27B 還沒有任何符合條件的。轉述表示新聞媒體轉載供應商的數據，並非獨立。

一行答案，已標明日期

• Qwen3.8 27B 在 Artificial Analysis 上：沒有頁面，沒有評分。網址 artificialanalysis.ai/models/qwen-3-8-27b 於 2026-08-15 檢查時回傳「404 Page not found」。

• 網路上流傳的「Qwe​n 3.8」AA 分數 — 智能 58、Agentic 指數第 1 名 — 屬於 Qwen3.8-Max，即 2.4T 參數的 API 旗艦版，而非 27B 版本。

• 目前 AA 所追蹤的最新 27B 是其前代Qwen3.6-27B：推理模式下智能指數約 37–38，輸出速度約 55–59 tokens/sec。這就是已建立索引的 27B 模型的基準樣貌。

Artificial Analysis 實際上顯示了 Qwen3.8 系列的哪些內容

AA 的排行榜將「Qwen3.8 2.4T A95B」——即 Qwen3.8-Max——列為Intelligence Index 58，在該指數上排名第二的開放權重模型（Artificial Analysis 模型頁面，查閱於 2026-08-15）。2026 年 8 月 6 日，AA 的 Agentic Index 將 Qwen3.8-Max 列為全球第一——這是中國實驗室首次登頂，領先 Claude Opus 5 和 GPT-5.6——正如當天 AA 排行榜被廣泛報導的那樣。

那些數字都不適用於 27B。Qwen3.8-Max 是一個 2.4T 參數的混合專家（mixture-of-experts）API 模型，有效參數約 95B；而 27B 是一個密集（dense）、可自行部屬下載的模型。它們共享的是世代標籤，而非評測結果。

其前身是您的基準線：AA 上的 Qwen3.6-27B

AA 已追蹤 Qwen3.6-27B 數個月。依快照不同，其得分為推理模式下智力指數 ~37–38（非推理模式下約 31），速度約每秒 ~55–59 個 token——這款單 GPU 模型足以比肩一年前的中階前沿模型。這正是 AA 為 3.8-27B 建立索引時可預期的數據樣貌：指數落在相同區間、消費級硬體上的速度，以及大致反映託管選擇的價格。請將其視為基準，而非預測——3.8-27B 加入了混合注意力與原生影片輸入，任一者都可能改變數據。

官方數據：阿里​巴巴的模型卡，並非獨立

這些是來自 Qwen/Qwen3.8-27B 模型卡（Apache 2.0，2026年8月）的已驗證規格：

• 27B 個稠密參數（含視覺編碼器為 28B），64 層，隱藏層大小 5,120，詞彙量 248,320。

混合注意力：48 個線性注意力頭（Gated DeltaNet），加上 16 個完整的 Gated Attention 頭 — 線性與完整注意力的比例約為 3:1。

• 上下文：原生 262,144 tokens，可透過 YaRN 擴展至 1,000,000。

• 輸入：原生支援文字、圖片和影片；思考模式預設開啟。

大小：BF16 格式下約 55.6 GB；Q4 量化下權重約 16–17 GB —— 24 GB 顯示卡是實用的單卡目標。

廠商回報的同一張卡的基準測試（Alibaba 的說法，未經複現）：Terminal-Bench 2.1 73.0；SWE-bench Pro 61.7；LiveCodeBench v6 90.3；GPQA Diamond 89.2；OSWorld-Verified 84.3。

「它勝過一切」這類標題的實際內容是什麼

一則中國科技新聞轉載（Gate.it，2026年8月中旬）以「Qwen3.8 27B 在全部 8 項基準測試中擊敗 Meta 的 Muse Glimmer」為開頭——Terminal-Bench 2.1 73.0 對 51.7，SWE-bench Pro 61.7 對 51.2——並聲稱在 19 項重疊測試中有 15 項勝過 Claude Opus 4.6。這些數字是 Ali​baba 模型卡上的數據，被複製進新聞摘要中。沒有外部實驗室運行過 27B，該轉載也沒有聲稱有外部實驗室運行過。這裡的「第三方報導」指的是第三方的轉述，而非第三方的驗證。

為什麼27B沒有AA價格——以及這告訴了你什麼

AA 按 API 端點為模型定價。27B 目前還沒有官方託管的 API：Ali​baba 的 Qwe​n Cloud 託管服務「即將推出」，具備 1M token 的上下文。沒有什麼可以定價的。這就是這個模型真正的對比核心。Qwen3.8 27B 是開放權重的下載；它的價格就是你的電費帳單。 在 24 GB 顯示卡上，Q4 下每個 token 成本為 $0。僅限 API 的旗艦版 Qwen3.8-Max 為每百萬輸入 token $2 / 每百萬輸出 token $6。自託管模型之所以不會出現在 API 定價索引中，正是因為它每個 token 免費——這與 AA 定價的所有 API 模型完全相反。

在 AA 將其編入索引之前，該使用什麼

• 今天您想要一個獨立評分的 Qwe​n 27B：執行或呼叫Qwen3.6-27B。它採用 AA 指數（推理模式下智能約 37–38），Apache 2.0 授權，可自行託管，而且是 3.8-27B 必須擊敗的模型。如果您寧可透過 API 呼叫它而不是自行執行，它在 OrcaRouter 目錄中以供應商列表價格提供，0% 加價——一個金鑰，無需第二份合約。

• 您想要 API 旗艦產品： Qwen3.8-Max 的 AA 指數為 58，Agentic 排名第一，每 1M tokens 收費 $2/$6。您所支付的是 2.4T MoE 模型，而非本地模型。

• 你特別想要 3.8-27B：下載 Apache-2.0 權重並自行架設。在獨立評測框架發布結果之前，把所有基準測試都當作 Ali​baba 的一面之詞。留意 AA 模型頁面（artificialanalysis.ai/models/qwen-3-8-27b）和開放式評測框架——當真實數據出現時，一切就會一目瞭然。

底線

Qwen3.8 27B 沒有 Artificial Analysis 分數，因為 Artificial Analysis 尚未對其進行評測——也沒有 AA 價格，因為它是自托管模型，而非 API。你今天能找到的每一條「Qwe​n 3.8 擊敗 X」的頭條新聞，都只是 Ali​baba 模型卡換上了新聞的外衣。這個故事中真正獨立的數字屬於其兄弟姊妹：Qwen3.8-Max 的 Intelligence 58 與排名第一的 Agentic Index，以及 Qwen3.6-27B 的約 37–38。請以這些為基準；在有人獨立評測之前，請將 27B 自身的數據視為廠商宣稱。請再回來查看——這頁會在 AA 發布的那天更新。