Hugging Face 上的 Qwen3.8-27B：官方儲存庫、內容詳情與下載方式

Qwen3.8 27B 位於 Hugging Face 上的Qwen/Qwen3.8-27B，由 Qwe​n 組織於 2026 年 8 月 14 日以 Apache 2.0 授權發布。該儲存庫包含 55.6 GB 的 BF16 safetensors，分散在 18 個分片中，還有隨附的 tokenizer、聊天模板和設定檔——可免費下載、可商業使用，且無按 token 計費。有兩件事常讓人困惑：官方儲存庫僅提供 safetensors，而人們在消費級 GPU 上執行的 GGUF 量化版本則放在另外的社群儲存庫中；此外，發布前出現了一些山寨儲存庫，因此只有 Qwe​n 組織的版本才是真的。本文是下載教學：儲存庫中有什麼、三種取得方式，以及如何驗證你拿到的是真正的權重。

快速事實，2026年8月15日核實

• Repo — Qwen/Qwen3.8-27B位於 Hugging Face，由 Qwen 組織發布；鏡像Qwen/Qwen3.8-27B則位於 ModelScope。

• 已發布 — 權重於2026年8月14日上線；因時區差異的報導亦提及8月13日，而前一週的發布前文章則稱其為待定狀態。

• 授權— Apache 2.0：可下載、修改和重新散布，並允許商業使用。

• 大小 — 18 個分片中包含 55.57 GB 的 safetensors（每個 2.1–3.99 GB）；儲存庫頁面將總數四捨五入為 55.6 GB。

• 模型 — 27B 密集參數（若計入視覺編碼器則為 28B）、64 層、隱藏層大小 5,120、詞彙量 248,320。

• Attention — 混合架構：48 個 Gated DeltaNet（線性注意力）層對比 16 個完整 Gated Attention 層，並以多 token 預測進行訓練——正是這種 3:1 的比例，讓 262,144 個 token 的原生上下文能在 27B 模型上運行。

• 上下文 — 原生支持262,144個token，可通過YaRN RoPE擴展至1,000,000。

• 輸入 — 原生圖片和影片可與文字一同輸入；回傳文字。

• Signal — 模型卡片的 30 天滾動計數器顯示 91,917 次下載，檢查日期為 2026 年 8 月 15 日。

上方所有圖表均來自 Hugging Face 模型頁面、儲存庫樹狀結構及 Qwen3.8 27B 的設定檔，於 2026 年 8 月 15 日讀取。卡片上的基準測試宣稱（SWE-bench Pro 61.7、LiveCodeBench v6 90.3、OSWorld-Verified 84.3）為 Ali​baba 自行報告；截至今日，尚無獨立實驗室重現這些結果。

為何要下載它：本地與 API 之爭

開放權重是唯一一類模型，其運行一個 token 的邊際成本就是你的電費。沒有授權費、沒有按 token 計價、沒有速率限制，而且沒有什麼會離開你的機器。Qwen3.8 27B採用 Apache 2.0 授權，因此這份自由是永久性的：Ali​baba 不能收回權重、重新授權，或向你收費。

取捨在於硬體與設定。完整的 BF16 權重以原生精度需要 80 GB 等級的 GPU，而且 55.6 GB 是相當龐大的下載量。如果你想在投入之前先評估模型，API 路線會更快：Qwen3.8 27B 在 OrcaRouter 上提供服務，按 Qwe​n 的每百萬輸入 token $0.33、每百萬輸出 token $2.40 計價，直接轉發、不加價——而且 OrcaRouter 也為同一模型提供限額的免費方案，因此零成本的冒煙測試完全不需要下載。不過 API 只是便利，並非依賴——權重才是產品，而且是免費的。

這個 repo 裡實際上有什麼？

這個儲存庫不只是權重。它是一個完整可執行的套件：18 個分片，加上 Transformers、vLLM 和 SGLang 所需的元資料檔案。從上到下完整走一遍：

• model-00001-of-00018.safetensors … model-00018-of-00018.safetensors —— 權重，每個分片 2.1–3.99 GB，總計 55.57 GB。

• model.safetensors.index.json — 將每個張量對應到其分片；這是載入器首先讀取的內容。

• config.json—— 架構：64 層，隱藏層大小 5,120，詞彙量 248,320，以及 Gated DeltaNet / Gated Attention 佈局。

• tokenizer.json (12.8 MB), tokenizer_config.json, vocab.json (6.72 MB), merges.txt (3.35 MB) — 分詞器.

• chat_template.jinja——聊天模板，包含思考區塊；llama.cpp 需要將其作為 jinja 模板傳入，否則模型會用思考標籤回答你。

• preprocessor_config.json 和 video_preprocessor_config.json — 影像與影片的前處理。

• crc32.txt每個分片的校驗和；可據此驗證下載，傳輸損毀將不再是謎團。

• README.md（65 kB 的模型卡）、LICENSE（Apache 2.0）、generation_config.json、.gitattributes（標記權重檔案為 Git LFS）。

這種佈局的一個後果，與下文所述的假儲存庫問題有關。這個儲存庫的真正複本既笨重又完整。一個名稱含「Qwen3.8」、內容僅有 README 的佔位儲存庫，並非下載失敗——那是另一個空白的儲存庫。

如何下載它——三種方式

方法一，huggingface-cli，是最乾淨的路徑。該模型是公開的，因此無需登入；這會將全部 18 個分片及元數據下載到一個資料夾中：

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

對於 55.6 GB 的傳輸，hf_transfer 後端值得安裝——它會將下載平行化，通常能大幅縮短時間：

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，會將儲存庫作為包含歷史記錄的工作副本。需要 Git LFS：

安裝 git lfs

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

方法三，瀏覽器——開啟「檔案」分頁並逐一下載分片。只有當你只需要一個檔案（例如只下載 config.json 來檢查架構）時才算合理。完整儲存庫需要手動下載 18 次，外加校驗和檢查；請使用 CLI。

你實際上應該下載哪些檔案

官方倉庫為 BF16 safetensors——完整精度，55.6 GB——若你擁有 80 GB 等級的 GPU，或想之後自行量化，這會是正確的成品。目前沒有官方 GGUF。大家在消費級顯示卡上實際執行的 GGUF 建置皆為社群發布：Hugging Face 列出了 303 個基於此基礎模型量化而成的版本（查閱日期為 2026 年 8 月 15 日），而 runbook 所指向的則是 unsloth 與 lmstudio-community 的建置。粗略的等級劃分如下：

• BF16 safetensors — 55.6 GB，需要 80 GB 級別的 GPU 才能以原生精度運行。

• GGUF Q8_0— 約 29 GB，適用於 48 GB 的顯示卡。

• GGUF Q4_K_M — 約 17 GB，是 24 GB 顯示卡的標準選擇。

• GGUF 2-bit — 大約 9 GB，可塞進 12 GB 顯示卡，但會有明顯的品質損失。

如果你想從 GGUF 版本獲得視覺功能，你也需要單獨的 mmproj 檔案來搭配視覺編碼器，這在每個社群卡片上都有說明。關於量化與執行時期的完整解析——包括 llama.cpp 聊天模板的注意事項——我們的 runbook 提供了在本機執行 Qwen3.8 27B 的詳細資訊。

如何分辨真正的儲存庫與假冒的

在權重發布之前，Hugging Face 搜尋結果中充斥著沒有權重檔案的「Qwen3.8」倉庫——這些佔位卡片和分支被預先停放，用來捕捉提早搜尋的人。有些到現在還在。驗證清單：

• 請檢查發佈者，而非名稱。真正的儲存庫位於 Qwen 組織下：Qwen/Qwen3.8-27B。任何其他帳號下名為 Qwen3.8 27B 的儲存庫都不是官方版本，無論它看起來多麼專業。

• 請使用官方集合。 Qwen 維護 huggingface.co/collections/Qwen/qwen38；其中的每個 repo 都是他們的。

• 檢查授權欄位。 實際的卡片顯示為 Apache 2.0。

• 請檢查大小和形狀。 實際的儲存庫包含 18 個 safetensors 分片（總計約 55.6 GB）、一個 crc32.txt 校驗檔案，以及一個 65 kB 的 README。權重檔案數量為零表示儲存庫是空的，而不是下載損壞。

• 把下載量當作參考指標，而非確鑿證據。 正版儲存庫在一天內突破了 91,000 次下載，說明了眾人的目光所向。但假冒版本同樣能被下載；發佈者才是保證。

下載後，驗證完整性：檢查每個分片的 CRC32 是否與 crc32.txt 相符，或使用 Transformers 載入模型，並確認狀態字典在載入時沒有出現警告。這樣能同時攔截損毀的傳輸以及重新封裝的錯誤模型。

當下載是錯誤的選擇

下載 55.6 GB 並非適合所有人，而這篇文章的誠實版本也明確地指出了這點。

你只是想評估模型。 API 路線更快——結構化測試只需幾美分和幾分鐘，而不是下載和花一個下午來設定。

您沒有接近 80 GB 的 GPU。 BF16 下載不適合您。請選擇 GGUF 量化版本或 API。

您需要經過驗證的基準測試。關於Qwen3.8 27B的每個主要數字皆為Ali​baba截至2026年8月15日所報告。若您的決策取決於獨立實驗室已重現的數字，請等待它們——權重仍會在這裡。

你正在一個發布僅數日的模型之上進行建置。權重於8月14日發布。今日查看 OrcaRouter 的模型頁面，顯示過去七天的錯誤率為33.3%，p50 首個 token 延遲為225毫秒——這是一個處於早期負載階段的全新模型，因此請將早期遙測資料視為暫時性數據。自行架設的使用者應固定所下載的 commit 版本，並保留備用方案；API 使用者則應設定故障轉移規則，作為同等的保險。

您需要支援合約。Apache 2.0 屬於寬鬆授權，但授權條款並非 SLA。若您的工作負載需要廠商支援，託管 API 路線是更安全的選擇。

底線

真正的Qwen3.8 27B在 Hugging Face 上，地址是Qwen/Qwen3.8-27B。它採用 Apache 2.0 授權，於 2026 年 8 月 14 日發布，包含 18 個分片的 BF16 safetensors，共 55.6 GB。你可以使用 huggingface-cli 或 git clone 下載，確認發布者是 Qwen 組織，你就擁有了一個最先進的開放權重 27B 模型，沒有人能奪走它或向你收費。如果你的使用場景不需要這麼大的承諾，同一個模型透過 API 只需幾美分。不過，權重才是關鍵——而且它們是免費的。