Qwen3.8-27B 對決 Meta Muse Glimmer：本地代理競賽，一方已就位

Me​ta Muse Glimmer 已於 2026 年 8 月 10 日推出 — 採用 Apache 2.0 授權、約 300 億個參數、明確鎖定本機代理型工作負載 — 而那個幾乎肯定會成為其最強勁對手的模型，至今仍未發布。Alibaba 在 8 月 3 日宣布 Qwen3.8-27B 為 Qwe​n3.8 世代中可自行託管的成員，並承諾於 8 月 10 日當週開放其權重；但截至本文撰寫之時，官方儲存庫尚未出現。這使得這場比較刻意地不對等：一方是真實存在、今天即可下載的模型，另一方則仍未經驗證。而這正是現在值得撰寫的原因 — Me​ta 在建立 Glimmer 自己的基準測試表時，是以 27B 的前代為比較對象，因此在 27B 問世之前，戰局早已定調。

對戰一覽

這兩個模型都在追逐同一個買家：一個想要在自有的硬體上獲得接近旗艦等級的代理（agentic）與編碼能力，而不是透過 API 的人。各項維度對比如下，其中 Qwe​n 一方在儲存庫尚未確認之處標記為未驗證：

• 狀態 — Me​ta Muse Glimmer 現已推出，而 Qwen3.8-27B 已公布，權重尚未發布。

• 尺寸 — Glimmer 總計約 29.6B（27.9B 文字解碼器 + 1.9B 視覺編碼器），相較於 27B 的約 27B，架構尚未確認。

• 授權 — Apache 2.0，涵蓋權重、量化、草稿模型與編碼器；另一選項尚未公布，且很有可能帶有通義千問 100M-MAU 條款。

• 上下文 — Glimmer 支援 128K token 視窗，對比 27B 的上下文，尚未證實。

• 模態 — Glimmer 透過感知編碼器接收文字和圖像輸入，相對於 27B，可能以文字優先，尚未確認。

• 本機佔用空間 — Glimmer 在 4-bit K-Quant-17GB 設定下約佔用 17 GB，而 27B 在 Q4_K_M 下預估約為 17 GB。

• 速度技術 — Glimmer 搭載 DFlash 推測解碼（Meta 報告在 RTX 5090 上達到每秒 74.9 至 233.4 tokens，提升 3.1 倍），而 27B 尚未有這類宣稱。

為什麼 Me​ta 瞄準這裡

Muse Glimmer 是 Meta 封閉式旗艦模型 Muse Spark 1.2 的蒸餾與量化版本，由 Meta Superintelligence Labs 發布，並專門針對常駐開啟的裝置端代理（agent）進行調校：工具呼叫、多步驟推理、失敗恢復與重試、文字與圖像交錯理解，以及超過 100 種語言。Meta 自家的數據顯示，它在多項代理測試上領先 Gemma 4 系列與 Qwen3.6-27B——MCP Atlas 75.5、DeepSearch QA 74.6、SWE-Bench Pro 51.2——在另外幾項則僅略遜一籌。這些全為廠商自行宣稱之數據，未經獨立重現。值得直說：在 Meta 所挑選的代理基準上，Glimmer 領先先前的 Qwen 世代；而在 Meta 未挑選的基準上，Qwen 仍然領先。

有兩件事讓 Glimmer 除了分數之外格外引人注目。第一是授權：Apache 2.0，沒有 MAU 條款，沒有商業洽談門檻——這是 Me​ta 長期以來推出過最寬鬆的授權，而祖克柏隨附的文章也明確點出了這項戰略賭注。第二是首日工具鏈：llama.cpp、Hugging Face Transformers、Ollama、LM Studio 和 SGLang 都在發布當天或接近發布時就提供了支援，這正是本地模型要「可用」而非只是「可下載」所需要的。

Meta 已經選定了對手。

在Glimmer的發布中，這次比較最有用的資訊是Me​ta拿來對標的對象：Qwen3.6-27B，也就是Qwen3.8-27B的直接前代。在Me​ta自己的表格上，Glimmer在SWE-Bench Pro（51.2 對 50.2）略勝Qwe​n 27B，在SWE-Bench Verified（76.0 對 77.2）則落後，而Qwe​n在OSWorld-Verified、Terminal-Bench 2.1以及大部分多模態基準測試上領先。換言之，這兩個系列在27–30B的本地端規模上互有勝負，而Qwe​n這一方3.8世代正是Me​ta作為參考基準的那個模型的下一代。這才是這場對決真正的重點：27B並不是Glimmer假想中的競爭對手，而是現任領先者的下一版，而且Me​ta已經告訴我們基線有多接近。

Qwen 方面還有什麼尚未驗證？

在儲存庫上線之前，Qwen3.8-27B 那一欄大多是問號：它是密集（dense）還是 MoE 模型、其上下文視窗大小、是否為多模態，以及最關鍵的授權條款。授權問題本身就足以左右這項比較的結果——採用 Tongyi Qianwen 授權的模型，與採用 Apache 2.0 授權的模型，是截然不同的採購決策，尤其是對於月活躍用戶數（MAU）超過門檻的商業產品。27B 的基準測試分數目前一項都還不存在，而供應商公布的 3.8 系列整體數據，屬於 Max 版本，而非 27B。

該選哪一個

如果你今天就需要一個可用的本機代理模型，這個決定不言自明：Me​ta Muse Glimmer 已經存在，可在 24 GB 顯示卡上運行，具備首日執行階段支援，而且採用 Apache 2.0 授權。Qwen3.8-27B 則是一個承諾。如果你已經標準化在 Qwe​n 生態系上，或者你的需求是某個 3.8 世代預期會推進的特定基準測試，那麼 27B 值得等待——但等待有實際的機會成本，而且授權條款可能在它推出後改變你的答案。

既不想等待、也不想被鎖定的團隊，有一條中間路線。OrcaRouter 透過單一 API 路由 200 多個模型，按供應商定價收費、零加成，並具備自動容錯移轉——Qwen3.8 Max 現已上線，每百萬 tokens 收取 2.00/6.00 美元，而 Me​ta 自己的封閉式 Muse Spark 系列也可透過同一個金鑰存取。當 27B 推出並在獨立基準測試中贏得信任後，容錯移轉就是在不把整條路徑賭在未經驗證模型的前提下，讓它面對生產工作負載的最佳方式：將一部分流量路由給它，其餘繼續留在現行模型上，讓真實使用情況來決定。

雙方都尚未經過獨立審計——Glimmer 的數據是 Me​ta 的，而 27B 根本沒有任何數據。第一週後的誠實評價：Glimmer 是你可以實際執行的模型，27B 是你一個月後會拿來比較的對象，而最可能讓團隊改變決定的，是授權檔案，而不是基準測試表。