Qwen3.8-27B 對決 Qwen 3.8：同一世代，一張 GPU 對上一整座機櫃

本週 Alibaba 把 Qwen3.8-27B 放上 Cerebras 的快速推論通道——這是稠密 27B 首次擁有真正快速的託管選項——而 Artificial Analysis 終於為這場對決的雙方建立了索引。Qwen3.8-27B 在 AA Intelligence Index 上得分 34。Qwen 3.8，也就是大多數人在不加後綴寫出這個名稱時所指的開放核心，得分 40。這兩個數字重新定調了一項比較；而在八月發布時，相關報導只能完全依賴廠商的一面之詞。

以「Qwen 3.8」作為獨立名稱背後所用的模型是 Qwen3.8-2.4T-A95B：這是阿里巴巴以自訂授權條款發布的 2.4 兆參數混合專家（MoE）權重。Qwen3.8-27B 則是同一世代的稠密模型成員——約 270 億參數、Apache 2.0 授權，大小適合單一 GPU。它們共享家族名稱、原生 262K 上下文長度，以及相同的發布時間窗口。除此之外，它們的一切都是對比鮮明的反面對照：一個你能擁有，另一個你只能租用。既然兩者現在都有各自獨立的數據，以下是它們各自實際上適合的用途。

同一世代，相反的形狀

Qwen3.8-27B 是一款稠密模型——27B 參數（計入視覺編碼器則為 28B），64 層，並採用由 48 層 Gated DeltaNet 線性注意力層對上 16 層全注意力層所組成的混合注意力堆疊。正是這種混合架構，讓一款 27B 模型能承載 262,144 個詞元的原生上下文。Qwen3.8-2.4T-A95B 則是旗艦架構：總參數 2.4T，每個詞元約有 95B 活躍參數，92 層、每層 512 個專家，而這 92 層中有 69 層採用線性注意力。同樣的手法，規模卻大了九十倍。

• 架構 — Qwen3.8-27B：27B 稠密模型，每個 token 都會點亮全部參數。Qwen3.8-2.4T-A95B：總參數 2.4T／約 95B 啟用參數的 MoE。

• 上下文——兩者原生皆為 262K；27B 的 1M 擴充僅限託管版，2.4T 實測可達約 984K。

• 輸入 — Qwen3.8-27B：文字、圖像與影片。Qwen3.8-2.4T-A95B：僅文字，思考模式鎖定開啟。

• 授權條款 — Qwen3.8-27B：Apache 2.0。Qwen3.8-2.4T-A95B：自訂 Qwen3.8-Max 授權條款。

• 權重 — Qwen3.8-27B：55.6GB BF16，量化後約為 16GB 的 Q4 版本。Qwen3.8-2.4T-A95B：約 2.4TB BF16，得靠一整個 GPU 機架，不是桌上型電腦能扛的。

• 你會在何處遇見它們 —— Qwen3.8-27B：自行架設，或便宜租用。Qwen3.8-2.4T-A95B：租用，因為沒有理智的人會自己養一整個機櫃。

獨立的數字，終於

每篇關於 Qwen3.8-27B 的八月對比文章都帶著同樣的但書：「尚無獨立評分。」這已不再成立。Artificial Analysis 本週已測量這兩個模型，而數據呈現的樣態確實很有意思。

在 Intelligence Index 上，Qwen3.8-2.4T-A95B 得分 40，在其類別中 113 個模型裡排名第 4。Qwen3.8-27B 得分 34——這使其在其開放權重 4–40B 尺寸類別的 140 個模型中位居第一，對一個稠密 27B 模型而言是真正強勁的表現。根據獨立測量，兩者都很慢：27B 為每秒 39.0 個輸出 token，2.4T 為 38.1，而類別中位數約為 90。兩者都相當冗長，27B 在整個 index 測試過程中產生約 200M 個輸出 token，而類別中位數為 68M。兩者都不是備受矚目的前沿模型；兩者都是實用主力，而該 index 指出 2.4T 是明顯更強的主力。

獨立方的定價數據也以美元印證了同樣的結論。Artificial Analysis 對 27B 在 Qwen Cloud 代管版本上的定價為每百萬輸入 token 0.50 美元、每百萬輸出 token 3.00 美元（90% 快取折扣），而 2.4T 則為 2.00 美元 / 6.00 美元（88% 快取折扣）。每項 Intelligence Index 任務的成本：27B 為 0.82 美元，2.4T 為 2.16 美元。較小的模型每單位智慧的執行成本較低——而相對於其速度級別，兩者都偏貴，因為兩者都是會大量消耗輸出 token 的推理模型。

其餘一切——27B 的 SWE-bench Pro 61.7、DeepSWE 1.1 42.2、LiveCodeBench v6 90.3；2.4T 的 86.6 Terminal-Bench 2.1 與 67.7 SWE-bench Pro——仍屬廠商自行提報、未經重現，且在本篇全文中皆如此標註。上述 AA 指數是這一切的獨立下限。

Cerebras 上市改變了什麼

2026年9月12日，Qwen 帳號宣布 Qwen3.8-27B 現已在 Cerebras 上運行，其目錄條目已上線，標題為「Qwen 3.8 27B 現已在 Cerebras PayGo 上推出」。Cerebras 將其列為在 WSE 等級硬體上每百萬輸入 0.99 美元、每百萬輸出 1.49 美元，正是這款硬體讓該公司在速度方面打響名號。這讓 27B 擁有 2.4T 核心從未有過的東西：一條快速通道。

這點很重要，因為「又慢又囉唆」從第一天起就是 27B 唯一的真正硬傷。在獨立測試框架上，它的速度是 39 t/s；而在我們自家的服務遙測中，它的輸出速度約為每秒 154 個 token，首 token 延遲中位數（p50）為 4.48 秒——如今又有第二家供應商在同一條軸線上較勁。相較之下，2.4T 完全沒有快速通道：以 38 t/s 的速度，你得付頂級價格卻只換到中段班的速度，而唯一的解套方式就是自己租一組 GPU 叢集來跑開放權重。

27B 三條通道，2.4T 一條

截至今日，這個稠密 27B 有三種租用方式，而在你選擇之前，價差值得先看清楚：

• 自託管通道 — Qwen3.8-27B 已在 OrcaRouter 上線，每百萬 $0.33 / $2.40，運行於我們自家的基礎設施上。這是市場上該模型最便宜的輸入價格，輸出約 154 tok/s，262K 上下文。

• 廠商路線 — Qwen Cloud 的代管版本，每百萬 $0.50 / $3.00，具備 1M token 上下文與 90% 快取折扣。

• 快速通道 — Cerebras PayGo，每百萬 $0.99 / $1.49，以速度而非價格作為定位。

2.4T 開放核心沒有對等的價差。服務相同架構的旗艦 API——Qwen3.8-Max——是每百萬 $2.00 / $6.00，而無論你稱它為 Max 還是開放核心，這個數字都不會改變。若改為自行運行權重，經濟成本就轉向硬體：2.4T 需要約 2.4TB 的 BF16 權重與一台多 GPU 節點，這是沒有人會輕率做出的資本決策。一張 24GB GPU 運行 27B 的 Q4 版本，邊際成本幾乎四捨五入為零。

決定多數團隊的那個實測範例：每天 100M 輸入與 20M 輸出 token。以 2.4T 的 $2/$6 費率計算，每天約 $320，一年約 $117,000。用 27B、以我們的 $0.33/$2.40 來算，每天約 $81——而若是自架的版本，那就只是電費而已。2.4T 換來的是實實在在的品質優勢，AA 40 對上 34。那份優勢是否值得每月五位數的帳單，正是這組搭配要問的核心問題。

在它們真正分歧的地方

除了索引之外，還有三項實務上的差異會決定哪一個適合給定的工作負載。

多模態輸入是最乾淨的篩選條件。Qwen3.8-27B 能讀取文字、圖像和影片——螢幕截圖、圖表、含圖表的文件、影片影格，全都進入同一個 262K 視窗。Qwen3.8-2.4T-A95B 則是徹底純文字。如果你的輸入包含任何視覺內容，2.4T 就不合格，無論它的指數有多高。

思考控制是第二項。27B 的推理模式可以依請求關閉，這對延遲敏感的擷取很重要，因為在這種情境下思維鏈純屬額外負擔；它也會暴露 reasoning_effort。2.4T 核心無法關閉思考——每個回應都會以 think> 區塊開頭，而且無論你想不想要，都必須為那些 token 付費。旗艦 API 修正了這點，但開放核心沒有。

授權條款排第三，而且它在規模化時悄悄發揮影響。27B 上的 Apache 2.0 是寬鬆標準：可修改、可再散布、可商業化，還包含專利授權。2.4T 則以自訂的 Qwen3.8-Max 授權條款發布——精神上屬寬鬆，但那是 Aliba​ba 的條款，不是社群標準，值得在你以此打造產品之前先讀過那份文件。

路由決策

這場對決的兩邊都能透過同一把 OrcaRouter 金鑰存取，這正是讓「我該選哪一個」這個問題能用實測方式便宜回答的原因。Qwen3.8-27B 已上線，型號為 qwen/qwen3.8-27b，以供應商牌價提供，零加價，而建構於同一 2.4T 核心的旗艦 API 已上線，型號為 qwen/qwen3.8-max，價格為每百萬 $2.00 / $6.00 —— 這是 Alibaba 自家的費率，直接原樣傳遞，因此任何供應商的價格變動都會在同一天於此同步生效。

同樣的 2.4T 架構若以可下載權重形式提供，並不是我們所供應的服務——如果你今天想透過 API 取得開放核心，旗艦通道是實務上達成此目標的方式，而qwen/qwen3.8 已預先配置好，可隨時啟用，一旦有供應商提供開放權重即可。一條路由規則會將視覺與延遲敏感的流量導向 qwen/qwen3.8-27b，並將高難度推理的長尾流量導向 qwen/qwen3.8-max，設定起來不花任何成本，且能在供應商之間自動容錯移轉。一組金鑰、無須第二份合約，而這樣拆分只是設定變更，而非重新架構——這是最便宜的方式，用來測試 2.4T 額外多出的六個指標分數，對你來說是否值得每百萬個輸出 token 花上 $5.67。

誰應該選哪個？

• 如果你的輸入包含圖像或影片、如果你想要可關閉的思考功能、如果你擁有或打算擁有 24GB GPU，或者如果你的每 token 支出量大到讓 $0.33/$2.40 與 $2.00/$6.00 的差異成為整個論點，就選擇 Qwen3.8-27B。

• 若你只處理文字、想要這個系列中最強的獨立推理分數（AA 40），而且 $2/$6 的費率——或運行一個 GPU 節點的成本——穩穩落在你的預算之內，就選 Qwen 3.8（2.4T 核心）。

• 如果您的流量橫跨這兩種使用情境，就兩者都選：透過閘道路由，讓路由器依模態與難度分流，並在任一模型的下一個檢查點或價格出爐時再改變主意。

判決

Qwen 3.8 這個名字向來都是兩個產品假裝成同一個家族，如今兩者都各自有了獨立的數字可以爭論。Qwen3.8-2.4T-A95B 是更強的大腦，純文字、昂貴，而且以 $2/$6 的價位來說，無可否認是划算可租的。Qwen3.8-27B 則是可部署的那一個——多模態、Apache 2.0、可自行架設，而且從這週起，它終於也有了快速通道。指數差距是真的：40 對 34。價格差距也是：當你把 2.4T 當成 API 來跑時，每詞元成本大約是五倍。對多數團隊而言，這個決定不在於那六點指數差距，而在於你買的是詞元還是硬體——而在這兩者之中，只有 27B 能讓你買到硬體。