Qwen3.8-27B 开源：消费级显卡跑得动，尺子却是自己命名的

2026-08-14，阿里以 Apache 2.0 协议开源 Qwen3.8-27B。27B 是社区呼声最高的尺寸，原因很实际：量化之后，24GB 显存的 RTX 3090 / 4090 这类显卡能整卡装下，而上下文没有跟着缩水——原生 262K token，通过 YaRN 可外推至 100 万。

值得记的是架构，不是尺寸

模型共 64 层，其中 48 层用 Gated DeltaNet 线性注意力，16 层保留完整注意力，大致按「三层线性 + 一层完整」的节奏循环。线性注意力压住长序列的计算与缓存开销，完整注意力隔几层做一次更充分的信息交互——262K 原生上下文是这个配比换来的，不是堆出来的。这个骨干与 Qwen3.5 / 3.6 同源，ms-swift 的发布说明也是这么描述的。

两个面向长任务的开关同样值得记：

1. reasoning_effort 分 xhigh / medium / low 三档，复杂代码与长程智能体任务拉高，简单问答降下来换速度和成本；Thinking 也可以整个关掉。
2. preserve_thinking 默认开启，前几轮「怎么想的」会留在后续上下文里。编码智能体连改十几个文件时，可以沿着前面的决策继续走，同时更好地复用 KV 缓存。

补充（2026-08-17）：第一份第三方动手实测出来了，而它指向的正是第一条那个默认值。同一道画图题，出厂的 xhigh 默认档跑 21 分钟、烧掉 22,276 个思考 token，关掉思考只要 137 秒；LM Studio 默认 8,192 的上下文会被思考过程整个吃光。先用 low 或直接关掉思考跑，再决定要不要拉高。详见延伸阅读那条。

生态当天就跟上了

• Ollama v0.32.12（08-14）加入 qwen3.8:27b，并为 Apple Silicon 单独提供了 qwen3.8:27b-mlx 构建；次日的 v0.32.13 补上开发者指令支持。
• ms-swift v4.5.0（08-14）同日适配训练与后训练侧。
• 官方侧接上了 Transformers、vLLM、SGLang 与 TokenSpeed，Hugging Face 上量化版本入口同时开放。

首日可服务这件事本身已经不新鲜了——从 Kimi K3 到 Muse Glimmer，本站记过好几次；值得注意的是这次连 Apple Silicon 的专用构建都在同一天。

榜单很好看，但尺子是谁的

厂商公布的对比里，Qwen3.8-27B 在多项评测上超过 Claude Opus 4.6 Max：

• SWE-bench Pro：领先 8.3 分
• QwenSWEBench：领先 15.2 分
• CoWorkBench：70.7 对 68.2
• OSWorld-Verified（电脑操作）：84.3 对 72.7
• AndroidWorld（手机操作）：81.9 对 62.0

领先幅度最大的那一项，跑在一把名字里带着厂商自己的基准上。 本站《模型与输出评估》里那条判据在这里几乎是逐字适用的：一个数字能不能横比，先问这把尺子有没有量过别人。QwenSWEBench 领先 15.2 分，而第三方的 SWE-bench Pro 领先 8.3 分——两个数差了将近一倍，方向一致但幅度不一致，而且所有对比都是厂商自己跑的，不是第三方复现。

浏览器操作 WebArena-Verified 从上一代的 48.8 提升到 64.8，是这批数字里口径最干净的一个：同族前一版，同一项评测。

社区实测是用户报告，不是评测

量子位那篇里引了两条网友实测，值得读但要按用户报告对待：一位把 FP8 版本放在单张 GH200 上并发跑 10 个请求、每个最高输出 16K token、上下文拉到 262K，首批流式 token 基本在 10 毫秒内返回；另一位丢给它一部 1935 年的 11 分钟影片，让它识别 96 个带时间戳的事件并逐字引用画面文字，157 秒完成、时间点误差约 2 秒。没有对照组、没有重复运行，所以它们说明的是「跑得起来」，不是「跑得比谁好」。

一处可核对的口径差

官方称千问已累计开源 460 余个模型、全球下载超 30 亿次、衍生模型数超 30 万个。同一周 Hugging Face 那份生态报告独立数出来的是 Hub 上 151,448 个 Qwen 衍生模型。两个数字差了大约一倍，但并不矛盾——一个统计跨平台（含魔搭），一个只统计 Hub。知道它们口径不同，比记住哪个更大有用。