Qwen3.8-27B 登頂全球開源榜第一，曾經的「源神」又回來了！

Qwen3.8-27B開始和頂級閉源模型正面叫板，過度思考是最大問題。作者丨李娜 編輯丨岑峰 8月17日，阿里發佈的Qwen3.8-27B 成為 Hugging Face 上排名第一的熱門模型。Qwen正在成為全球開源社區的Base Model。01一個 27B 的模型，為什麼突然讓全球 AI 社區興奮？如果只看參數，Qwen3.8-27B 並不像一個會製造太大聲量的模型。27B參數，在今天動輒數千億甚至萬億參數的旗艦模型面前，甚至顯得有些“小”。但2026年8月14日，阿里千問正式開源Qwen3.8-27B之後，海外AI社區的反應卻異常熱烈。原因恰恰就在這個“小”字上。

在Qwen官方公佈的成績裡，Qwen3.8-27B 已經開始在部分 Coding 和 Agent 測試中，與 Claude Opus 4.6 Max 這樣的前沿閉源模型放在同一張表格裡比較。與此同時，4bit 量化後約 17.1GB，一張 RTX 4090 或 3090 就能完整裝下，進入了個人設備能夠嘗試本地運行的範圍。這形成了一種過去並不常見的反差：一邊是消費級硬件能夠承受的模型尺寸，另一邊卻開始出現過去只有雲端旗艦模型才會被期待的Coding和Agent能力。獨立開發者Simon Willison直接評價 Qwen3.

8-27B “excellent”，Reddit社區中 LocalLLaMA上有人把它稱作 “遊戲規則改變者”；另一些實際用它完成 Coding 任務的用戶，則開始用“接近Opus”來描述自己的體驗。圍繞它的討論，也很快從傳統的“這個模型Benchmark多少分”，變成了“我的3090能不能跑”“24GB顯存用什麼量化”“能不能直接接進Coding Agent”。過去談到本地部署模型，默認往往意味著一種交換：用戶獲得隱私、可控和更低的使用成本，同時接受能力上的明顯妥協。真正複雜的Coding、工具調用和長程Agent任務，仍然主要屬於Claude、GPT這類運行在雲端的前沿閉源模型。

Qwen3.8-27B正在挑戰的，正是這個默認前提。02Qwen3.8-27B開始達到旗艦模型的上限Qwen3.8-27B 最值得關注的是，它用 27B 的尺寸同時承載了 Coding、Agent、長上下文、多模態四項能力。27B 並不算一個極小的模型，但它已經進入個人硬件可以真正部署的範圍。經過 4bit 量化後，部分版本的模型權重只有 17GB 左右，一張 24GB 顯存的 RTX 3090 或 4090 就有機會把完整權重裝進顯存。相比動輒數百億、數千億參數，必須依賴多卡服務器運行的旗艦模型，這已經是完全不同的部署門檻。Qwen3.8-27B 對長上下文的設計也明顯服務於這個目標。

它共有 64 層，其中 48 層採用 Gated DeltaNet，16 層保留完整 Attention。傳統全注意力需要隨著上下文不斷增長 KV Cache，而 DeltaNet 使用固定規模的循環狀態，因此可以降低長文本帶來的顯存壓力。模型原生支持 262K 上下文，並可以進一步擴展到 100 萬 Token。但這些只是前提。真正讓它和 Opus 4.6 Max 放在同一張表格裡的，是 Agent 和 Coding。（）在 Qwen 官方公佈的數據中，Qwen3.8-27B 在 SWE-bench Pro （真實GitHub issue修復）上達到 61.

7，官方列出的 Claude Opus 4.6 Max 成績為 53.4；OSWorld-Verified （電腦操作）為 84.3 對 72.7，AndroidWorld （手機操作）為 81.9 對 62.0，CoWorkBench（長週期辦公任務） 為 70.7 對 68.2。LiveCodeBench v6 （代碼生成）上，Qwen3.8-27B 也達到 90.3。官方榜單之外，一批社區橫向測試也在提供更直觀的參照。有開發者用完全相同的 Prompt，讓 Qwen3.8-27B 和上一代 Qwen3.6-27B 分別生成同一個 voxel pagoda。

在同一臺 DGX Spark、相同量化設置下，3.8 在場景完整度和視覺效果上都明顯更成熟。再往外看，有用戶把它和同體量的 Glimmer-30B 放在一起測試 Three.js 場景。此前 Glimmer-30B 已經是 30B 左右本地模型裡表現相當強的一檔，但換到 Qwen3.8-27B 後，用戶最終仍然把優勢判給了 Qwen。更有意思的是，社區已經開始直接拿它和 Claude Opus 做同 Prompt 的前端生成對比。

單個 Demo 顯然不能證明 Qwen 已經達到 Opus 的整體水平，但這種比較本身已經說明了問題：過去一個本地 27B 模型和頂級閉源模型之間，往往根本沒有正面對比的必要；現在至少在部分 Coding 和前端任務上，兩者已經可以放在同一個畫面裡比較。把這些結果放在一起，Qwen3.8-27B 目前的位置大致已經可以看清：和上一代 27B 相比，它的能力上限明顯往前走了一截；放到 30B 左右的本地開源模型裡，它已經處在第一梯隊；而在部分 Coding 和 Agent 任務上，它甚至開始摸到前沿閉源模型的能力區間。如果 Qwen3.8-27B 只能通過 API 調用，它最多隻是又一個強模型。

但經過量化後，它已經能進入個人工作站和企業私有環境，代碼、文檔和 Agent 工作流都可以留在本地。一個個人硬件能夠承受的 27B 模型，開始進入過去主要屬於前沿閉源模型的 Coding 和 Agent 能力區間。過去本地部署往往意味著犧牲能力，Qwen3.8-27B 正在縮小這種能力折扣。03過度思考，是它最大的問題在海外社區，有人已經把 Qwen3.8-27B 稱作“Opus at Home”。但榜單之外，圍繞它最集中的爭議也很明確：模型能力強，但是推理時間太長；而Benchmark上的領先，也還沒有完全轉化成真實Agent體驗。

▎為了一個答案，它能先想21分鐘問題首先出在 reasoning_effort上。Qwen3.8-27B 提供 xhigh、medium、low、none 四檔推理強度，默認使用最高的 xhigh。對於複雜Coding和長程Agent，這可以換來更充分的推理；但放到消費級硬件上，代價也非常直接——慢，而且大量消耗Token。Django 聯合開發者 Simon Willison 做過一個很典型的測試：讓模型生成一張“騎自行車的鵜鶘”SVG，Qwen3.8-27B 花了 21分鐘，產生 22,276 個推理Token，最終輸出只有3,223 Token；關閉深度思考後，同一個任務縮短到137秒。

社區裡類似反饋並不少見。有人讓它寫一個簡單遊戲，模型先思考了半小時；也有人把它接進Coding Agent，一次任務的思維鏈跑掉數萬Token。這也暴露了Qwen3.8-27B目前最明顯的矛盾：它的能力上限很高，但默認設置並不一定適合本地用戶。對於雲端旗艦模型，長時間推理更多表現為價格和等待時間；到了3090、4090這樣的個人硬件上，推理強度會直接變成速度、顯存和使用體驗。一個本來以“本地可跑”為最大優勢的模型，如果簡單任務也需要長時間思考，這個優勢就會被部分抵消。▎榜單贏了，真實Agent未必贏另一個需要降溫的，是“超Opus”這個說法。Qwen3.

8-27B在SWE-bench Pro、OSWorld-Verified等測試上的確表現亮眼，但這些仍然是標準化、受控環境下的任務。真實Agent面對的變量更多：任務可能持續幾個小時，需要反覆調用工具、修改代碼、處理異常，還要保證過程中不跑偏。（Qwen3.8-27B 總分 48.0%，排名第 15；該 Benchmark 共 60 項真實 Agent 任務。）在更復雜的真實任務裡，27B的優勢並沒有那麼絕對。例如在WildClawBench的60項Agent任務中，Qwen3.8-27B雖然明顯超過前代，但仍落後於一些更大的託管模型。

這也是為什麼不能直接把“某幾項Benchmark超過Opus”翻譯成“真實使用已經可以取代Opus”。實際使用最終看的不是一張榜單，而是幾個更難回答的問題：長任務能不能穩定完成，工具調用會不會出錯，代碼修改能不能收斂，以及為了得到這個結果，需要等待多久、消耗多少計算。因此，現在給Qwen3.8-27B一個更準確的位置，可能不是“本地Opus”，而是：它已經證明，27B開源模型有資格進入頂級閉源Agent的比較範圍，但還沒有證明自己能夠全面替代它們。04真正的變化：前沿 Agent 正在開始進入個人電腦回到開頭那個問題：一個27B模型，為什麼能讓全球社區這麼興奮？

過去幾年，本地模型一直有一個默認前提：隱私、便宜、可控，但能力要妥協。一個能在消費級硬件上運行的模型，意味著你得接受它在複雜Coding、多步推理、工具調用上的明顯短板。真正要幹活，還是得切回Claude或GPT。本地運行和前沿能力之間，存在一條清晰的分界線。Qwen3.8-27B第一次讓這條線變得模糊了，“本地運行”和“前沿Agent能力”正在第一次變成可以同時追求的東西。過去開源模型的敘事是“追上閉源”。Qwen3.8-27B的敘事是“閉源模型的能力，第一次以可部署的尺寸出現在本地硬件上”。前者是追趕，後者是下放。

追趕是總是暫時的，你今天追上，明天可能又被拉開；下放則是結構性的，一旦能力被壓縮到消費級硬件可承受的尺寸，它就不會再縮回去了。前沿Agent能力正在從雲端下放到個人電腦，這才是Qwen3.8-27B真正值得被記住的原因。它也許不是最終的答案，但它逼出了下一個必須回答的問題：如果未來所有27B級別的模型都具備這種Agent能力，開發者的工作流、企業的部署策略、甚至個人採購GPU的邏輯，是不是都要跟著重寫一遍？上車，帶你看遍全球 AI 頂會精華可獨家暢覽：專家演講PPT大會報告全文熱門論文解讀學術新星訪談掃描上方二維碼或點擊「閱讀原文」關注專區。