Qwen3.8-27B 开始和顶级闭源模型正面叫板，过度思考是最大问题。

    作者丨李娜

    编辑丨岑峰

8 月 17 日，阿里发布的 Qwen3.8-27B 成为 Hugging Face 上排名第一的热门模型。Qwen 正在成为全球开源社区的 Base Model。

01

一个 27B 的模型，

为什么突然让全球 AI 社区兴奋？

如果只看参数，Qwen3.8-27B  并不像一个会制造太大声量的模型。27B参数，在今天动辄数千亿甚至万亿参数的旗舰模型面前，甚至显得有些 " 小 "。但 2026 年 8 月 14 日，阿里千问正式开源 Qwen3.8-27B 之后，海外 AI 社区的反应却异常热烈。

原因恰恰就在这个 " 小 " 字上。

在 Qwen 官方公布的成绩里，Qwen3.8-27B 已经开始在部分 Coding 和 Agent 测试中，与 Claude Opus 4.6 Max 这样的前沿闭源模型放在同一张表格里比较。与此同时，4bit 量化后约 17.1GB，一张 RTX 4090 或 3090 就能完整装下，进入了个人设备能够尝试本地运行的范围。

这形成了一种过去并不常见的反差：一边是消费级硬件能够承受的模型尺寸，另一边却开始出现过去只有云端旗舰模型才会被期待的 Coding 和 Agent 能力。

独立开发者 Simon Willison 直接评价 Qwen3.8-27B "excellent"，Reddit 社区中 LocalLLaMA 上有人把它称作 " 游戏规则改变者 "；另一些实际用它完成 Coding 任务的用户，则开始用 " 接近 Opus" 来描述自己的体验。围绕它的讨论，也很快从传统的 " 这个模型 Benchmark 多少分 "，变成了 " 我的 3090 能不能跑 ""24GB 显存用什么量化 "" 能不能直接接进 Coding Agent"。

过去谈到本地部署模型，默认往往意味着一种交换：用户获得隐私、可控和更低的使用成本，同时接受能力上的明显妥协。真正复杂的 Coding、工具调用和长程 Agent 任务，仍然主要属于 Claude、GPT 这类运行在云端的前沿闭源模型。Qwen3.8-27B 正在挑战的，正是这个默认前提。

02

Qwen3.8-27B

开始达到旗舰模型的上限

Qwen3.8-27B 最值得关注的是，它用 27B 的尺寸同时承载了 Coding、Agent、长上下文、多模态四项能力。

27B 并不算一个极小的模型，但它已经进入个人硬件可以真正部署的范围。经过 4bit 量化后，部分版本的模型权重只有 17GB 左右，一张 24GB 显存的 RTX 3090 或 4090 就有机会把完整权重装进显存。相比动辄数百亿、数千亿参数，必须依赖多卡服务器运行的旗舰模型，这已经是完全不同的部署门槛。

Qwen3.8-27B 对长上下文的设计也明显服务于这个目标。它共有 64 层，其中 48 层采用 Gated DeltaNet，16 层保留完整 Attention。传统全注意力需要随着上下文不断增长 KV Cache，而 DeltaNet 使用固定规模的循环状态，因此可以降低长文本带来的显存压力。模型原生支持 262K 上下文，并可以进一步扩展到 100 万 Token。

但这些只是前提。真正让它和 Opus 4.6 Max 放在同一张表格里的，是 Agent 和 Coding。（雷峰网 ( 公众号：雷峰网 ) ）

在 Qwen 官方公布的数据中，Qwen3.8-27B 在 SWE-bench Pro （真实 GitHub issue 修复）上达到 61.7，官方列出的 Claude Opus 4.6 Max 成绩为 53.4；OSWorld-Verified （电脑操作）为 84.3 对 72.7，AndroidWorld （手机操作）为 81.9 对 62.0，CoWorkBench（长周期办公任务） 为 70.7 对 68.2。LiveCodeBench v6 （代码生成）上，Qwen3.8-27B 也达到 90.3。

官方榜单之外，一批社区横向测试也在提供更直观的参照。

有开发者用完全相同的 Prompt，让  Qwen3.8-27B 和上一代 Qwen3.6-27B  分别生成同一个 voxel pagoda。在同一台 DGX Spark、相同量化设置下，3.8 在场景完整度和视觉效果上都明显更成熟。

再往外看，有用户把它和同体量的 Glimmer-30B 放在一起测试 Three.js 场景。此前 Glimmer-30B 已经是 30B 左右本地模型里表现相当强的一档，但换到 Qwen3.8-27B 后，用户最终仍然把优势判给了 Qwen。

更有意思的是，社区已经开始直接拿它和 Claude Opus 做同 Prompt 的前端生成对比。单个 Demo 显然不能证明 Qwen 已经达到 Opus 的整体水平，但这种比较本身已经说明了问题：过去一个本地 27B 模型和顶级闭源模型之间，往往根本没有正面对比的必要；现在至少在部分 Coding 和前端任务上，两者已经可以放在同一个画面里比较。

把这些结果放在一起，Qwen3.8-27B 目前的位置大致已经可以看清：和上一代 27B 相比，它的能力上限明显往前走了一截；放到 30B 左右的本地开源模型里，它已经处在第一梯队；而在部分 Coding 和 Agent 任务上，它甚至开始摸到前沿闭源模型的能力区间。

如果 Qwen3.8-27B 只能通过 API 调用，它最多只是又一个强模型。但经过量化后，它已经能进入个人工作站和企业私有环境，代码、文档和 Agent 工作流都可以留在本地。一个个人硬件能够承受的 27B 模型，开始进入过去主要属于前沿闭源模型的 Coding 和 Agent 能力区间。

过去本地部署往往意味着牺牲能力，Qwen3.8-27B 正在缩小这种能力折扣。

03

过度思考，是它最大的问题

在海外社区，有人已经把 Qwen3.8-27B 称作 "Opus at Home"。但榜单之外，围绕它最集中的争议也很明确：模型能力强，但是推理时间太长；而 Benchmark 上的领先，也还没有完全转化成真实 Agent 体验。

▎为了一个答案，它能先想 21 分钟

问题首先出在 reasoning_effort 上。Qwen3.8-27B 提供  xhigh、medium、low、none  四档推理强度，默认使用最高的 xhigh。对于复杂 Coding 和长程 Agent，这可以换来更充分的推理；但放到消费级硬件上，代价也非常直接——慢，而且大量消耗 Token。

Django 联合开发者 Simon Willison 做过一个很典型的测试：让模型生成一张 " 骑自行车的鹈鹕 "SVG，Qwen3.8-27B 花了  21 分钟，产生  22,276 个推理 Token，最终输出只有 3,223 Token；关闭深度思考后，同一个任务缩短到 137 秒。社区里类似反馈并不少见。有人让它写一个简单游戏，模型先思考了半小时；也有人把它接进 Coding Agent，一次任务的思维链跑掉数万 Token。

这也暴露了 Qwen3.8-27B 目前最明显的矛盾：它的能力上限很高，但默认设置并不一定适合本地用户。

对于云端旗舰模型，长时间推理更多表现为价格和等待时间；到了 3090、4090 这样的个人硬件上，推理强度会直接变成速度、显存和使用体验。一个本来以 " 本地可跑 " 为最大优势的模型，如果简单任务也需要长时间思考，这个优势就会被部分抵消。

▎榜单赢了，真实 Agent 未必赢

另一个需要降温的，是 " 超 Opus" 这个说法。

Qwen3.8-27B 在 SWE-bench Pro、OSWorld-Verified 等测试上的确表现亮眼，但这些仍然是标准化、受控环境下的任务。真实 Agent 面对的变量更多：任务可能持续几个小时，需要反复调用工具、修改代码、处理异常，还要保证过程中不跑偏。

（Qwen3.8-27B 总分 48.0%，排名第 15；该 Benchmark 共 60 项真实 Agent 任务。）

在更复杂的真实任务里，27B 的优势并没有那么绝对。例如在 WildClawBench 的 60 项 Agent 任务中，Qwen3.8-27B 虽然明显超过前代，但仍落后于一些更大的托管模型。

这也是为什么不能直接把 " 某几项 Benchmark 超过 Opus" 翻译成 " 真实使用已经可以取代 Opus"。实际使用最终看的不是一张榜单，而是几个更难回答的问题：长任务能不能稳定完成，工具调用会不会出错，代码修改能不能收敛，以及为了得到这个结果，需要等待多久、消耗多少计算。

因此，现在给 Qwen3.8-27B 一个更准确的位置，可能不是 " 本地 Opus"，而是：

它已经证明，27B 开源模型有资格进入顶级闭源 Agent 的比较范围，但还没有证明自己能够全面替代它们。

04

真正的变化：

前沿 Agent 正在开始进入个人电脑

回到开头那个问题：一个 27B 模型，为什么能让全球社区这么兴奋？

过去几年，本地模型一直有一个默认前提：隐私、便宜、可控，但能力要妥协。  一个能在消费级硬件上运行的模型，意味着你得接受它在复杂 Coding、多步推理、工具调用上的明显短板。真正要干活，还是得切回 Claude 或 GPT。本地运行和前沿能力之间，存在一条清晰的分界线。

Qwen3.8-27B 第一次让这条线变得模糊了，" 本地运行 " 和 " 前沿 Agent 能力 " 正在第一次变成可以同时追求的东西。

过去开源模型的叙事是 " 追上闭源 "。Qwen3.8-27B 的叙事是 " 闭源模型的能力，第一次以可部署的尺寸出现在本地硬件上 "。前者是追赶，后者是下放。追赶是总是暂时的，你今天追上，明天可能又被拉开；下放则是结构性的，一旦能力被压缩到消费级硬件可承受的尺寸，它就不会再缩回去了。

前沿 Agent 能力正在从云端下放到个人电脑，这才是 Qwen3.8-27B 真正值得被记住的原因。它也许不是最终的答案，但它逼出了下一个必须回答的问题：如果未来所有 27B 级别的模型都具备这种 Agent 能力，开发者的工作流、企业的部署策略、甚至个人采购 GPU 的逻辑，是不是都要跟着重写一遍？

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲 PPT

大会报告全文

热门论文解读

学术新星访谈

扫描上方二维码

或点击「阅读原文」关注专区。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。