8 月初，阿里巴巴 Qwen 團隊把旗艦 Qwen3.8-Max 開放權重時，順帶預告較小的 27B 版本一週內跟進。8 月 13 日前後，承諾兌現：Qwen3.8-27B 連同 FP8 量化版登上 Hugging Face，授權 Apache 2.0，可自由商用。時間點值得記一筆——同一週，封閉陣營的新聞圍繞訂閱方案與算力合約，開放權重陣營則安靜地把「本地跑得動的能力」往前推了一格。
規格：小體積、長上下文、原生視覺
Qwen3.8-27B 總參數約 278 億，原生上下文 262,144 tokens，可用 YaRN 外插到 100 萬。它是 Qwen3.8 系列第一個釋出權重的小型成員，架構延續 Qwen3.5 基礎：64 層混合布局，Gated DeltaNet 與 Gated Attention 交替堆疊，並搭載多 token 預測（MTP）。它也不是純文字模型，原生支援圖片與影片理解。思考模式預設開啟，推理深度可用 reasoning_effort 調整，而官方模型卡給的預設值是 xhigh——這個選擇後來成了討論焦點。
Willison 實測：能力過關，預設失誤
Simon Willison 在 8 月 16 日發表實測，他在 128GB 的 M5 Max MacBook Pro 上跑 17GB 的 Q4_K_M 量化版，也試了 NVIDIA DGX Spark。結論分兩半。能力面：照片邊界框偵測相當準，一句提示就生出一個可用的標註工具，還能驅動 Pi coding agent 回答程式庫問題、寫出帶測試的 JSONL 轉 Markdown 腳本。速度面卻被預設拖累：「畫一台腳踏車上的鵜鶘」燒掉 22,276 個推理 token 才吐出 3,223 個輸出 token，全程 21 分鐘；關掉推理，同一題 137 秒完成。連「畫一個圓的 SVG」都會觸發一段他沒要的精緻動畫。他的建議很直接：從 low 或關閉推理用起。
速度與生態
本地 15 到 30 tokens/秒的吞吐，對比託管 API 動輒 74（OpenAI 5.6 Sol）到 184 tokens/秒（Luna），稠密模型吃記憶體頻寬的劣勢一覽無遺。不過 llama.cpp 的 MTP 草稿解碼能把吞吐再拉高約 72%。Artificial Analysis 隨後把模型收進索引，給了 52 分的獨立評分。Unsloth 的 GGUF 量化、vLLM 與 SGLang 支援在發布當天就緒；官方自評的 Terminal Bench 2.1 拿 73.0、OSWorld-Verified 拿 84.3，這些數字仍待第三方驗證。
對本地部署的意義
三個要點。第一，17GB 的檔案裝著長上下文、工具呼叫、視覺與程式生成，一年前這是旗艦級能力，現在能離線跑在一台筆電上。第二，「預設值即產品」：xhigh 讓第一次體驗變成漫長等待，社群已經自行改模板把 medium 設為預設，模型廠在預設參數上應該更貼近真實用法。第三，開放權重的節奏沒有放緩，Qwen 一個月內接連開源 Max 與 27B，對需要私有部署的團隊來說，本地選單又多了一個認真候選。
參考來源
- Qwen3.8-27B-FP8 模型卡 — Hugging Face
- Qwen 3.8 27B is excellent, but it defaults to overthinking things — Simon Willison
- Qwen3.8 系列合集 — Hugging Face
- Qwen3.8 27B 獨立評分 — Artificial Analysis
本文由 AI 協助自上述來源整理，經人工審核後發布。