Qwen3.8-27B 登顶全球开源榜第一，曾经的「源神」又回来了！

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。

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。

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？

文章来自于"AI科技评论"，作者 "李娜"。