一个仅 27B 参数的原生多模态稠密模型，在编程、Agent、软件工程等多项基准上得分高于 Claude Opus 4.6 Max，量化后可在消费级 GPU 上离线运行。开源两天，社区下载量突破 100 万次，自发贡献约 500 个量化版本。
Qwen3.8-27B 发布后公布的评测数据显示，在多个侧重 工程执行、Agent 能力与多模态交互的基准上，它的得分均高于 Claude Opus 4.6 Max。这不是某单项的偶然胜出，而是覆盖了编程、软件工程、办公自动化、指令遵循、多模态操作等多个维度的系统性表现。
竞争性编程，考察算法实现与代码生成能力
🏆 超越 ClaudeAgentic Coding，端到端软件工程任务
🏆 超越 Claude软件工程全流程，含调试与测试
🏆 超越 Claude长周期办公任务，跨步骤协作与交付
🏆 超越 Claude指令遵循，复杂约束下的准确执行
🏆 超越 Claude计算机与移动端 GUI 操作
🏆 超越 Claude多模态软件工程，视觉+代码联合理解
🏆 超越 Claude通用多模态推理，图像与文本联合理解
🏆 超越 Claude注：以上为 Qwen 官方公布的评测结果，所有基准均采用标准评估协议，Claude Opus 4.6 Max 为 Anthropic 同期旗舰模型。具体得分数据以官方报告为准。
一个 27B 的稠密模型，在多项基准上超越参数规模大得多的模型——这背后是架构设计的取舍。
稠密模型 vs MoE：每次生成都是全力以赴，但代价是什么？
总参数大，但每个 token 只激活部分参数（如 30B-A3B 实际激活约 3B），生成吞吐高，但存在路由不均衡、专家利用不充分等问题。
典型代表：Mixtral、DeepSeek-V2每个 token 调用全部 27B 参数，计算更充分，但推理延迟和内存占用更高。Qwen3.8-27B 通过混合架构与 MTP 来缓解这一瓶颈。
Qwen3.8-27B：Gated DeltaNet + Gated AttentionQwen3.8-27B 采用 64 层混合架构：以"三层 Gated DeltaNet + 一层 Gated Attention"为一个基本组合，重复 16 次。四分之三的网络层使用线性注意力路线的 Gated DeltaNet，四分之一保留完整 Gated Attention。
这种设计的价值在于：Gated DeltaNet 通过紧凑的状态表示降低长序列处理成本，而周期保留的完整注意力层则维持了对复杂 token 依赖关系的建模能力。模型原生支持 262K 上下文，可通过 YaRN 扩展至 100 万 token。
更关键的设计是 多 Token 预测（MTP）——传统自回归模型一次只预测一个 token，而 Qwen3.8-27B 训练了多步 MTP 头，为推测解码提供了基础。对于稠密模型，这直接意味着解码速度的提升：用 MTP 一次提出多个候选 token，主模型批量验证，减少串行开销。
一个诚实的注脚：稠密模型每 token 都需要完整计算，在本地部署场景中，工程优化的好坏直接决定了实际体验。
Qwen3.8-27B 开源后的反应速度，远超一般模型发布。12 小时进入 Hugging Face 历史最受欢迎 TOP 4，两天下载超 100 万次——这些数字背后是真实的使用和适配。
芯片厂商连夜适配——NVIDIA、AMD、平头哥、沐曦、联发科、摩尔线程等第一时间完成支持。
推理工具全线跟进——vLLM、SGLang、Ollama、LM Studio 等主流推理框架在发布当天或次日即完成适配，开发者开箱即用。
一个值得注意的细节：社区在发布当天就开始讨论如何把模型跑得更快，而不是"能不能跑"。这种从"能力怎么样"到"怎样跑得更好"的快速切换，是活跃生态的典型信号。
Qwen3.8-27B 发布后，社区最活跃的方向不是讨论评测分数，而是 如何利用 MTP 和量化在本地硬件上跑出更高速度。对于稠密模型，工程优化直接决定了用户体验的上下限。
MTP 推测解码：多个硬件平台上的实测提升
这些优化不是锦上添花，而是 稠密模型在本地落地的必要条件。Qwen3.8-27B 提供了 MTP 能力和 reasoning_effort 控制接口，但具体的工程实现——从 chat template 修改到 sampler 配置，从量化精度选择到推理后端适配——全部由社区完成。
Qwen3.8-27B 的故事，表面上是一个 27B 模型在基准上超越更大模型的"逆袭"叙事，但更值得关注的是它背后反映出的行业趋势变化。
过去两年，开源社区的关注点集中在"模型权重"上——参数规模、架构设计、训练数据。但 Qwen3.8-27B 发布后，社区的反应表明：权重只是起点，工程优化才是决定模型实际价值的关键环节。
同一份权重，经过不同的 chat template、sampler、量化方案和推理后端，可能产生完全不同的用户体验。Qwen 开放、开源的生态策略，使得这种"推理侧工程"可以被社区集体完成——这在闭源模型的世界里是不可想象的。
一个值得注意的张力：稠密模型的每 token 全参数计算特性，决定了它在本地部署场景中天然不如 MoE 高效。但 Qwen3.8-27B 通过 MTP 推测解码、reasoning_effort 动态调节、以及社区驱动的极致工程优化，正在缩小这一差距。这不是"最好的架构"的胜利，而是"最适合的架构 + 最活跃的生态"的综合结果。
开源模型的生命力，正在从"训练出更强的权重"转向"围绕权重构建最活跃的工程生态"。Qwen3.8-27B 证明了：当社区愿意为你的模型写适配、做优化、调参数时，这个模型才真正拥有了"生命力"——而基准分数，只是这场马拉松的起跑线。
模型权重已开源至 Hugging Face 社区，搜索 Qwen3.8-27B 即可下载。Ollama、LM Studio 等工具已支持一键部署，消费级 GPU 即可运行。
Hugging Face 开源社区 → 下载模型