Qwen 3.8 27B 发布说明
Qwen 3.8 27B 在紧凑的 27B 密集模型中提供了前沿水平的编码与智能体能力
Qwen 3.8 27B 是迄今为止 Qwen 开源模型家族中最强大的一代，基于 Qwen 3.5 的架构基础构建。它在编码、专业研究和长周期智能体任务方面实现了显著提升，同时保持了便于部署的模型规模。值得注意的是，它是一个原生的视觉-语言模型，能够理解图像和长达数小时的视频。
核心技术规格
Qwen 3.8 27B 是一个因果语言模型，集成了视觉编码器。它是一个密集模型（非 MoE），具有以下架构特点：
- 参数量：270 亿
- 隐藏维度：5120
- 层数：64
- 上下文长度：原生支持 262,144 个 token，可通过 RoPE 缩放（例如 YaRN）扩展至 1,000,000 个 token。
- 架构布局：16 × (3 × (门控 DeltaNet → FFN) → 1 × (门控注意力 → FFN))
- MTP（多 token 预测）：通过多步训练提升推理效率。
主要功能增强
灵活的思维控制
Qwen 3.8 引入了默认启用的“思维模式”。该模式允许模型在生成最终答案前输出内部推理过程（以 </tool_call> 标签标记）。用户可通过以下参数控制此行为：
reasoning_effort：调整推理深度，提供三个等级：xhigh（默认，适用于复杂分析）、medium（平衡）、low（优化速度/成本）。preserve_thinking：默认启用，保留历史消息中的推理块，以维持上下文连贯性并提升 KV 缓存利用率。- 指令模式：可完全禁用思维模式，以获得直接响应。
原生多模态智能
该模型支持原生的图像与视频理解，涵盖从 STEM 图表、文档到长达数小时视频的各类内容。在“计算机使用”场景中表现出色，包括 OSWorld、WebArena 和 AndroidWorld。
基准性能
Qwen 3.8 27B 相较于 Qwen 3.6 27B 有显著提升，并与更大规模的前沿模型（如 Opus 4.6 Max）表现接近。
文本与编码性能
| 基准测试 | Qwen 3.8 27B | Qwen 3.6 27B | Opus 4.6 Max |
|---|---|---|---|
| SWE-bench Pro（智能体编码） | 61.7 | 53.5 | 53.4 |
| QwenSWEBench（软件工程） | 79.0 | 49.3 | 63.8 |
| CoWorkBench（办公任务） | 70.7 | 61.0 | 68.2 |
| LiveCodeBench v6（竞赛编码） | 90.3 | 83.9 | 88.8 |
| IFBench（指令遵循） | 79.5 | 69.1 | 62.5 |
视觉-语言（VL）性能
| 基准测试 | Qwen 3.8 27B | Qwen 3.6 27B | Opus 4.6 Max |
|---|---|---|---|
| OSWorld-Verified（计算机使用） | 84.3 | 63.9 | 72.7 |
| WebArena-Verified（浏览器使用） | 64.8 | 48.8 | -- |
| AndroidWorld（移动设备使用） | 81.9 | 70.3 | 62.0 |
| MathVision（视觉数学） | 94.6（含 CI） | 85.1 | 65.5 |
部署与服务最佳实践
推荐框架
对于生产负载，Qwen 团队推荐使用专用的服务引擎：
- SGLang、vLLM 或 TokenSpeed。
- FP8 量化：发布的 FP8 量化权重采用细粒度量化（块大小 128），性能几乎与原始模型一致。
采样参数
- 思维模式：
temperature=1.0，top_p=0.95，top_k=20，min_p=0.0，presence_penalty=0.0，repetition_penalty=1.0 - 指令模式：
temperature=0.7，top_p=0.80，top_k=20，min_p=0.0，presence_penalty=1.5，repetition_penalty=1.0
长上下文处理
为将上下文扩展至 100 万个 token，用户应修改 config.json 中的 rope_parameters，使用 rope_type: "yarn" 并设置 factor 为 4.0。团队提醒，静态 YaRN 可能影响短文本性能，建议根据典型应用长度调整该因子。
社区洞察与观察
来自 Hacker News 的社区反馈揭示了多项实际部署经验：
- 硬件性能：用户报告在多种硬件上成功部署，包括 RTX 3090 和 M5 Max MacBooks。有用户指出，在 RTX 5090 上使用
ninfer引擎可实现约 138 tokens/秒的吞吐。 - 推理行为：部分用户观察到
xhigh推理模式可能导致“过度思考”或“代码分支过深”，建议在简单任务中使用medium或low等级以获得更优表现。 - 与 MoE 模型对比：部分开发者表示更倾向于使用混合专家（MoE）模型（如 35B A3B）以在低端硬件（如 M1 Max）上获得更高效率，指出 27B 密集模型可能内存占用较高。
- 实际应用价值：多位用户反馈，该模型在实际使用中“感觉像 Opus 4.5/4.6”，尤其在复杂编码任务和 SVG 生成方面表现突出。
"我给了它一张图片和一个大致的构想，它从头到尾完整构建了整个项目。" — @swalsh
Sources
相关
- Dispatch
- Dispatch
- Dispatch
- Dispatch
- Dispatch