Qwen3.8-27B开源：270亿参数消费级显卡可跑，代码与Agent多项评测超过Claude Opus 4.6 Max
2026/08/15 14:05阅读量 3
Qwen3.8-27B正式开源，总参数270亿，支持原生多模态、262K Token原生上下文并扩展至100万Token。其在SWE-bench Pro、QwenSWEBench、OSWorld等代码/Agent评测中超过Claude Opus 4.6 Max，经量化后可在24GB显存消费级显卡本地运行，并支持推理深度按需调节。
事件概述
Qwen3.8-27B 正式开源，总参数 270 亿，主打编程、专业工作、研究及长程 Agent 任务。模型原生支持多模态，可看图、读 PDF、理解图表和处理视频；原生上下文 262K Token，最高可扩展至 100 万 Token。经量化后，24GB 显存的 RTX 3090/4090 等消费级显卡有机会整卡部署。
核心信息
- 代码与 Agent 评测：SWE-bench Pro 中，27B 比 Claude Opus 4.6 Max 高 8.3 分；QwenSWEBench 中领先幅度扩大到 15.2 分。
- 专业长任务 Agent：CoWorkBench 得分 70.7，超过 Opus 4.6 Max 的 68.2。
- 计算机/手机/浏览器操作：OSWorld-Verified 84.3 分，Claude Opus 4.6 Max 72.7 分；AndroidWorld 81.9 分，Claude Opus 4.6 Max 62.0 分；WebArena-Verified 从上一代 48.8 提升到 64.8。
- 多模态推理：视觉数学问题解决能力在开启 CI 后为 94.6；通用视觉推理开启 CI 后为 85.6，未开启时为 65.7。
- 架构：模型共 64 层，其中 48 层采用 Gated DeltaNet 线性注意力，16 层保留完整 Attention，基本按“三层线性注意力 + 一层完整 Attention”循环，以降低长序列计算和缓存压力。
- 推理控制：默认开启 Thinking 模式，支持通过 reasoning_effort 在 xhigh、medium、low 三档之间调节推理深度，也可完全关闭；同时默认启用 preserve_thinking，将 Agent 前几轮的思考保留在后续上下文中。
- 部署支持：已接入 Transformers、vLLM、SGLang 和 TokenSpeed；生产高吞吐场景推荐 SGLang、vLLM，Hugging Face 提供量化版本入口。
社区实测
有开发者用 Qwen3.8-27B-FP8 在单张 NVIDIA GH200 上并发运行 10 个真实请求，每个请求最高输出 16K Token，上下文拉满到 262K，首批流式 Token 基本在 10ms 内返回，10 个请求全部正常完成。
另有用户在单张 GPU 上让模型分析一部 1935 年的 11 分钟电影，要求识别 96 个带时间戳的事件并引用画面文字，最终 157 秒完成，时间点误差约 2 秒。