源神启动！一张消费级显卡跑“Opus级”Agent，Qwen3.8-27B多项榜单反超Claude
内容提要
Qwen3.8-27B开源，拥有270亿参数，支持原生多模态和262K上下文，可扩展至100万Token。在SWE-bench Pro和QwenSWEBench上超越Claude Opus 4.6 Max，Agent和多模态评测表现优异。内置推理档位可调，支持关闭Thinking模式，默认开启preserve_thinking。量化后可在24GB显存显卡运行，支持Transformers、vLLM等部署。
延伸解读
本地部署门槛与量化
Qwen3.8-27B总参数量270亿，官方提到量化后可在24GB显存的消费级显卡（如RTX 3090、4090）上运行，这降低了本地部署门槛。但需注意，量化可能带来一定性能损失，且实际运行效果还取决于具体任务和硬件配置。对于没有高端显卡的用户，仍可考虑云服务或使用官方支持的Transformers、vLLM等框架进行部署。
推理档位与成本控制
模型内置推理档位，支持reasoning_effort调节（xhigh、medium、low），并可关闭Thinking模式。这为开发者提供了灵活控制推理深度和响应速度的手段：复杂任务可调高档位，简单任务调低或关闭，以节省计算资源和成本。默认开启的preserve_thinking功能有助于长程Agent任务保持上下文连贯，减少重复推理，但也会占用更多KV Cache，需根据实际场景权衡。
多模态与Agent能力
Qwen3.8-27B原生支持多模态，能处理图片、PDF、图表甚至视频，在OSWorld-Verified、AndroidWorld等Agent评测中得分超过Claude Opus 4.6 Max。但需注意，这些评测结果基于特定基准，实际应用效果可能因任务复杂度而异。多模态能力在本地部署时可能受限于显存和推理速度，建议在部署前评估具体需求。
Q&A
Qwen3.8-27B是什么？它有哪些主要特点？
Qwen3.8-27B是阿里开源的大语言模型，拥有270亿参数，支持原生多模态（可处理图片、PDF、图表和视频）、262K原生上下文（可扩展至100万Token），并强化了编程、专业工作、研究和长程Agent能力。
Qwen3.8-27B在编程和Agent评测中表现如何？
在SWE-bench Pro上，Qwen3.8-27B比Claude Opus 4.6 Max高8.3分；在QwenSWEBench上领先15.2分；在CoWorkBench上达到70.7分，超过Opus 4.6 Max的68.2分。
Qwen3.8-27B在多模态评测中的表现如何？
在OSWorld-Verified上得分84.3，超过Opus 4.6 Max的72.7；在AndroidWorld上得分81.9，远超Opus的62.0；在WebArena-Verified上从上一代的48.8提升到64.8；视觉数学问题解决能力开启CI后得分94.6，通用视觉推理开启CI后得分85.6（不开CI为65.7）。
Qwen3.8-27B的推理档位如何调节？
模型默认开启Thinking模式，支持通过reasoning_effort调节推理深度，分为xhigh、medium和low三档。复杂任务可调高，简单任务可调低以提升速度和降低成本。此外，Thinking模式也可以直接关闭，让模型跳过推理直接回答。
preserve_thinking功能有什么作用？
preserve_thinking默认开启，它能让Agent前几轮的思考过程保留在后续上下文中，例如Coding Agent连续修改多个文件时，可以沿用之前的决策，减少重复思考，同时更好地利用KV Cache。
Qwen3.8-27B的架构有什么特点？
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，按“三层线性注意力+一层完整Attention”的节奏循环。线性注意力降低长序列计算和缓存压力，完整Attention保证信息交互，从而支持262K原生上下文并可扩展至100万Token。
如何部署和运行Qwen3.8-27B？
官方支持Transformers、vLLM、SGLang和TokenSpeed。生产环境推荐使用SGLang或vLLM等Serving引擎。Hugging Face提供量化版本，量化后可在24GB显存的RTX 3090/4090等消费级显卡上运行，也可在内存较大的Mac上部署。
