编程 on Kalend's Blog

27B模型编程能力碾压自家Plus：Qwen3.8悄悄开源了一个怪东西

Sun, 16 Aug 2026 08:00:00 +0800

上周四阿里悄悄开源了一个模型，没搞发布会，没写博客，直接把权重扔到了HuggingFace。结果HN冲到1061分，HF两天拿到9292个赞。

核心冲突点在于：这个27B参数的小模型，在编程benchmark上把自家更大的Qwen3.7-Plus按在地上摩擦。小模型打大模型，不是偶尔赢一两个指标，是全面碾压。

一句话定位：这是目前最强的27B开源模型，专为编程和Agent场景设计。

架构创新：64层里塞了48层线性注意力

Qwen3.8-27B最核心的变化不是参数量，而是架构。

传统Transformer每一层都用全注意力（Full Attention），计算量随序列长度平方增长——O(n²)。序列越长，显存和计算开销越大。

Qwen3.8用了混合架构：64层中48层是Gated DeltaNet线性注意力，只有16层保留全注意力。线性注意力的计算复杂度是O(n)，长序列下效率远高于传统方案。

为什么这样设计？因为大部分token之间的关系其实不需要O(n²)的计算量来捕获。线性注意力处理局部和短期依赖，全注意力在关键位置恢复全局交互能力。两者配合，既保证了模型能力，又大幅降低了长序列的计算开销。

结果是：KV cache更小，长序列处理更高效，27B参数能塞进16GB显存。原生支持262K tokens上下文，用YaRN可外推到1M。

此外，Qwen3.8-27B是原生多模态模型，支持文本、图像、视频输入。不是在语言模型上套个视觉编码器那种拼凑方案，而是从架构层面就设计了多模态支持。

编程能力暴涨：小模型打大模型

这是Qwen3.8-27B最炸裂的部分。

先看编程核心benchmark（数据来自Qwen官方model card，2026-08-14发布）：

Benchmark	Qwen3.8-27B	Qwen3.6-27B	Qwen3.7-Plus
TerminalBench 2.1	73.0	63.4	64.0
SWE-bench Pro	61.7	53.5	57.6
LiveCodeBench v6	90.3	83.9	-
QwenSWEBench	79.0	49.3	-

TerminalBench从63.4到73.0，提升15%；SWE-bench Pro从53.5到61.7，同样提升15%。

但真正的重头戏是DeepSWE 1.1：从Qwen3.6-27B的13.3直接飙到42.2，提升217%。DeepSWE测的是Agent编程能力——模型自主读代码、改代码、提交PR的全流程。三倍多的涨幅说明Qwen3.8在工具调用和代码理解上做了根本性改进。

关键对比：Qwen3.8-27B的编程分数全面超越了自家上一代旗舰Qwen3.7-Plus。

一个27B的小模型，编程能力比Plus版本还强。这不是小步快跑，是换了个台阶。

多模态编程：超越Claude Opus

Qwen3.8-27B不只是文本编程强。作为原生多模态模型，它在看图写代码这个场景上也拿出了惊人成绩。

SWE-MM（多模态编程benchmark）：

模型	SWE-MM分数
Qwen3.8-27B	38.6
Qwen3.7-Plus	30.0
Claude Opus 4.6 Max	27.1

38.6 vs 27.1，Qwen3.8-27B在多模态编程上超越了Claude Opus 4.6 Max。

SWE-MM的测试方式是给模型看截图、UI设计稿、错误日志截图等视觉信息，让模型基于这些视觉输入写代码或修复bug。这个场景在实际开发中非常常见——产品经理扔个截图过来，你得看懂然后写代码实现。

一个27B的开源模型，在这个任务上打赢了闭源顶级模型。意义不言自明。

16GB显卡可跑：消费级硬件的本地部署

Qwen3.8-27B的参数量是27.8B（Dense架构），官方提供BF16和FP8两种权重格式。

本地部署的现实情况：

部署方式	显存需求	可用显卡
FP8全精度	~28GB	RTX 4090、A100
4-bit量化（GGUF）	~16GB	RTX 4060 Ti 16GB、RTX 4070
CPU推理（GGUF）	内存32GB+	任何机器，速度慢

16GB显卡跑4-bit量化版，是目前最现实的本地部署方案。社区已经完成了GGUF转换（unsloth等项目），Ollama也已适配。

262K的原生上下文很诱人，但要注意：跑满262K需要的显存远超16GB。4-bit量化+中等上下文（32K-64K）是消费级硬件的实际上限。

推理框架方面，vLLM、SGLang已支持，社区反馈推理速度比上一代有明显提升，得益于线性注意力带来的KV cache优化。

本周第三个重磅开源模型

Qwen3.8-27B不是孤立事件。本周（8月10-14日）是开源模型的爆发周：

日期	模型	参数量	亮点
8月10日	Meta Muse Glimmer 30B	29.6B	端侧Agent模型，Apache 2.0
8月13日	NVIDIA Nemotron 3.5 Lightning	-	推理加速，消费级优化
8月14日	Qwen3.8-27B	27.8B	编程能力暴涨，混合注意力架构

三个模型都瞄准27-30B参数区间，都走Apache 2.0完全开源，都在消费级硬件上做优化。

趋势很明显：27-30B正在成为开源模型的甜点区。 够大，能力不弱；够小，消费级显卡能跑。这个区间直接对标的是本地部署市场——不想把代码和数据交给云端API的开发者和企业。

结论

Qwen3.8-27B重新定义了27B开源模型的能力上限。混合线性注意力架构是真正的技术创新，不是换个数据集训一遍就叫"新一代"。

实操建议：如果你有16GB以上显卡，值得试试4-bit量化版本。编程助手、代码review、Agent任务，这三个场景Qwen3.8-27B目前在同级别没有对手。

所有数据来自Qwen官方model card，第三方独立验证尚未完成。建议关注后续社区测评结果。

作者：varkm

Qwen 3.8 27B 昨天发布：编程能力暴涨217%，24GB显卡就能跑的新模型王

Sat, 15 Aug 2026 09:00:00 +0800

昨天阿里发布了Qwen3.8-27B，HN评分飙到903。编程benchmark直接暴涨217%，但我建议你先看完注意事项再决定要不要上车。

先说结论

这是目前27B级别里编程和Agent能力最强的开源模型，没有之一。但所有数据都是厂商自测，等第三方验证再冲不迟。

一张表看懂升级了多少

对比对象是上一代Qwen3.6-27B，数据来自Qwen官方model card（2026-08-14发布）。

编程能力（核心战场）

Benchmark	Qwen3.6-27B	Qwen3.8-27B	提升幅度
DeepSWE 1.1（Agent编程）	13.3	42.2	+217%
QwenSWEBench（软件工程）	49.3	79.0	+60%
SWE-MM（多模态编程）	25.7	38.6	+50%
SWE-bench Pro	53.5	61.7	+15%
Terminal-Bench 2.1（终端编码）	63.4	73.0	+15%
NL2Repo-Bench（仓库生成）	36.2	42.3	+17%
LiveCodeBench v6（竞赛编程）	83.9	90.3	+8%

Agent和办公能力

Benchmark	Qwen3.6-27B	Qwen3.8-27B	提升幅度
OSWorld-Verified（桌面操控）	63.9	84.3	+32%
WebArena-Verified（浏览器操控）	48.8	64.8	+33%
CoWorkBench（长期办公任务）	61.0	70.7	+16%
AndroidWorld（手机操控）	70.3	81.9	+17%

最炸裂的是DeepSWE：从13.3到42.2，涨了整整三倍多。

最值得关注的3个点

1. 编程能力不是小步快跑，是换了个台阶

DeepSWE +217%、QwenSWEBench +60%、SWE-MM +50%。

这三个benchmark覆盖的场景不同：Agent编程、软件工程、多模态代码。说明不是某个指标刷分，而是全面升级。

横向对比也猛：Qwen3.8-27B的编程分数超过了自家上一代旗舰Qwen3.7-Plus。

DeepSWE 14.2→42.2，SWE-bench Pro 57.6→61.7。

一个27B的小模型，编程能力碾压自家上一代Plus版本。

2. reasoning_effort：终于能控制"想多久"了

新增xhigh/medium/low三档推理深度。默认xhigh，简单任务设low可以省token和时间。

但官方文档里有一句话很重要：**在多轮Agent任务中，低推理深度不一定更快。**分析不够深入会导致重试增多，总耗时反而更高。

这个功能目前需要推理框架支持（vLLM、SGLang等），普通Chat Completions API也支持，但实际效果取决于你怎么调参。

3. 架构创新：64层里只有16层用全注意力

这是最技术性的变化，也可能是最深远的。

传统Transformer的每一层都用全注意力，计算量随序列长度平方增长。Qwen3.8用了一个混合架构：

48层Gated DeltaNet（线性注意力）处理大部分计算，只在关键位置插入16层全注意力恢复token间交互能力。

结果是KV cache更小，长序列处理更高效，理论上能处理更长的上下文而不爆显存。

原生上下文262K tokens，用YaRN扩展到1M。这个数字够用，但真正跑262K需要的显存远超24GB。

还能看什么：多模态和通用能力

Qwen3.8不只是编程强。它原生支持文本+图像+视频输入，是个视觉语言模型（VLM）。

场景	Benchmark	Qwen3.8-27B	对比
科学推理	GPQA Diamond	89.2	接近Opus4.6 Max的91.3
指令遵循	IFBench	79.5	超过Opus4.6 Max(62.5)
文档理解	OmniDocBench 1.5	91.1	与Qwen3.7-Plus持平
视觉数学	MathVision	90.0	超过Qwen3.7-Plus(90.3带CI)

指令遵循能力（IFBench 79.5）超过了Opus4.6 Max，说明模型对复杂指令的理解和执行更准确。

诚实提醒：5个需要注意的事

1. 所有数据都是厂商自测

目前没有任何第三方独立验证。官方benchmark的选择、评测条件、prompt设置都可能对自家模型有利。

HN上903分说明社区关注度高，但不等于认可度高——评论区也有人质疑benchmark选择。

2. 24GB显卡的现实限制

24GB显卡（如RTX 4090）确实能跑，但只能用4-bit量化+中等上下文长度。

跑不了的：BF16/FP8全精度、262K原生上下文。需要长时间对话或大文件处理的场景，4-bit量化的精度损失是实打实的。

3. “开源权重”≠“完全开源”

Apache 2.0许可证，权重完全开放，可以商用。但训练数据、训练代码、知识截止日期均未公开。

对比真正的开源项目（如PyTorch），Qwen的"开源"只是开放了推理部分。

4. Qwen Cloud还没上线

官方说"coming soon"，但目前没有托管推理服务。想用API只能自部署或等第三方（如硅基流动、Together AI等）。

5. GGUF是第三方转换

官方只提供BF16和FP8权重。GGUF格式是unsloth等社区项目转换的，质量和兼容性由社区保证。

竞品对比：它站在什么位置

对比维度	Qwen3.8-27B	Muse Glimmer 30B	Gemma 4
定位	编程+Agent多面手	端侧Agent模型	Google轻量模型
参数	27.8B	29.6B	待确认
开源协议	Apache 2.0	Apache 2.0	待确认
编程能力	DeepSWE 42.2	DeepSWE未测	待确认
桌面操控	OSWorld 84.3	OSWorld 65.9	待确认
浏览器操控	WebArena 64.8	未测	待确认
本地部署	24GB+4bit可跑	24GB+4bit可跑	待确认

Qwen3.8在编程和Agent能力上明显领先Muse Glimmer-30B。

OSWorld从65.9到84.3，WebArena从48.8到64.8，差距不小。

但Muse Glimmer的优势在端侧部署优化，两者定位不完全重叠。

和Claude/GPT等闭源API模型不直接竞争——一个本地跑，一个云端调用，成本结构完全不同。

基本参数速查

项目	数据
发布日期	2026-08-14
参数量	27.8B
架构	Dense causal VLM（文本+图像+视频）
解码器层	64层（48层线性注意力 + 16层全注意力）
原生上下文	262K tokens（YaRN可扩展到1M）
推理模式	默认开启thinking，支持reasoning_effort三档控制
权重格式	BF16 + FP8
开源协议	Apache 2.0
支持框架	Transformers, vLLM, SGLang, TokenSpeed
HuggingFace	Qwen/Qwen3.8-27B

我的判断

Qwen3.8-27B是27B级别目前最强的编程和Agent模型，这点没什么争议。

但"最强"和"好用"之间隔着一层：benchmark是厂商自测、24GB显卡有实际限制、推理框架需要更新适配。

建议：等一两周，看社区实际测评和第三方benchmark结果。如果你正好需要一个本地编程助手，而且有24GB以上显卡，可以先试试4-bit量化版。

不急的话，等Qwen Cloud上线再体验全精度版本。