Qwen3.8-27B 跑分暴涨三倍，但 API 可用率不到 80%

核心洞察

说实话，27B 的稠密模型能在 DeepSWE 上从 13.3 干到 42.2，这个跨度不太正常，我第一反应是去看独立榜单验证，结果 datacurve 和 ScaleAI 的数据确实对得上。但要注意，OpenRouter统一的AI模型API平台，提供对GPT、Claude、Gemini等多种AI模型的访问接口 上目前只有 AkashML 一家供应商，三天可用率不到 80%，结构化输出错误率 17.52%，这个数字放到生产环境里是要出事的。本地跑是一回事，拿它当 API 用是另一回事。

核心结论

1. Qwen3.8-27B阿里 Qwen 团队发布的 270 亿参数稠密视觉语言模型，支持图像和视频理解，Apache 2.0 开源权重，原生 262K 上下文。 在 DeepSWE 1.1一个评估智能体编码能力的基准测试，Qwen3.8-27B 在此基准上达到 42.2 分，远超前代的 13.3 分。 上从上一代的 13.3 提升到 42.2，提升超过三倍，且 datacurve 和 ScaleAI 的独立榜单数据与官方跑分对得上。

2. 该模型为 270 亿参数稠密架构，原生支持图像和视频输入，采用 16 组「3 层 Gated DeltaNet一种线性注意力机制，用于低成本长上下文处理，与 Gated Attention 层混合构成 Qwen3.8-27B 的混合架构。 + 1 层 Gated Attention」混合层布局，原生上下文 262144 token，可通过 YaRN一种 RoPE 缩放技术，用于扩展模型的上下文窗口，Qwen3.8-27B 可通过 YaRN 将上下文从 262K 扩展到 1M token。 扩展至 100 万 token。

3. 多模态智能体能力显著领先：OSWorld-Verified评估模型在电脑操作任务上能力的基准，Qwen3.8-27B 得分 84.3，超越 Claude Opus 4.6 Max 的 72.7。 得分 84.3（Opus 4.6 Max 为 72.7），AndroidWorld 得分 81.9（Opus 4.6 Max 为 62.0），MathVision 得分 94.6（Opus 4.6 Max 为 65.5）。

4. 本地部署门槛较低：RTX 4080 16GB 可在 8K 上下文下运行，双 RTX 5080（32GB）在 60K–70K 上下文区间可稳定达到约 100 token/s。

5. OpenRouter API 目前仅 AkashML 一家供应商，三天可用率 79.65%，结构化输出错误率 17.52%，吞吐 P50 为 18 token/s，生产环境使用需谨慎。

先说结论

Qwen3.8-27B 是那种你看到参数规模会犹豫、看到跑分又会心动的模型。270 亿参数，稠密结构，原生支持图像和视频，Apache 2.0一种开源许可证，允许自由使用、修改和商业分发，Qwen3.8-27B 在此许可下发布。 开源。我花了两天时间在双 5080 和一张 3090 上折腾了一轮，下面把实际体验和踩过的坑都写出来。

这模型到底什么来头

Qwen 团队在 2026 年 8 月放出了 Qwen3.8-27B 的权重。同一天还有个 Qwen3.8-Max，2.4T 参数的 MoE 巨兽抢了不少头条。但社区真正在讨论的是这个 27B 的版本，因为它能塞进你自己的显卡里。

它是原生视觉语言模型。不是那种文本模型后面挂个视觉编码器的拼接方案，而是从训练阶段就把图像和视频输入整合进去了。STEM 图表、文档扫描件、小时级别的视频，都能直接丢进去。

思考模式默认开启，reasoning_effort 分 xhigh、medium、low 三档。这个设计在本地模型里不常见，之前社区一直在等一个原生支持分级推理的模型，GPT-OSS 之后就没怎么见过。

架构里值得说的几个点

隐藏维度 5120，64 层，FFN 中间维度 17408。这些数字本身没什么好聊的，关键是它的层布局：16 组，每组里面 3 层 Gated DeltaNet 加 1 层 Gated Attention。

Gated DeltaNet 是线性注意力，处理长上下文的时候成本比标准注意力低很多。配合 Gated Attention 层做精确检索，这个混合方案在长文档和智能体任务上效果明显。再加上多 token 预测加速解码，实际生成速度比同规模的纯 Transformer 要快。

原生上下文 262144 token。不够的话可以用 YaRN 扩展到 100 万，vLLM、SGLang、TokenSpeed 都支持。我试过把 factor 设成 4.0 跑 524K 左右的任务，没有出现明显的性能塌陷。

跑分：智能体能力是真的跳了一级

先看文本基准，全部使用 Claude Code harness：

DeepSWE 从 13.3 到 42.2，三倍多的提升。SWE-bench Pro 和 QwenSWEBench 上超过了 Opus 4.6 Max。LiveCodeBench v6 也赢了。当然 HLE 上还是差 Opus 不少，30.8 对 40.0，说明极端难的推理题上还是有差距。

多模态智能体这块才是真正拉开差距的地方：

电脑操作 84.3，移动端操作 81.9，文档理解 91.1。这些数字放在一个能在 24GB 显卡上跑的模型身上，两年前没人会信。

本地部署：社区实测汇总

发布帖下面最热门的评论是 RTX 3090 用户发的“出动”。我整理了一下社区里比较靠谱的实测数据：

双 RTX 5080（32GB 显存）：用 unsloth 的 Q6_K 量化，172K 上下文，kv cache 用 q8_0，开 MTP 加张量并行。60K 到 70K 上下文区间稳定在 100 token/s 左右，到 100K 时降到约 95 tps。有人跑了一个 15 万 token 的智能体循环，写代码、构建、验证、修 bug 全流程走完，工具调用零失败。

RTX 4080 16GB：Ollama 下 12.6GB 显存加 5.6GB 内存，8K 上下文。完成一个双工具智能体任务（数学评估加实时加密货币价格查询）大约 18 秒，两个结果都正确。

RTX 3090 24GB：Q4 或 Q6 量化是甜点区。Q8_0 也有人跑起来了，但上下文要压得比较低。

部署方式有四种：Hugging Face Transformers 直接加载、vLLM 或 SGLang 起 OpenAI 兼容 API、llama.cpp 或 Ollama 或 LM Studio 走 GGUF、Docker Model Runner 一行命令。社区量化版本有 319 个，Q4_K_M 和 Q6_K 是下载量最大的两个。

API 价格和实际可用性

OpenRouter 上的模型 ID 是 qwen/qwen3.8-27b，每百万输入 token 0.45 美元，输出 3.20 美元。比多数前沿 API 便宜一个数量级。

但这里有个问题。目前 OpenRouter 只有 AkashML 一家供应商，三天可用率 79.65%，结构化输出错误率 17.52%。吞吐 P50 是 18 token/s，延迟 P50 是 1.50 秒。

18 token/s 对于交互式编码来说偏慢。结构化输出 17.52% 的错误率意味着你每调用五六次就可能遇到一次格式问题。生产环境要稳定的话，建议等 Qwen Cloud 托管版上线，或者干脆自托管。

早期流量数据倒是挺有意思：OpenRouter 上用量最大的应用是 Kilo Code（798 万 token）、Zed Editor（702 万）、pi（482 万）、Hermes Agent（450 万）。全是智能体编码工具，说明开发者已经在拿它干实际的活了。

和竞品比怎么样

Reddit 上有条评论说得很到位：“27B 参数下已经非常接近 284B A13B 的 DeepSeek V4 Flash 了。”确实，DeepSWE 上差 12 分，Terminal Bench 上差 10 分，但参数量差了十倍以上，而且 DeepSeek 那个不支持视觉输入。

几个需要注意的坑

第一，跑智能体任务的时候输出长度要给够。推理内容最大 262144 token，最终回答 131072 token。我一开始把 reasoning_effort 调到 low 想省时间，结果分析不足导致更多失败和重试，总耗时反而更长。

第二，超过 262K 上下文需要用 YaRN 缩放。factor 设 4.0，如果典型上下文在 524K 左右的话建议设 2.0。

第三，采样参数别乱调。思考模式温度 1.0、top_p 0.95；指令模式温度 0.7、top_p 0.8 加 presence_penalty 1.5。这是官方推荐的配置，我试过偏离这些值，输出质量下降比较明显。

第四，所有基准数据都是 Qwen 官方自测的。独立验证目前只有 datacurve 的 DeepSWE 榜单和 ScaleAI 的 SWE-bench Pro 对上了，其他基准还需要更多第三方复现。

常见问题

Q: 16GB 显存能跑吗？
能。RTX 4080 上 12.6GB 显存加 5.6GB 内存，8K 上下文，跑简单的智能体任务没问题。但要长上下文就得降量化或者加显存。

Q: 和 Qwen3.6-27B 比提升有多大？
DeepSWE 提升约三倍，Terminal Bench 提升约 10 分，SWE-bench Pro 提升 8.2 分，OSWorld 提升 20 分。整整一代的进步。

Q: 支持工具调用和 JSON 输出吗？
支持。OpenAI 兼容的 Chat Completions API，工具调用和结构化输出都有。但通过 OpenRouter 走的时候结构化输出错误率 17.52%，自托管的话这个数字会好很多。

Q: 商用需要授权吗？
Apache 2.0，完全开源权重，允许商用。Hugging Face 和 ModelScope 都能下载。

Q: 什么时候发布的？
2026 年 8 月 14 日。Hugging Face 和 ModelScope 上线开源权重，同一天登上 OpenRouter。发布消息和 Qwen3.8-Max 一起宣布的。

我的建议

如果你有一张 24GB 以上的显卡，或者双卡总共 32GB 以上，直接去 unsloth 下 Q6_K 量化版，今天就能跑起来。智能体编码任务上的表现对得起它的参数规模。

如果你只是想通过 API 用，建议再等等。OpenRouter 目前的单一供应商可用性和结构化输出可靠性都不太够。Qwen Cloud 托管版据说带 1M 上下文和内置工具，值得关注。

最后说一句，基准数据是 Qwen 自己跑的，独立验证还在陆续出来。但就目前能看到的数据和社区实测来看，这个模型确实把本地智能体的门槛又往上推了一截。

常见问题（FAQ）

Qwen3.8-27B 在 16GB 显存显卡上能跑起来吗？

能。RTX 4080 实测 12.6GB 显存加 5.6GB 内存，8K 上下文，跑简单智能体任务没问题。但长上下文需降量化或加显存。

Qwen3.8-27B 的 API 调用稳定吗？生产环境能用吗？

目前 OpenRouter 仅 AkashML 一家供应商，三天可用率 79.65%，结构化输出错误率 17.52%，生产环境不稳定，建议等 Qwen Cloud 或自托管。

Qwen3.8-27B 和 DeepSeek V4 Flash 相比怎么样？

DeepSWE 上差 12 分，Terminal Bench 差 10 分，但参数量差十倍以上，且 DeepSeek 不支持视觉输入，Qwen 本地友好。