阿里巴巴 8 月 14 日開源 Qwen3.8-27B，270 億參數的原生多模態模型，Apache 2.0 授權，4-bit 量化後約 17GB 顯示記憶體就跑得動。官方模型卡列出的 14 項對比中，它有 9 項贏過 Claude Opus 4.6 Max，但輸掉的 5 項全部集中在純推理與長鏈編碼。所有數字都來自阿里自家發布，目前沒有第三方獨立複現。
（前情提要：阿里巴巴發佈千問 Qwen3.8-Max 自稱贏過 GPT-5.6、Fable 5，真籌碼是超低成本）
（背景補充：中國八週連發 5 款 AI 模型，更便宜 token 把美國中段班逼上絕路）
重點摘要
- Qwen3.8-27B 於 8 月 14 日開源，270 億參數稠密多模態架構，Apache 2.0 授權，原生 262K 上下文可外推至 100 萬 tokens。
- 官方模型卡的 14 項對比中贏 Claude Opus 4.6 Max 9 項，其中 AndroidWorld 領先 19.9 分、MathVision 領先 29.1 分，但 Terminus 落後 5.2 分、GPQA Diamond 落後 2.1 分。
- 4-bit 量化約佔 14 至 17GB 顯示記憶體，一張 RTX 4090 級別的卡放得下權重，但這個數字不含 KV cache 與多模態元件。
阿里巴巴 8 月 14 日開源 Qwen3.8-27B，270 億參數的稠密原生多模態模型，Apache 2.0 授權，沒有月活或營收門檻。原生支援 262K 上下文，透過 YaRN 可外推到 100 萬 tokens。中國科技媒體當晚就以「家用顯示卡也能跑大模型」為標題出評測文章。
但拆開來看會發現，它跟「一張家用顯示卡就能跑 Opus 級 Agent」還有些現實的差距。
贏的是眼睛，輸的是腦袋
官方模型卡總共列了 17 項評測，其中有 14 項附上 Claude Opus 4.6 Max 的對照分數。逐項比對之後，Qwen3.8-27B 贏 9 項、輸 5 項。
先看贏的部分，領先幅度確實驚人。
- MathVision（數學視覺推理）94.6 對 65.5，領先 29.1 分
- CharXiv（圖表理解）90.2 對 66.0，領先 24.2 分
- AndroidWorld（手機操作）81.9 對 62.0，領先 19.9 分
- IFBench（指令遵循）79.5 對 62.5，領先 17.0 分
- OSWorld-Verified（電腦操作）84.3 對 72.7，領先 11.6 分
- SWE-bench Pro 61.7 對 53.4，領先 8.3 分
再看輸的部分，這 5 項的性質高度一致。Terminus 終端編碼 73.0 對 78.2，落後 5.2 分；NL2Repo-Bench 程式碼生成 42.3 對 47.6，落後 5.3 分；GPQA Diamond 89.2 對 91.3，落後 2.1 分；OmniDocBench 與 RealWorldQA 則是小幅落後 0.3 分與 1.0 分。
把兩張清單並排就看得出結構，Qwen3.8-27B 大勝的全是「看螢幕、讀圖表、按按鈕」這類視覺代理任務，落後的全是純文字推理與多步驟長鏈編碼。這是一個眼睛很好、腦袋稍淺的模型，而這正好符合 270 億參數該有的樣子。用它自動化重複的介面操作會很順手，把整包程式碼交給它做長線重構就不太能信任。
還有，清單裡贏最多的評測之一叫 QwenSWEBench，79.0 對 63.8 領先 15.2 分，而這是阿里自家出的評測。廠商在自己設計的考卷上拿高分，參考價值本來就有限。
這 14 項全部是阿里自己公布的模型卡數字，目前沒有任何第三方獨立複現。動區在 8 月 4 日寫 Qwen3.8-Max 時就用了「自稱」兩個字，這次的情況一樣。
17GB 跑得動，不等於 Agent 跑得動
硬體門檻是這次最實在的賣點，但也最容易被講過頭。
原始 BF16 權重要吃掉約 56GB 顯示記憶體，需要 80GB 等級的卡；FP8 約 28GB，要 48GB 卡；壓到 4-bit 之後落在 14 至 17GB，一張 24GB 的 RTX 4090 放得下，32GB 的 RTX 5090 則有餘裕。「家用顯示卡也能跑」指的是這個狀態。
問題在於 17GB 只算了權重。KV cache、並發的 Agent 工作階段、CUDA graphs、執行期緩衝、多模態元件全都要另外算，而這個模型的原生上下文是 262K。當 Agent 把整包程式碼庫加上十輪工具輸出往上下文裡塞的時候，顯示記憶體需求跟跑對話完全不一樣。
換句話說，「一張消費級顯示卡跑得動這個模型」是真的，「一張消費級顯示卡跑得動這個模型當 Agent」則要看你打算讓它做多長的任務。
對手選的是 Opus 4.6 Max
模型卡挑的對照組是 Claude Opus 4.6 Max。這個選擇本身值得注意，因為 Anthropic 那邊的進度已經往前跑了。Anthropic 在 8 月 14 日發布的風險報告裡揭露，內部還有未發布的 Model 2，表現贏過已經對外服務的 Fable 5，而且報告中拿來當能力躍升參照點的正是「Opus 4.6 到 Mythos Preview」。
模型這次新增的 reasoning_effort 參數也值得一提，分成 xhigh（預設）、medium、low 三檔，讓開發者按任務難度決定要讓它想多久，另有預設開啟的 preserve_thinking 會保留歷史訊息裡的推理內容。這類旋鈕過去多半都在閉源 API 的計費頁面上才看得到，現在直接寫進開源模型卡。
常見問題
Qwen3.8-27B 真的贏過 Claude Opus 嗎？
在阿里官方模型卡列出的 14 項對照中贏 9 項、輸 5 項，贏的集中在視覺代理任務（AndroidWorld 領先 19.9 分），輸的集中在純推理與長鏈編碼（Terminus 落後 5.2 分）。所有數字都由阿里自行公布，尚無第三方複現。
要什麼樣的顯示卡才能在本機跑 Qwen3.8-27B？
4-bit 量化後權重約佔 14 至 17GB，一張 24GB 的 RTX 4090 放得下，32GB 的 RTX 5090 更寬裕。但這不含 KV cache 與多模態元件，長上下文的代理任務實際需求會高出許多。
📍相關報導📍
阿里巴巴發佈千問 Qwen3.8-Max 自稱贏過 GPT-5.6、Fable 5，真籌碼是超低成本
