| 屬性 | 細節 |
|---|---|
| 參數量 | ~27B(部分來源報告 28B) |
| 架構 | 密集 Transformer 搭配 Hybrid Gated DeltaNet + Gated Attention |
| 上下文窗口 | 原生 262,144 tokens,可透過 YaRN 擴展至約 1M |
| 模態 | 文字、影像、影片輸入;可切換思考模式 |
| 授權 | Apache 2.0(完全開放權重) |
| 量化後大小 | 約 17 GB(4-bit,消費級 GPU 可用) |
阿里巴巴喺 Qwen3.8-27B 嘅 Hugging Face 模型卡上發布咗完整 benchmark 表格 。呢個表格比較咗 27B 開放模型同 Meta 嘅 Muse Glimmer-30B、阿里巴巴自家 API-only 嘅 Qwen3.7-Plus、Anthropic 嘅 Opus4.6 Max,以及上一代嘅 Qwen3.6-27B
。
| Benchmark | Qwen3.8-27B | Muse Glimmer-30B | Qwen3.7-Plus | Anthropic Opus4.6 Max | Qwen3.6-27B |
|---|---|---|---|---|---|
| Terminal-Bench 2.1(代理終端編程) | 73.0 | 51.7 | 64.0 | 78.2 | 63.4 |
| SWE-bench Pro(代理軟件工程) | 61.7 | — | 57.6 | — | 53.5 |
| CoWorkBench(辦公/代理協作) | 70.7 | — | 65.1 | — | — |
| LiveCodeBench v6(競賽編程) | 90.3 | — | 89.6 | 88.8 | 83.9 |
| IFBench(指令遵循) | 79.5 | 77.0 | 79.1 | 62.5 | 69.1 |
三個突出結果:
同上一代 Qwen3.6-27B 相比,新模型喺 Terminal-Bench 有約 15% 嘅進步(73.0 vs. 63.4),SWE-bench Pro 亦升咗 8 分 。27B 喺 LiveCodeBench v6 上更取得 90.3 分,係對比組中最高
。
Qwen3.8-27B 嘅發布標誌住一個策略轉變。阿里巴巴 Qwen 家族之前一直趨向將最好嘅模型留畀 API;對上一次全面開放權重嘅通用模型已經係 2026 年 4 月 22 日嘅 Qwen3.6-27B 。今次 Qwen3.8-27B 用 Apache 2.0 授權,加埋可以喺消費級硬件上運行,象徵佢哋回歸到當初建立 Qwen 全球聲譽嘅開放權重策略
。
呢點好重要,因為中國 AI 模型嘅採用率正急劇上升。到 2026 年中,中國來源嘅模型喺 OpenRouter 上嘅 token 流量約佔 61%,而美國嘅份額就喺一年內由約 70% 跌到 30% 。另一個估算顯示,到 2026 年 7 月,中國開放權重模型每星期處理 46% 嘅企業 API token,而美國模型只得 35.7%
。Gartner 更預測,受惠於開放權重、寬鬆授權同顯著較低嘅價格,兩年內全球一半企業都會採用中國 AI 模型
。
一份 2026 年 3 月嘅美中經濟與安全審查委員會報告就提到,中國 AI 嘅廣泛採用形成咗一個「回饋循環」:廣泛採用帶動迭代,迭代再帶動進一步採用,連美國公司都包括在內 。Qwen3.8-27B 嘅 Apache 2.0 授權直接促進咗呢個趨勢,消除咗法律障礙,令任何組織都可以自行托管一個前沿水平嘅多模態模型,唔使再畀持續嘅 API 費用
。