Qwen3.8-27B 開源登場：270億參數、Apache 2.0 授權，Agent 編碼實力超越自家 API 旗艦

架構與核心規格

Qwen3.8-27B 是一款原生視覺語言模型，基於 Qwen3.5 架構，採用了 Hybrid Gated DeltaNet 注意力機制。在每四個注意力子層中，有三個使用線性 O(n) 注意力，這使其能夠處理超長上下文，同時避免傳統機制的記憶體爆炸問題 。以下為官方 Hugging Face 模型卡公布的關鍵規格 ：

有趣的是，此次發布解決了發布前的許多疑問。它配備了一個驚喜的視覺編碼器（多模態能力在發布前並未被承諾），而 Apache 2.0 授權則消除了先前阻礙企業採用中國 AI 模型的法律障礙 。

基準測試表現：擊敗更大的 Qwen3.7-Plus 與 Muse Glimmer-30B

阿里巴巴在 Qwen3.8-27B 的 Hugging Face 模型卡上發布了完整的基準測試比較表 。該表將這款 27B 開源模型與 Meta 的 Muse Glimmer-30B、阿里巴巴自家的 API-only 模型 Qwen3.7-Plus、Anthropic 的 Opus4.6 Max 以及前一代的 Qwen3.6-27B 進行了比較 。

三個突出亮點：

• 對比 Meta Muse Glimmer-30B： Qwen3.8-27B 在 Terminal-Bench 2.1（測試模型操作真實終端能力的基準）上取得 73.0 分，領先高達 41%（Muse Glimmer-30B 為 51.7 分）。
• 對比自家 API 旗艦 Qwen3.7-Plus： 這款更小、權重開放的 27B 模型，在代理型編碼（SWE-bench Pro: 61.7 vs. 57.6）和辦公室任務（CoWorkBench: 70.7 vs. 65.1）上，竟擊敗了自家尺寸更大、僅限 API 調用的模型 。
• 對比 Anthropic Opus4.6 Max： 在 Terminal-Bench 2.1 上，Opus4.6 Max 以 78.2 分領先，但考慮到 Qwen3.8-27B 的參數量僅約為其 1/50，且是完全開放的權重，73.0 分的成績已極具競爭力 。在 IFBench 上，Qwen3.8-27B 更以 79.5 分大幅超越 Opus4.6 Max 的 62.5 分 。

與前一代 Qwen3.6-27B 相比，新模型在 Terminal-Bench 上提升了約 15%（73.0 vs. 63.4），在 SWE-bench Pro 上提升了 8 分 。Qwen3.8-27B 在 LiveCodeBench v6 上更取得了 90.3 分的佳績，為比較組中最高 。

更廣泛的背景：開源戰略與中國 AI 的崛起

Qwen3.8-27B 的發布標誌著阿里巴巴戰略上的轉變。此前，Qwen 系列模型有轉向將最強模型保留在 API 背後的趨勢。在這款模型之前，最後一款完全開源的通用模型是 2026 年 4 月 22 日發布的 Qwen3.6-27B 。Qwen3.8-27B 採用 Apache 2.0 授權，並能在消費級硬體上運行，這標誌著阿里巴巴回歸了當初為 Qwen 贏得全球聲譽的開源戰略 。

這一轉變意義重大，因為中國 AI 模型在全球的採用率正經歷爆炸性成長。截至 2026 年中，中國起源的模型在 OpenRouter 平台上的 token 用量約佔 61%，而美國模型的市佔則在一年內從約 70% 降至 30% 。另一項估計顯示，截至 2026 年 7 月，中國開源權重模型每週處理的企業 API token 量佔比達 46%，高於美國模型的 35.7% 。市場研究機構 Gartner 更預測，在開源權重、寬鬆授權以及極具競爭力價格的驅動下，兩年內全球將有半數企業採用中國的 AI 模型 。

美國美中經濟與安全審查委員會（USCC）在 2026 年 3 月的一份報告中，記錄了這種「反饋迴圈」：中國 AI 模型的廣泛採用推動了迭代，而迭代又進一步推動了更多採用——包括美國公司在內 。Qwen3.8-27B 採用 Apache 2.0 授權，便直接促成了此一趨勢，讓任何組織都能自行託管一個具備前沿能力的多模態模型，而無需支付持續性的 API 費用 。