01功能特性
优点
- Apache 2.0 许可证，无限制性条款
- 原生视觉支持：图像、文档和视频
- 262k原生上下文
- 相较于 Qwen 3.6-27B，智能体编程能力显著提升
- 官方 Ollama 标签 + 适用于 Apple Silicon 的 MLX 构建版本
需了解的局限性
- —18 GB Q4_K_M 量化权重：需 24 GB VRAM 以实现 100% GPU 运行
- —本地生成速度适中（约 9–22 token/s），思考模式消耗大量 token
- —厂商基准测试，未独立复现
- —1M上下文需要vLLM/SGLang支持，无法通过Ollama实现
架构
稠密 27B · 混合注意力（64 层：门控 DeltaNet + 门控注意力）· 原生视觉语言能力（图像与视频）· 262,144 个 token 的上下文，可通过 YaRN 扩展至 1M
训练
阿里巴巴的 Qwen 3.8 系列，采用密集架构的开放权重版本，发布于 2026 年 8 月 14 日。采用多 token 预测（Multi-Token Prediction）进行训练。默认启用“思考”模式，推理深度可通过 reasoning_effort 调节。
最适合的场景
智能体编程本地多模态长上下文
05安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$ollama run qwen3.8:27b
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
16 GB
Q5_K_M
质量/体积的良好平衡
19 GB
Q8_0
几乎无法与 FP16 区分
29 GB
FP16
全精度 — 服务器用途
54 GB
CPU 回退 · 如果您没有 GPU，请预留 35 GB 内存 以较低速度运行此模型的最低要求。
运行Qwen 3.8 27B需要什么硬件？
在本地以Q4量化运行Qwen 3.8 27B，大约需要16 GB 显存。可供比较的硬件选项：RTX 5070 Ti 16 GB — 请为系统和上下文保留余量，并确认推理引擎与GPU兼容。
当前在售产品： RTX 5070 Ti 16 GB
Amazon查看价格 →Materiel.net查看价格 →Darty查看价格 →联盟链接——可能产生佣金，但您无需额外付费，推荐独立。作为亚马逊合作伙伴，QuelLLM 将从符合条件的购买中获利。
移动场景： Qwen 3.8 27B 也可在以下设备上运行 RTX 笔记本电脑 (16 GB 显存）→
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。
04公开基准测试
分数引自模型卡片或 MMLU-Pro / 社区数据。单位：正确回答百分比。
Terminal Bench 2.1
73
SWE-bench Pro
61.7
LiveCodeBench v6
90.3
GPQA Diamond
89.2
OSWorld-Verified
84.3