这周的开源圈，焦虑的是会员党
这周开源模型圈像过年。8 月 14 日阿里开源 Qwen3.8-27B，发布 48 小时冲上 Hugging Face 趋势榜第一，LM Studio 上线 38 分钟下载破万，Ollama 单渠道 5 天 36 万下载。知乎同一周，DeepSeek-V4-Flash 也顶着 MIT 协议来了，主打 1M 上下文和近乎地板价的推理成本。知乎
热闹背后是一笔很现实的账。大厂的 token 额度在缩水，钱没少花，用的人反而越来越焦虑。知乎于是所有人的问题都变成了同一个：这个免费的 27B，到底能不能让我把手里每月一两百块的 AI 会员退掉？
先把这模型是什么说清楚。Qwen3.8-27B 是 270 亿参数的原生多模态稠密模型，支持 262K 原生上下文，通过 YaRN 技术可以外推到 1M。知乎它由更大的旗舰 Qwen3.8-Max 蒸馏而来，把软件工程、Computer Use、长周期办公 Agent 能力压进了单张消费级显卡可以部署的尺寸，海外社区给它的称号相当直白——“本地版 Opus 4.6”。知乎
官方跑分先打对折，第三方榜单才说实话
官方成绩单确实吓人。SWE-bench Pro 61.7，旁边摆的参照物是 Claude Opus 4.6 Max 的 53.4，Terminal Bench 73.0，LiveCodeBench 90.3，官方口径整体能力超过自家上一代付费模型 Qwen3.7-Plus。知乎
但这分数怎么听，得先讲清楚。截至 2026 年 8 月中旬，没有任何独立实验室复现过官方那张表的质量分数；而且官方表用的是定制 harness，在自己精修过的题目集上重跑自家模型，引用的却是对方标准题目集上的分数——这不是同一把尺。知乎把官方表放大看，形状也很清楚：agentic coding 和视觉操作赢了，terminal 自主性、repo 级推理、深度知识是输的。
第三方尺子更接近真实水位。Artificial Analysis 给出 Intelligence Index 52，追平 GPT-5.6 Luna 满血档，Agentic Index 51，超过 Claude Opus 4.8，但离榜首还有看得见的距离。知乎目前唯一设计严谨的公开同题对照里，上一代 27B 的本地量化版对上 Claude Opus 4.7：本地模型纯计算反而更快，但覆盖率差得多，需要人推 7 次，Claude 只要 1 次。知乎注意测的是 3.6 的量化版，3.8 的最大改进恰恰在自主性，但"要不要人一直盯着"这个差距，今天还抹不平。
结论不复杂：日常编程和 agent 任务，它跟云端旗舰的差距已经小到要刻意分辨才感觉得出来；真正复杂的长推理任务，差距还在。
你的电脑跑得动吗，先看显存档位
最现实的问题：你的机器跑得动吗？先记一条硬规则——这是稠密模型，每生成一个 token，全部 270 亿参数都要参与计算，所以整个模型必须全部放进显存，少一层都不行，往内存 offload 一层，生成速度直接砍掉六成。知乎
16GB 卡上 4-bit 的权重根本塞不下，只能上 3-bit。5070 Ti 16GB 的实测说得直白：在这张卡上，量化不是"3-bit 还是 4-bit"的取舍，而是"3-bit 还是没有"。知乎
按显存档位对号入座，社区这一周的实测锚点大概是这个样子。8GB 显存基本出局，评论区最常见的一句话是"8g显存只能默默看着"。哔哩哔哩16GB 卡跑 3-bit（约 17GB 文件）能干活，5070 Ti 实测聊天 80 tok/s、agent 任务能到 113 tok/s。
24GB 档（3090/4090）舒服很多，有人双 3090 张量并行跑 Q8，128K 上下文开 MTP，40+ t/s。哔哩哔哩32GB 往上可以开始考虑无量化，评论区有人说本地两张 5090 就能部署无量化版本，“看测评的话，综合能力也能和第一梯队的大模型比划一下”。哔哩哔哩
Mac 党单独说。速度锚点：M4 Max 跑 MLX 4bit 大约 23 tok/s，M5 Max 优化过的 4bit 加 MTP 能到 50-60 tok/s，RTX 5090 开 MTP 甚至能冲到 90-120 tok/s，入门档 Mac 聊天够用，跑长任务会嫌慢。知乎16GB 统一内存的 Mac 就比较勉强，有用户直言"我的Mac仅仅只有16g的运行内存，想流畅运行难度太大"。小红书
还有两个容易被忽略的变量。一个是 MTP：模型内置多 token 预测，开与不开速度差接近一倍，所以看到别人晒速度，先问一句开没开。另一个是门槛还在继续降，这周已经有人用 7599 元的整机跑到 40 t/s，还特意强调无需 Linux。哔哩哔哩
早期用户踩过的坑，比跑分值钱
第一周最集中的吐槽不是质量，是过度思考。这模型默认最高推理档 xhigh，Simon Willison 让它画一只骑自行车的鹈鹕，花了 21 分钟、22,276 个推理 token，才产出 3,223 token 的正式输出。Simon Willison 个人博客他对这个默认档位毫不客气，直言这是个荒唐的默认值，尤其不适合消费级硬件。知乎
那这张图值得等 21 分钟吗？Simon 的答案是绝对不值。Simon Willison 个人博客把推理关掉，速度快了近 9 倍，但车架形状变差、脚没踩踏板、没握车把，质量肉眼可见地下降。知乎所以正确姿势不是二选一：简单任务关推理，复杂任务开推理但盯紧时间。
第二个坑是 token 消耗。同一类任务，它的平均消耗几乎是上一代 3.6 的三倍，有个任务想了 7 分多钟、烧了三万一千多个 token，3.6 一分半钟七千多个就交卷，已经有人实测完默默换回了 3.6。知乎本地跑烧的是自家的电不心疼，打算走 API 按量计费的，这笔账必须先算。
第三个坑是知识截止。问它训练数据到什么时候，它自己答 2026 年，一追问 2024 年之后的具体事就露馅。知乎有人拿冷门知识当试纸，结论是 gemma 4 31b 确定能过的题，qwen3.8 27b 是过不了的。知乎需要"最近发生了什么"的问题，别指望它。
第四个坑藏在长任务里。agent 每干一轮活，都要把前面的上下文从头重读一遍，上下文堆到几万字之后，每一轮开工前的等待会明显变长，这时候瓶颈是内存带宽，不是 tok/s。知乎
该不该退会员：先算账，再分流
回到开头的问题。我的答案是：先别退，但可以开始分流。这一周最客观的实测结论只有八个字——建议是分流，不是取代：如果你的活儿是规格明确、有测试可以验收的 coding 任务，这套组合现在就能进生产流程；如果是需求模糊、需要判断力、要跑三小时不看的长任务，跟 Claude 的差距依然真实，而且不只是分数差距，是"要不要人一直盯着"的差距。知乎
账是这么算的。云端会员每月固定支出，额度还在缩水；Qwen3.8-27B 本身免费，成本全在硬件上——已经有 16GB 以上显卡的人，边际成本约等于电费。没硬件、活儿也不重的，先别急着买卡，今年多了一条低价 API 的路：MIT 协议的 DeepSeek-V4-Flash，百万 token 输入 0.03 美元，比 Claude 便宜 100 倍。知乎本地模型扛高频轻任务，低价 API 兜底，云端会员只留给最难的活，两条腿走路比一刀切退订稳。
还有一个视角值得听：别再只盯着 AI 订阅费，真正该算的是它能不能放大你的时间和产出。哔哩哔哩会员费买来的是真实产出就不贵，免费模型让你盯三小时也不便宜。
对号入座：手里已有 16GB 以上显存、主要活儿是写代码、跑脚本、处理文档，且能接受偶尔盯一眼的，现在就可以把一部分工作流搬过来。8GB 显存的、只有 16GB 统一内存的 Mac 用户、天天需要长程深度推理的、以及要为一台新机器花一万多才能"省下会员费"的，都建议再等等。
今天替代不了生产主力，但里程碑到了
最后给判断。Qwen3.8-27B 现在还替代不了生产主力，真正做项目，深度用户还是会打开云端，但在 token 越来越不够用的时代，本地模型第一次摸到了"能用"的门槛。知乎它的定位也被说得相当准：不是最强的开源模型，而是能塞进一张卡的最强模型。知乎
接下来值得盯三个信号。一是第三方复现能不能追上官方口径，接下来几周独立榜单与官方分的差距怎么变，决定这波热度里有多少是真的；二是 MTP 和量化生态的成熟度，16GB 卡还能不能再榨出速度，决定多少人真的上得起车；三是硬件价格，24GB 二手卡和大显存国产卡什么时候到甜点价，"退会员"这笔账就什么时候翻过来。
今天别退会员，但今天可以开始，把一部分活儿搬回家。
