昨晚刷小红书，刷到一条帖子叫"Qwen 3.8 27B 成为新的斩杀线"，评论区两百多个赞、一百多条讨论。小红书差不多同一时间，有开发者发现，DeepSeek 官方价格页悄悄变成了两套价：V4 Flash 和 V4 Pro 都分出了峰时、谷时，谷时直接半价。知乎两件事单独看都是新闻，放在一起，就成了一个落在账单上的问题：当一个 27B 开源小模型的能力已经追到你正在付费的 API 旗舰，而 API 还开始分时段涨价，这云，还值不值得继续充？
今天把这笔账算清楚。先说结论：斩杀线是真的，但它不斩所有人；弃云之前，你得先看清三件事。
一、先看这个"只差 1 分"到底是什么
这周全网在传的数字是这个：Qwen3.8-27B 在 Artificial Analysis 智能指数上拿到 52 分，站上了第二梯队的守门位置，离参数量大约 60 倍于它的 DeepSeek V4 Pro 只差 1 分，把 V4 Flash、GLM 这一档甩在身后或打平。微博微博有微博博主忍不住吐槽：都到这个份上了，阿里在该 PR 的时候反而没声音。
但玩跑分的人都知道，综合分这东西，最诚实，也最骗人。
把这几天的第三方实测和架构拆解翻了一遍，这个模型的能力分布其实很不均匀：
强的地方是真强。 一个 27B，编码和 Agent 能力已经摸到旗舰区间——多方转述的官方口径里，它的代码 Agent 登顶了 SWE-bench Pro。哔哩哔哩有第三方架构分析视频实测后说，它在 Agent 任务上能压 Claude Opus 一头。哔哩哔哩B 站、小红书的实测里，夸得最多的也是前端生成、交互网页这类活。
弱的地方是真弱。 硬推理（HLE）离旗舰还差着 9 分。哔哩哔哩微博有用户实测直接吐槽创意写作"又拉完了"；官方版的拒答也偏厚，想要它放开写点东西，经常碰壁。
它还爱"想太多"。 模型卡默认打开思考模式，小红书那条"Qwen3.8 想了 18 分钟，一个字没写"不是段子，是真事。小红书第三方基准审计也指出，官方自测数据和第三方验证之间存在差异。哔哩哔哩
所以这 1 分的含义是：如果你的 token 主要花在代码、Agent、工具调用和自动化流水线上，这 1 分约等于平手，斩杀线成立；如果你靠硬推理、创意写作、文案吃饭，这 1 分就是天堑，弃云等于自斩。
二、峰谷定价：先做那件零成本的事
很多人对"DeepSeek 涨价"的第一反应是换平台。但这次价格页真正想说的是：同一个请求，换个时间跑，价格能差一倍。
具体数字摆出来（缓存未命中价，美元/百万 token）：V4 Flash 输入谷时 0.22、峰时 0.44，输出谷时 0.66、峰时 1.32；V4 Pro 输入谷时 0.66、峰时 1.32，输出谷时 1.98、峰时 3.96。峰时按 UTC 01:00—04:00、06:00—10:00 算，换算成北京时间就是 09:00—12:00 和 14:00—18:00——正好压在打工人白天最忙的两段。知乎
所以第一步不是弃云，是给任务分类：
第一，把任务分成"能等"和"不能等"。在线问答、实时 Agent 没法动，但批处理、离线评测、向量重建、日报生成、夜间回归这些，挪到谷时就是单价打五折；
第二，缓存键要稳定。失败重试别让同一批输入换个格式重算一遍，不然谷时省的钱会从缓存未命中的口子全漏回去；
第三，别把请求全堆到谷时。便宜时段堆出一座请求山，首 token 延迟和失败率会另外开一张账单。
这一步不用买卡、不用改架构，今晚就能做。做完你会知道自己手上有多少任务是"能等"的——这个比例，决定你后面走哪条路。
三、弃云的三条路，按姿势选
如果"能等"的比例很高，月 token 量又大，就该认真算自建这笔账了。Qwen3.8-27B 开源才四天，社区的实测数据已经码得很齐：
8GB 显存笔记本：能跑，思考、工具调用、视觉全可用，但 0.26 token/s，属于为爱发电。哔哩哔哩
魔改 2080Ti 22G：跑 IQ4_NL 量化，39.5 token/s，入门续杯档。
3090 24G：社区 vLLM 方案把两块嵌入矩阵量化成 int8，抠回 2.6GB 显存，并为单人和并发准备了两套启动方案。知乎实测单用户开 MTP 推测解码 82 token/s，64 路并发持续 417 token/s，分界点大约在 8 路并发。
5090 32G：量化后模型约 20GB，显存装下还有富余，速度起飞。小红书但注意，双路高精度 Q8 进程会卡死，只能退回 Q4。
RTX Pro 6000 这类专业卡：Q8_K_XL 跑出 45 token/s，显存占用 45G，想跑满 256K 上下文要 70G 左右。
对应三条路：
路线 A：留在云里，吃峰谷价。 适合在线实时任务占大头、月账单还没到肉疼的人。峰谷定价本身就是官方给的折扣，先把零成本的那部分吃掉再说。
路线 B：自建。 适合离线可延迟任务占大头、月 token 开销高、手里有卡或者不介意收二手卡的人。但要算总账：一次性硬件投入 + 电费 + 折腾的维护成本，对比每月账单。两个提醒：27B 开源之后，"显卡又要涨价了"已经不是玩笑话；也有人实测，花一天下载，结果比预期慢 8 倍。小红书买硬件之前，先租一天云卡把自己的业务跑一遍，是最便宜的试错。
路线 C：租算力或走聚合平台。 适合想要 token 自由、但不想养硬件的人。AutoDL 上租 5090 部署 27B 已经有现成实测案例。哔哩哔哩还有 OrcaRouter-Lite 这类开源路由项目可以免费在线试这个模型。哔哩哔哩先免费试，确认能力覆盖自己的场景，再决定掏不掏钱。
四、冷水也备好了
别把 26 万上下文当承诺。 模型卡写着 262K 原生上下文，但 3090 方案默认只建议开 150K——接近 19.5 万的实际上限时，一条超长请求就能吃掉整个缓存池；10 万 token 输入的预填充，首 token 还要等上约两分钟。
"想太多"有开关。 模型卡提供按请求关闭思考、控制历史思考保留的参数，简单任务记得关，省时间也省 token；低思考模式的社区配置已经有人整理好了。
无审查版要谨慎。 社区里 abliterated（剥离拒答）版本火得很。哔哩哔哩本地玩玩可以，别接进商用和对外的生产环境——这是合规红线，不是技术问题。
综合分不信就测子项。 AA 智能指数覆盖不了你的场景，就拿自己的真实 prompt 集先跑一轮。别人的斩杀线，可能是你的坑。
五、值得继续盯的信号
会不会有更多厂商跟进峰谷定价——如果变成行业惯例，"按时间调度任务"就是所有 API 用户的必修课。
27B 的衍生生态：开源两天下载破百万，社区贡献的量化版本超过 500 个。36氪Qwen 系衍生模型在 HuggingFace 上超过 15.1 万个、是 Meta 全家的两倍多。生态在跑，部署门槛每周都在降。
同一周 GLM5.3 的榜分涨了 21 分。哔哩哔哩斩杀线不会停在原地，真正该攥在手里的，是"先给任务分类、再决定钱花在哪"的方法。
最后一句话：模型的斩杀线斩在参数表上，你账单的斩杀线在自己的任务清单里。先把任务分成"能等"和"不能等"，再决定走哪条路，比盯任何跑分都实在。
