答案很直接：看显存，不看发布日期。
11 月 11 日上午，阿里官宣 Qwen4 即将发布，先上线的是 Qwen4-Max 预览版。参数、价格、是否开源都没公布。 对本地部署的人来说，更该盯着的 27B 没有日期，也没有独立的发布说明。比特网
云栖大会现场报过“27B 的开源版给本地部署”，但当时只放了一张 Coming Soon，参数和跑分都没公布。 10 月底传的“下周发”、11 月 8 日传的“9 日下午三点发”，都落空了。 先把发布日期放一边。微博哔哩哔哩
上一代 Qwen3.8-27B 已经把 27B 稠密模型的门槛摊开了：270 亿参数，原生多模态，Apache 2.0，262K 上下文，4bit 量化约 17GB 显存。 注意，这是权重。加上 KV cache、框架开销和你想开的上下文，16GB 卡就很紧。微博
有量化实测给出的结论更直接：17GB 的 Q4_K_M 在智能体编码任务上几乎追平 55GB 的 BF16，一张 24GB 的 4090 能跑满模型再余下约 64K 上下文。 到了 16GB，3 位量化加 4 位 KV 缓存才是兼顾长上下文和逻辑能力的最后防线。换句话说，4bit 是甜点位，再往下不是不能跑，而是损失会先落在长上下文后段、多轮约束和细粒度格式指令上——正是本地 Agent 最需要的地方。微博
B 站评论区里，一位 5060Ti 16G 用户记录：Q2 能跑 52 t/s，Q3 41 t/s，升到 Q4 只剩 9 t/s；另一位 3090 用户说 Q4 能用、代码质量高，但改一次要等几分钟到二十分钟，还容易陷进长思考。反过来，5090 能到 100 t/s 以上，双 2080Ti 22G 也能靠 NVFP4 跑到 90 t/s。这些数字有波动，但指向同一件事：27B 的“能跑”和“好用”之间，隔着量化档位和上下文长度。16GB 的现实是 Q3 才稳，24GB 才是比较舒服的线，12GB 基本不用考虑。
Qwen4-27B 会改变这条线吗？社区从推理内核代码里扒出的说法是：它延续 Dense 架构，引入 Qwen3.8-Flash-Next 的四路残差流和稀疏注意力，前馈网络中间维度可能缩减。 稀疏注意力省的是长上下文的 KV cache 和注意力计算；就算 FFN 缩了，27B 的权重仍在十几 GB 量级。架构升级理论上会把同样显存下能开的上下文和同档位的智商往上推，但不会把 27B 变成 16GB 卡上的 Q4 甜点。微博
真正该等的人，是已经有 24GB 以上显存，或者 32GB 以上统一内存的人；前提是它最终按现场口径开源。等的东西也不止权重：GGUF、MLX、NVFP4 量化，llama.cpp 适配，推测解码草稿模型，都要时间。好消息是这次社区抢跑得早——10 月底 llama.cpp 社区已经在给未发布的 Qwen4-27B 做适配。 但发布首日能不能顺滑，还得看。哔哩哔哩
如果你只有 16GB，或者现在就要拿本地模型干活，不必把预算押在 Qwen4-27B 上。Qwen3.8-27B 已经是 Apache 2.0、生态成熟的选择。腾讯的 DSpine 草稿模型宣称能把它提速 3.84 倍。 另一条路是 MoE：Qwen3.8-Flash-Next 是 125B 总参数、每 token 激活约 6B，有社区测试称已经能在 12GB 显存加 32GB 内存上跑起来。对显存紧张的人，MoE 往往比稠密 27B 更划算。哔哩哔哩
一句话：Qwen4-27B 值得等，但只值得已经有 24GB 以上显存的人等。有 24GB，可以等，别为它提前买卡；没有，先跑起来，MoE 或 Qwen3.8-27B 都比干等划算。
