8月14日晚，阿里把Qwen3.8-27B的权重丢上了Hugging Face。270亿参数、稠密架构、原生多模态、Apache 2.0协议，262K上下文还能外推到1M，跑分直接跟DeepSeek V4 Flash、GPT-5.6 Luna Max坐一桌。知乎知乎海外开发者的评价简单粗暴：“本地版Opus”。知乎
但这条新闻对A卡玩家的意义，比对N卡用户大得多。就在今天（8月18日），AMD官宣给Qwen3.8-27B提供Day 0支持——模型发布第一天，就能在AMD硬件上本地跑起来。知乎
要知道，过去A卡在本地大模型圈是什么待遇：新模型发布，CUDA那边教程都卷出三轮了，ROCm这边还在"等适配"。这次AMD能把支持做进Day 0，关键不是ROCm突然给力了，而是路线变了：官方给的方案是llama.cpp + Vulkan后端，Windows上直接就能跑，不依赖ROCm那套环境。知乎评论区有人问"为什么不用ROCm"，跑过测试的人答得很直白：Windows上ROCm缺胳膊少腿，正经工程才上Linux。哔哩哔哩换句话说，AMD这次是把"A卡跑AI"的门槛从"装一套Linux环境"降到了"装个LM Studio"。
先看大家最关心的：我的A卡到底能跑多快？
把官方数据和社区实测放在一起看（注意各家条件不同，别直接横比）：
硬件 | 测得速度 | 条件 | 来源 |
|---|---|---|---|
Radeon AI PRO R9700 32GB | 最高51.8 tok/s | Win + llama.cpp Vulkan，MTP=2 | AMD官方 |
RX 7900 XTX 24GB | 55 tok/s | Q5量化、128K上下文 | B站用户实测（附完整参数） |
锐龙 AI Max+ 395 | 最高24.5 tok/s | Win + llama.cpp Vulkan，MTP=4 | AMD官方 |
RX 9060 XT 16GB | 能跑，但要降到Q3_K_M | Q4会爆显存 | 社区实测反馈 |
两个信息量很大的细节：R9700的prefill 512能到919.7 tok/s，说明长文档喂进去不卡；而7900XTX这个55 tok/s，是在开着128K上下文的前提下跑出来的，日常用完全够看。哔哩哔哩
但先别急着下载。这几天社区高强度实测下来，这模型的坑非常具体，而且几乎每个都跟你的显存和设置有关：
1. MTP不是可选项，是必选项。 Qwen3.8-27B的思考链非常长，不开MTP（多token预测投机解码），有用户实测输出只有40多 tok/s，一个任务等二十分钟；开了MTP=2之后直接到60~80 tok/s。哔哩哔哩AMD官方也特意标注：AI Max+平台MTP设4，R9700设2。知乎不开MTP跑这模型，等于自罚一倍。
2. LM Studio里记得取消勾选"Try mmap"。 这是AMD官方文档里专门点名的设置，很多人装完就开聊，速度不对就是因为漏了这一步。知乎
3. 显存档位决定量化版本，硬上会爆。 24GB显存（7900XTX、9070XT这个级别）跑Q4/Q5比较从容；16GB的9060XT跑Q4会爆显存，得降到Q3_K_M，而Q3基本被社区认为是"能用的底线"。哔哩哔哩官方给的门槛是"24GB可变图形内存或显存"，这个数字不是随便写的。知乎
4. 24G显存还有一笔隐形账：上下文和MTP二选一。 有4090D（24G）用户实测，想跑64K上下文，就得在关闭MTP和关闭视觉功能里选一个。哔哩哔哩想要"长上下文+MTP+视觉"全都要，32GB起步。
5. 思考强度别拉满。 这代模型默认思维链很长——有用户一个计算线段距离的小问题等了30分钟、烧掉50K上下文。哔哩哔哩社区公认的最优解是把reasoning_effort设为medium：新版llama.cpp可以直接设参数，LM Studio可以改chat template。思考不能完全关，关了效果掉档，medium是质量和速度的平衡点。
再说说反方观点，免得只看官方通稿上头。B站一条3.8万播放的"泼冷水"视频标题很直白：很强、很难伺候、很难用。哔哩哔哩评论区重度用户的反馈可以归纳为三条：思考过度浪费上下文（有人思考到65536 token输出上限还没动笔）；Q4_K_M量化下编程容易出bug，换Q8明显变稳但速度掉到10几 tok/s；还有急性子用户直接换回了上一代Qwen3.6-27B。当然也有反方：有用户用3.8一次打通了3.6几个月没打通的问题，还有人被它"自己装无头浏览器、自己写测试脚本、自己截图修bug"的agent能力惊到，说这模型该改名qwen3.8-coder-27b。
所以这模型到底值不值得A卡玩家上手？我的看法分三档：
24GB显存的A卡用户（7900XTX/9070XT）：直接冲。Q4_K_M/Q5量化+MTP，50+ tok/s的体验已经过了"能用"线，是目前A卡平台性价比最高的本地旗舰模型玩法。
16GB显存用户（9060XT等）：能跑但体验打折，Q3_K_M是底线，上下文也别指望开高。适合尝鲜，不适合当主力。
锐龙 AI Max+ 395迷你主机用户：24.5 tok/s够用但不算快，优势在于128GB统一内存能把上下文开得很大，适合跑长文档、agent这类对速度不敏感的任务。
最后给几个值得继续盯的信号：一是AMD说软件层优化还在推进，Day 0之后性能预计还会上调。知乎二是社区在传的35B A3B（MoE版）——注册表里出现过又被删了，如果真发，速度会有质的飞跃。哔哩哔哩三是vLLM对A卡的支持进度，真要做工程部署，llama.cpp只是起点。
这一次，A卡玩家终于不用在CUDA的热闹里当观众了。模型下载17GB起步，硬盘先备好。
