本地党这个十月，共同状态只有一个字：等。
10月10日，Qwen Developers 的一条 X 原帖把社区点燃，B站搬运解读的视频底下挂了219条评论，最高赞只有六个字——“qwen小模型才是真神”（73赞）。但截至今天（10月15日），没有任何一个 Qwen4 权重落地：云栖大会上官方给四个新模型的后缀是 Coming Soon，口径只有"已在训练中"八个字。哔哩哔哩知乎
这种状态下，最不值钱的动作是掏钱包，最值钱的动作是把"已确认"、“推测”、"未知"三档摆清楚，再看你的机器坐在哪张桌上。下面这些，是我把云栖官宣口径、8月26日已开源的架构预览、推理栈PR动态、微博/知乎/B站/抖音四个平台一周内的讨论现场拼在一起之后的结果。
一、先把事实和推测切开：官宣是"摊牌"，不是"发模型"
9月22日云栖大会，Qwen LLM 项目负责人刘大一恒第一次把 Qwen4 的完整阵容端出来：Qwen4-Max、Qwen4-Flash、Qwen4-Plus、Qwen4-27B。很多人把这个"官宣"读成"发布"，细看其实不是——四个名字后面全是 Coming Soon。
信号 | 内容 | 定级 |
|---|---|---|
9/22 云栖 | Qwen4 四员大将：Max / Flash / Plus / 27B，后缀"Coming Soon"，口径"已在训练中" | 官宣确认 |
9/22 云栖 | 分工：Max 追智能上限、靠 RSI 递归自进化；Flash/Plus 追性价比；Qwen4-27B 明确留给本地部署 | 官宣确认 |
8/26 | 架构预览权重放出：Qwen3.8-Flash-Next，就是 Qwen4 那套架构 | 官宣确认 |
10/10 | Qwen 官方 X 原帖，社区解读为"Qwen4-27B 与 Max 同期发布" | 帖子属实，解读属推测 |
10/11起 | "双开源官宣"说法 | 自媒体日报转述，非官方口径 |
9月底起 | 千问4内测测评、Cursor 疑似 Qwen4 神秘模型 | 社区目击，未经证实 |
至今 | 27B 是 dense 还是 MoE、总参数量、Flash/Plus 是否开源、量化支持时间表 | 未知 |
顺带一句：同场公布的 Qwen4.5/Qwen5 要冲 5-10 万亿参数、自研芯片真武 V900 配 216GB 大显存——这两条跟你家显卡关系不大，别拿它吓自己加内存。官方数据里和本地党真有关的是另一条：RSI 自进化上线一个月，33 轮有效数据迭代，把 Qwen3.8 在 Artificial Analysis 的分数从 40 磨到 45。模型自己产数据、自己训练，人负责看护——迭代节奏变快，才是"该不该急着换版本"的真正背景板。微博
二、真正值钱的信息：架构8月就开源了，推理栈已经铺好路
8月26日放出的预览权重 Qwen3.8-Flash-Next，官方口径就是把 Qwen4 的底层架构提前交给开发者验证。拆开看每个本地党都该认识的零件：
主模型 125B，每个 token 实际只激活约 6B；
外加一张 51B 的 n-gram 嵌入表，放在每个 token 的算力预算之外；
原生上下文 262K，用 YaRN 可拉到 1M；
官方给的账：训练成本约为 Qwen3.7-Plus 的 1/9，百万 token 输入价格降到 1/4。微博
推理栈这边，路已经铺好：llama.cpp 8月27日合并了 qwen4exp 支持，Transformers 8月26日合并了 qwen4 测试，vLLM 的 Qwen4 相关 PR 还在排队。一句话：今天部署预览模型，跑的就是 Qwen4 的架构——等正式版落地，是升级，不是迁移。知乎
B站评论区那条高赞争论——“事实上3.8已经是qwen4 flash，因为是一样的架构"vs"开源版本连原生百万上下文都没有，官方肯定藏东西了”——就是这次预览的两种读法。不用急着选边，事实只有一条：路已通，车未到。哔哩哔哩
三、51B 的 n-gram 表：门票问题从"显存装不装得下"变成"表放哪儿"
n-gram 表这玩意儿，一句话讲透它为什么改写本地部署的账本：查起来便宜、存起来占地方。模型预测下一个字时直接从这张超大的查找表里取值，不用逐 token 现算——把它塞进每次前向的算力预算纯属浪费，所以官方干脆放到预算外面走"查表"。这就是 125B 总参数、训练成本却只有 1/9 的核心原因：大部分参数并不在每次前向里干活。
对本地党，这个结构意味着两件事：
决定你机器档位的不只是权重体积，还有这张表放哪儿。 社区已经把玩法跑出来了：知乎有人晒出 9700X + 64G 内存 + 4080 32G 的档位——热门专家放显存、冷门专家放内存、PLE 表放硬盘，IQ4_XS 量化 4.25bpw 已非常接近无损，专家命中率 95% 起步、后期能到 98%，代价是内存占用很高。知乎
n-gram 是不是"可选项"，是权重落地当天最值钱的参数。 B站评论里那条没什么赞但问得极准的话："n-gram以后能成为可选项，相当于额外知识储备，可以挂在硬盘上，就好了。"表可以挂硬盘，16G 党才有上桌资格；表必须常驻，门票就是 64G 起步。哔哩哔哩
四、座位表：等权重的这段日子，每档做什么、不做什么
你的机器 | 现在（Qwen3.8 系列）的真实座位 | 等 Qwen4 该做 | 等 Qwen4 别做 |
|---|---|---|---|
8–12G 单卡 | 27B 量化版最低 8GB 显存就能起；A卡这边 7900XTX 24G 满血跑过 53TPS + 262K 上下文 | 先把 Flash-Next 预览架构装上，把工具链、上下文、报错现场预热一遍 | 别为一张未知参数表提前囤内存 |
16–24G 单卡 | GGUF UD-Q4 档是主座（单张 4090 实测可跑） | 盯 llama.cpp 和 Strata 对新量化格式的支持速度——Strata 目前社区反馈只到 IQ3，IQ4 以上支持才是行动信号 | 27B 若官宣 dense，你大概率还在原位；若官宣 MoE，这张桌反而更宽 |
2×4090 / 48G | FP8 官方参考位（2x4090 起跑），GGUF 降级单卡 | 权重落地第一天转正式即可，等货期没有必须动作 | 别折腾社区魔改量化版，原版稳定性的教训 10 月刚有人替你们踩过 |
64G+ 内存 / 统一内存 | n-gram 架构的最大受益档，专家+查表分层驻留玩法已验证 | 现在就练 Strata 类引擎的显存/内存/硬盘分层 | 别默认 51B 表要吃显存，表放硬盘才是这档的正确姿势 |
双十一前手痒的再加一句：官方只给了"训练中"，Qwen4-27B 的内存和显存需求全是推测，照着一张没公布的参数表提前囤货，是追新最贵的方式。
五、这个圈此刻最在意的，浓缩成四个分歧
能力锚点：“27b 能赶上 GLM-5.3 Flash 就行”（58赞、24回复）vs 反方"世界知识储备摆在那里，赶不上只能反复大思考"。24G 党的验收线其实早写好了：不是超旗舰，是接棒自家。哔哩哔哩
开源范围：“27b 不开源没啥意义，Max 不开源有说法"vs"正因为只有大企业才部署得起才毫无忌惮地开源，小模型赚口碑、大模型才赚钱”。知乎博主对官方推文的读法是：“Qwen4 和 Qwen4-27B 都要开源的样子”。知乎
档位焦虑：评论区许愿"希望还有 35B-A3B 版本，或者比 3.8-Flash 小点，不然跑不动"（19赞），底下接得实在——“搞个64G内存跑 q2xxs，也能用”。
刷分免疫：“希望别又是刷分王”、“qwen4 救一救，这代 2b 能不能到 Opus4.6 的水平”（19赞）。许愿清单就是需求清单，社区对 4bit 党的诚意验收，从来不看跑分页。
还有个彩蛋分歧：评论区冒出"太好了有Plus，3.8太极端了，2.4T 大材小用、135B 又偏小，正好 400 多 B 的 Plus"（15赞）——Plus 到底多大没人知道，但"中间档"被喊出来了，这就是本地党给官方递的真实需求单。
六、权重落地当天，盯这六个信号再动手
官方 X / ModelScope / HuggingFace 的 repo 名出现——先核对 repo 名与官方账号一致再下载，每轮热度期都有假仓库；
公布的是 dense 还是 MoE、主参数和激活参数各是多少；
n-gram 表是否为可选项、官方给不给硬盘/内存驻留的部署说明；
llama.cpp 的 qwen4exp 何时进主线、社区 GGUF（unsloth 级）量化几天内放出；
vLLM 的 Qwen4 PR 是否合入、Strata 适配版本和支持的量化档位；
官方 FP8 参考权重是否先行——这是 2×4090 党的发令枪。
这六个信号亮完，"要不要加内存/换卡"才值得被认真回答。在那之前，等权重的正确姿势只有一个：在预览架构上把自己那套路跑熟，钱留在口袋里，座位先找好。
