预告里，今晚（8月14日）23:00，Qwen3.8-27B开源。哔哩哔哩这是本周第三个重磅开源。
先把这周的时间线捋一遍：8月10日，Meta放出Muse Glimmer 30B，Apache 2.0协议，从闭源旗舰Muse Spark蒸馏来的稠密多模态模型；随后NVIDIA发布Nemotron 3.5 Lightning，30B MoE只激活3B；8月13日，阿里直接开出2.4T参数的Qwen3.8-2.4T-A95B，Qwen-Max级别第一次开放权重；今晚压轴，Qwen3.8-27B。
开源周常有，但这周有个细节值得琢磨：除了2.4T那个门面，真正和你有关的模型，全挤在27B-35B这个区间。这不是巧合。
为什么全挤在27-35B
本地部署有一笔很朴素的账：4bit量化下，1个参数大约占0.5字节权重。知乎于是：
27B ≈ 14-15GB权重，16GB显存刚好能装
30B ≈ 16-17GB权重，24GB显卡的甜点
35B ≈ 18-19GB，24GB显存从容带
而本地部署玩家的消费级显卡存量，恰好集中在16GB（4060 Ti 16G、4080）和24GB（3090、4090、5090）这两档。知乎「本地能部署什么大模型」的显存分档回答能拿到94万浏览，B站「英伟达哪些显卡能跑AI」这周在两个平台同时火——大家问的都是同一个问题：我这张卡，够得着哪个档。
厂商显然也算过这笔账。旗舰是拿来立形象的：Kimi K3满血版要64张高端卡才能跑，Qwen3.8-2.4T官方recipe里NVFP4精度要8张B300，BF16要24张——都不是个人会去想的配置。真正落到个人电脑上的，是从旗舰技术蒸馏下来的27-30B稠密版。
所以这周本质上是「16-24GB显存甜点区」的第一次集中交锋，抢的正是本地部署里盘子最大的那批人。
本周四个模型，一张表看清
模型 | 参数/架构 | 量化后显存 | 许可 | 定位 |
|---|---|---|---|---|
Muse Glimmer 30B | 29.6B稠密（含1.8B视觉编码器） | 4bit约16-20GB（官方17GB版损失约1%） | Apache 2.0 | 本地agent/多模态 |
Qwen3.8-27B | 27B（对应上代稠密版） | 社区预估4bit≈16GB | 待定（旗舰版为Qwen自定义协议） | agent/多模态/可关思考，今晚开源 |
Nemotron 3.5 Lightning | 30B MoE，激活3B | 官方主打DGX Spark | NVIDIA开源 | 高吞吐低延迟（官方称670 tok/s） |
MiniMax H3 | 视频模型轻量版 | 8GB起 | 开源 | 本地视频生成 |
表里有几个点单独说：
Muse Glimmer是本周唯一被社区大规模验证过的。 发布当天Hacker News主帖1050分、583条评论，Ollama、unsloth、mlx-community这些量化/推理生态24小时内全跟上，HuggingFace一天冒出96个衍生仓库。知乎RTX 3090实测Q4占显存约15.9GB，长上下文场景的显存开销比Qwen3.6-27B低一个数量级；Artificial Analysis给了智能指数35，同尺寸132个模型里排第2。
Qwen3.8-27B是今晚唯一没被验证的。 目前所有信息都是预告和预期：预告关键词是agent执行、多模态、可关思考；社区流传最广的预期是4bit量化后16GB显存能装下，「单张4060 Ti 16G就能本地部署」——但这是B站UP主按量化公式推的，不是实测。
参考坐标是上一代：知乎有人把Qwen3.6-27B-FP8在单张RTX 4090 48GB上压到26.5 tok/s（非MTP），开MTP推测解码后短文本68.6 tok/s，262K上下文能跑通。知乎今晚的27B如果架构思路接近，这个速度区间就是合理预期，Q4量化还会更快。
按你的显卡，装什么、等什么
16GB显存（4060 Ti 16G / 4070 Ti Super / 4080）： 你正卡在27B的门槛线上，建议直接等今晚。Muse Glimmer官方17GB版你装不下，硬上更低的量化档意义不大。如果今晚Qwen3.8-27B的Q4真落在16GB以内，它是本周跟你这张卡贴合度最高的模型——但注意上下文余量，权重装满后，剩下的显存才是KV cache的。
24GB显存（3090 / 4090 / 5090）： 本周最大赢家。Muse Glimmer的Q4（约16GB）现在就能装，还有余量留给DFlash投机解码和长上下文，官方宣称17GB量化版能跑233 tok/s，就算打个对折，agent交互也完全够用。知乎今晚27B落地后，你还可以FP8和Q4各试一遍。急用先装Muse Glimmer，看重中文生态和编码就等今晚。
Mac统一内存（64GB以上）： MLX已经有muse-glimmer:30b-mlx，按Muse Glimmer的经验，今晚27B放出后mlx-community通常24小时内覆盖。小红书有个样本：被学校邮件提醒一个月token账单快500美元的学生，用128GB统一内存的机器部署DeepSeek V4 Flash，实测25-30 tok/s，长上下文开满后速度会掉但能稳。
8-12GB： 说实话别硬凑这周的新模型。MiniMax H3那个8G显存档是给视频生成用的，而且注意：本地轻量版的出片质量跟官方完整版差距明显，有实测直言「本地部署纯属娱乐」。对话类需求，7B-14B小模型够用。
不想折腾只要用的： API不丢人。阿里云百炼Qwen3.8-Max目前标准价输入12元、输出36元每百万token，小红书评论区那句「还不如接官方api，一天蹬满也就10块钱」有人认同。但另一条回复也有意思：「API的钱花出去就花出去了，而我去年前年买的二手硬件今年还能以比买时更高的价格卖出去」——本地部署的硬件是资产，API支出是费用，这笔账看你用多少、用多久。小红书
三个坑，本周都有实锤
坑一：首日跑分别全信。 Muse Glimmer官方挑的项目（工具调用、agent基准）确实领先，但SWE-Bench Verified和TerminalBench两项编码任务输给Qwen3.6-27B，HN上还有人报告更难的TerminalBench Hard子集也落后。知乎B站甚至有UP主直接做了个评测引擎自己验，标题就是「别再信大模型跑分了」。哔哩哔哩今晚27B出来同理：先用你自己的日常任务跑两个，再看跑分。
坑二：许可不等于开源。 本周唯一真宽松的是Muse Glimmer的Apache 2.0。Qwen3.8换了自定义协议：要求UI显著展示模型名称。连续12个月总收入超5000万美元另有附加条件。知乎Llama系列一直背着限制性条款。个人玩无所谓，商用嵌入产品前先看条款。今晚27B跟不跟同一个自定义协议，是今晚的观察点之一。
坑三：本地版不等于官方完整版。 MiniMax H3是最典型的课：8G显存能跑的是轻量base版，跟官方完整版跑2K是两回事。今晚的27B也一样要盯：放出来的是不是完整权重、多模态组件是否随包附带。
今晚的行动清单
23:00（预告时间） 先看三件事：权重是否完整、许可条款、量化版跟进速度。参照Muse Glimmer，Ollama、unsloth、bartowski、mlx-community通常24小时内全部跟齐。
落地第一天 拿GGUF的Q4版本，用你常用的任务测——编码、长文总结、工具调用，别急着下结论。
未来两周盯三个信号： 第三方对27B的独立评测（尤其编码项）、MTP/投机解码生态跟进情况，以及上一代Qwen3.6-27B相关硬件的行情——新模型如果够强，老模型的讨论热度和二手3090的价格通常先有反应。
最后一句。对真正在本地跑模型的人来说，这周的新闻不是「哪个模型跑分更高」，而是厂商终于把火力集中到了你手里这张显卡上。旗舰2.4T是门面，27B才是日子。别急着买新卡，先把手里这张卡跑过这个开源周再说。
