阿里深夜开源"家用最强模型",开发者却为它吵翻了

8 月 14 日晚,阿里把 Qwen3.8-27B 的模型权重免费丢到了网上。48 小时后,它冲上知乎热榜第 2,开发者分成了两派:一派喊"Opus 平替,家用电脑跑得动的最强模型",另一派破口大骂——"我让它算道线段距离,它先思考了 30 分钟"。

同一份开源权重,评价怎么会撕裂成这样?今天把这件事讲透。

## 一、为什么这次动静这么大?

过去两年,开源模型发布了不少,但 Qwen3.8-27B 把三个变量叠到了一起:

参数大小卡在"甜点位"。 27B 小到单张消费级显卡塞得下,大到能力逼近闭源旗舰。量化后约 17GB,24GB 显存就能流畅跑——普通家用电脑真的可以部署,而不是只能看发布会。

能力确实摸到了天花板。 SWE-bench Pro 61.7,反超 Anthropic 旗舰 Claude Opus 4.6 Max 的 53.4;Agent 编程 Terminal-Bench 2.1 从前代 63.4 涨到 73.0;专业任务 JobBench 提升约 50%。海外社区直接喊出"前沿级",Hugging Face 冲上热榜,有人叫它"家用的 Opus"。

它自带战略背景。 阿里累计开源 460 多个模型、全球下载超 30 亿次,稳居开源下载量第一;昇腾平台首日适配,连玄铁 RISC-V 处理器都打通了推理链路——这是一场对标 Meta 的生态战。

## 二、跑分是真的吗?冷静点,看反面

但"反超 Opus"这个说法,需要打三个折扣。

第一,这是官方自报对官方自报。 知乎有人点破:这些成绩大多是阿里自己测的,第三方复现还在路上。更扎眼的是落后项:科学推理 HLE 30.8 对 40.0、GPQA 89.2 对 91.3。简单说:**代码和 Agent 是真的强,科学推理仍然是短板。**

第二,海外口碑有"预期差"成分。 17GB 的文件能完成代码代理、视觉定位——一年前这些能力只出现在高价商业产品里,海外自然惊呼"前沿级";国内老玩家更冷静:"开始追上半年前的 Opus",前缀是"半年前"。

第三,也是最现实的:好评和骂声,可能说的是同一件事的两种用法。 有人拿它当 Agent 干活,强到舍不得关思考;有人拿它当聊天工具,等得想砸电脑。

## 三、真正让开发者破防的,是两个默认值

社区吵得最凶的不是能力,是"开箱即用"的体验。开发者 Simon Willison 的实测很典型:让模型"画一只骑自行车的鹈鹕",默认设置下先思考 2.2 万个 token、耗时 21 分钟才输出;关掉推理,同一个任务 137 秒完成。

问题出在两个默认值上:

默认思考强度拉到最高档(xhigh)。 模型内置 reasoning_effort 机制,能按任务难度调节思考深度——但默认 xhigh,简单任务也"雷霆大思考"。B 站《三宗罪》视频 2 万播放,评论区全是血泪:算线段距离等 30 分钟、写小游戏思考半小时、Agent 思维链烧掉近 6 万 token 不动笔。

默认上下文只有 8192 token。 模型原生支持 262K、可外推到 1M(一次处理百万字长文),但开箱默认值小得可怜——xhigh 思考几下就占满了,正事没干就结束。

好在社区两天内就找到了解法,三个设置救回来:**日常任务把思考强度调到 low 或直接关掉;上下文拉满到 262144;更新到适配 3.8 的 chat template**(很多人沿用 Qwen3.6 的老模板,导致思考解析异常、工具调用死循环)。实测开启 MTP 投机解码还能提速最高 72%。

一句话:它难伺候,但大部分"难用"不是能力问题,是出厂设置问题。

## 四、你的显卡配不配?一份显存账本

这是评论区吵得最凶的战场,直接上实测数据(2026 年 8 月,社区多家实测):

|---|---|---|---|

| RTX 5090(32G) | Q6_K | ~21GB | 74-157 t/s,可跑 128K |

| RTX 4090 / 3090(24G) | Q4_K_M | ~17GB | 40-53 t/s,甜点位 |

几个容易被忽略的真相:

- 24GB 显存是真正的分水岭。 社区公认:4-bit 量化 + MTP + 量化 KV 缓存,24GB 卡能舒适承载 32K-64K 上下文,流畅度接近商业 API。

- 16GB 是"地板以下"。 稠密模型硬上低量化,体验断崖;4060 Ti 16GB 尤其被点名——带宽只有 3090 的三分之一,长上下文速度暴跌。

- 两千块的魔改 2080 Ti 是隐藏王者。 22GB 显存、实测 39.5 t/s,达到 3090 的七成多,配 NVLink 双卡能到 80 t/s。本地党正在用它平替四五千的显卡。