8 月 14 日，阿里放出 Qwen3.8-27B，开发者蹲这个版本蹲了好久。

原因就一句话：现在，一张 4090 就能跑"Opus级"Agent 了。

270 亿参数，量化后刚好塞进 24GB 显存，RTX 3090/4090、大内存 Mac 都能跑，还免费商用。

先看数据：多项榜单反超 Claude Opus 4.6 Max

官方 Benchmark 里，27B 在软件工程和 Agent 评测上把云端旗舰 Opus 4.6 Max 干翻了好几项：

1. SWE-bench Pro（Agent 编程）：高出 8.3 分
2. QwenSWEBench（真实软件工程）：领先扩大到 15.2 分
3. CoWorkBench（计算机/金融/法律/医疗专业长任务）：70.7 vs 68.2
4. OSWorld-Verified（电脑操作）：84.3 vs 72.7
5. AndroidWorld（手机操作）：81.9 vs 62.0
6. WebArena-Verified（浏览器操作）：从上一代 48.8 涨到 64.8

注意 4 和 5——电脑操作和手机操作，这是 Agent 落地最直接的场景，27B 反超幅度最明显。

为什么 27B 能打：架构和配置都没缩水

尺寸小了，配置没缩水：

1. 原生多模态：看图、读 PDF、理解图表、处理视频，都行
2. 262K 原生上下文：还能扩展到 100 万 token——吃下大工程没问题
3. 架构：64 层里 48 层用 Gated DeltaNet 线性注意力 + 16 层完整 Attention，按"3 层线性 + 1 层完整"循环。线性注意力降长序列的计算和显存压力，完整注意力隔几层做充分信息交互——这是 262K 上下文还能本地跑的关键

社区实测也很硬：有人把 FP8 版放到单张 GH200 上，10 个并发请求、262K 上下文，首批流式 token 都在 10ms 内返回；还有人让它看一部 1935 年的 11 分钟老电影，识别 96 个带时间戳的事件，157 秒跑完，误差只有 2 秒。

怎么跑起来

官方已经接好了 Transformers、vLLM、SGLang、TokenSpeed：

1. 生产环境/高吞吐：用 SGLang 或 vLLM
2. 本地玩家：HuggingFace 有量化版本，用熟悉的工具链直接部署
3. 手里有 4090 或大内存 Mac，基本可以开始折腾了

模型卡：huggingface.co/Qwen/Qwen3.8-27B

丑话也说在前面

先说清楚限制，别瞎吹：

1. “Opus级"是场景限定的：反超集中在 Agent 执行、代码、操作类任务；复杂深度推理、超长上下文，270 亿参数和云端旗舰还是有差距，别拿"270 亿反超 Opus"标题党
2. 这是官方厂商 benchmark：你拿自己的真实任务跑一遍，比什么都靠谱
3. 开源协议放心：Apache 2.0，你可以商用，也可以改了再发，免费，这点阿里一直做的到位

说白了：对于做私有化、做数据敏感业务的人，这是天上掉馅饼；对于普通用户尝鲜，它也确实能让你在本地跑个像样的 Agent，不用再蹭云端 API。

对程序员的直接意义

以前"本地跑 Opus 级 Agent"是想都不敢想的：旗舰模型都在云端，要么按量付费，要么数据出不了门。

Qwen3.8-27B 把门槛砸下来了：Agent 能力 + 多模态 + 262K 上下文，量化后 24GB 显存，免费商用，数据不出门。

对做私有化、做 toB、做数据敏感场景的人来说，这可能是 2026 年最值得关注的本地模型。

你准备用 27B 跑什么？评论区聊聊 👇