Qwen3.8-27B正式开源：270亿参数，多项评测超越Claude Opus 4.6 Max

Qwen3.8-27B于2026年8月15日正式开源，总参数量270亿，是社区期待已久的版本。其关键卖点在于，经过量化后，24GB显存的RTX 3090或4090显卡即可整卡部署，大幅降低了本地运行门槛。

模型原生支持262K Token上下文，并可扩展至100万Token，同时保留了原生多模态能力，能处理图片、PDF、图表甚至视频。这些特性使其在尺寸缩小的同时，并未牺牲长上下文和多模态能力。

在官方基准测试中，Qwen3.8-27B在多项代码与Agent任务上超越Claude Opus 4.6 Max。具体而言，在SWE-bench Pro上领先8.3分，在QwenSWEBench上领先15.2分；在CoWorkBench上得分70.7，超过Opus 4.6 Max的68.2。

多模态与操作评测方面，OSWorld-Verified得分84.3（Opus 4.6 Max为72.7），AndroidWorld得分81.9（Opus 4.6 Max为62.0），WebArena-Verified从上一代的48.8提升至64.8。视觉数学问题解决能力开启CI后达94.6分，通用视觉推理开启CI后为85.6分（未开启时为65.7分）。

这些数据来自官方Benchmark，属于source_claim，尚未获得独立第三方验证。基准测试的局限性意味着“Opus级”的宣称需谨慎对待。

Qwen3.8-27B采用64层架构，其中48层使用Gated DeltaNet线性注意力，16层保留完整Attention，按“三层线性注意力+一层完整Attention”循环。这种设计降低了长序列下的计算和缓存压力，支撑了262K原生上下文。

模型内置推理档位（reasoning_effort），分为xhigh、medium、low三档，用户可调节推理深度以平衡速度与成本；Thinking模式可关闭。此外，默认开启preserve_thinking，使Agent在长任务中保留前期推理过程，提升连续决策效率。

社区网友展示了多种应用，如像素风宝塔、俄罗斯方块、贪吃蛇等，有用户称“感觉像拥有了一个Opus级别的Agent”。另有用户将Qwen3.8-27B-FP8部署在单张NVIDIA GH200上，同时处理10个真实请求，每个最高输出16K Token、上下文262K，首批流式Token基本在10ms内返回，10个请求全部完成。

多模态实测中，有用户让模型识别1935年11分钟电影中的96个带时间戳事件，157秒完成，时间误差约2秒，全程单GPU运行。这些均为社区报告，属于source_claim，未经官方确认。

官方已支持Transformers、vLLM、SGLang和TokenSpeed，生产环境推荐SGLang、vLLM，本地用户可通过Hugging Face量化版本部署。

Qwen3.8-27B在参数规模、上下文长度和多模态能力上实现了平衡，基准测试表现亮眼，但“Opus级”的说法主要基于官方数据，缺乏独立验证。实际性能可能因任务类型和部署环境而异。

本地部署虽可行，但量化可能带来精度损失，且高并发场景仍需高端硬件（如GH200）。推理档位和preserve_thinking等功能的实际效果有待更多用户反馈。

总体而言，Qwen3.8-27B为开发者提供了在消费级硬件上运行强大Agent的可能性，但其“Opus级”宣称应视为厂商基准下的相对表现，而非绝对等价。