阿里巴巴于 8 月 14 日开源 Qwen3.8-27B。这是一款 270 亿参数的稠密原生多模态模型，采用 Apache 2.0 授权，没有月活或营收门槛。官方信息显示，该模型原生支持 262K 上下文，并可通过 YaRN 外推到 100 万 tokens。
官方模型卡列出 17 项评测，其中 14 项附有 Claude Opus 4.6 Max 的对照分数。按这 14 项数据逐项对比，Qwen3.8-27B 在 9 项上领先，在 5 项上落后。不过，这些数字全部来自阿里自家发布，目前还没有第三方独立复现。
领先项目集中在视觉代理任务
从官方披露的数据看，Qwen3.8-27B 领先幅度较大的项目，主要集中在视觉理解、界面操作和指令执行相关任务。
- MathVision 为 94.6，对比 Claude Opus 4.6 Max 的 65.5，领先 29.1 分
- CharXiv 为 90.2，对比 66.0，领先 24.2 分
- AndroidWorld 为 81.9，对比 62.0，领先 19.9 分
- IFBench 为 79.5，对比 62.5，领先 17.0 分
- QwenSWEBench 为 79.0，对比 63.8，领先 15.2 分
- OSWorld-Verified 为 84.3，对比 72.7，领先 11.6 分
- SWE-bench Pro 为 61.7，对比 53.4，领先 8.3 分
输入内容还指出，QwenSWEBench 是阿里自家推出的评测。在这种情况下，厂商在自家设计的评测中取得更高分数，其参考价值需要结合这一前提来看。
落后项目全部落在纯推理和长链编码
落后的 5 项则集中在另一类能力上，特点比较一致，都是纯文本推理、多步骤编码或相关任务。
- Terminus 终端编码为 73.0，对比 78.2，落后 5.2 分
- NL2Repo-Bench 代码生成为 42.3，对比 47.6，落后 5.3 分
- GPQA Diamond 为 89.2，对比 91.3，落后 2.1 分
- OmniDocBench 落后 0.3 分
- RealWorldQA 落后 1.0 分
按这组对比，Qwen3.8-27B 的优势主要落在「看屏幕、读图表、按按钮」这类视觉代理任务，短板则出现在纯推理与多步骤长链编码。输入内容将这种差异概括为：眼睛更强，脑力相关任务相对偏弱。
17GB 显存可运行，但不等于 Agent 场景也能轻松跑
硬件门槛是这次发布的一个核心卖点。根据输入内容，Qwen3.8-27B 的原始 BF16 权重大约需要 56GB 显存，意味着要使用 80GB 级别的显卡；FP8 约需 28GB，对应 48GB 显卡；压到 4-bit 后，显存占用约为 14 至 17GB，一张 24GB 的 RTX 4090 可以放下权重，32GB 的 RTX 5090 则更有余量。
不过，这个 14 至 17GB 的数字只计算了权重，并不包括 KV cache、并发 Agent 工作会话、CUDA graphs、运行时缓冲区以及多模态组件。加上该模型原生上下文达到 262K，当 Agent 把整包代码库和多轮工具输出一并塞入上下文时，显存需求会与普通对话场景明显不同。
也就是说，「一张消费级显卡能跑这个模型」对应的是权重装载层面；至于是否能在同样的硬件条件下流畅承担 Agent 任务，还要看任务长度和上下文规模。
对照组选用 Claude Opus 4.6 Max
这次模型卡选用的对照对象是 Claude Opus 4.6 Max。输入内容提到，Anthropic 在 8 月 14 日发布的风险报告中披露，其内部还有未发布的 Model 2，表现高于已经对外服务的 Fable 5。该报告中，用来作为能力跃升参照点的是「Opus 4.6 到 Mythos Preview」。
因此，Qwen3.8-27B 此次公开对比所对应的，是 Claude Opus 4.6 Max，而不是输入内容中提到的 Anthropic 更新进度里的其他模型。
模型卡新增 reasoning_effort 参数
这次模型卡还加入了 reasoning_effort 参数，分为 xhigh（默认）、medium、low 三档，允许开发者按任务难度调整模型思考时长。另一个默认开启的选项是 preserve_thinking，用于保留历史消息中的推理内容。
按输入内容的说法，这类调节旋钮过去更多出现在闭源 API 的计费页面上，这次则被直接写入开源模型卡。
官方数据目前仍缺少第三方独立复现
围绕 Qwen3.8-27B 与 Claude Opus 4.6 Max 的对比，目前最需要注意的一点，是所有关键分数都来自阿里官方模型卡。无论是 14 项对照中 9 胜 5 负，还是 AndroidWorld 领先 19.9 分、MathVision 领先 29.1 分、Terminus 落后 5.2 分、GPQA Diamond 落后 2.1 分，现阶段都还没有第三方独立复现结果。
因此，现阶段可以确认的是阿里公开了这一组成绩、开源了模型、并给出了量化后的显存门槛；至于这些基准结果在独立测试环境下是否一致，输入内容未提供外部验证数据。