Qwen3.8-27B：262K上下文，DeepSWE得分42.2

duckwolf

8月，阿里 Qwen 团队开放 Qwen3.8-27B 权重。它是 27B 参数的稠密多模态模型，目标是让开发者在一台高性能工作站或服务器上部署更强的编码和 Agent 模型。模型支持文本、图像和视频输入，原生上下文为 262,144 个 Token，托管服务可扩展到 100 万 Token。


一、模型卡给出的关键数据

在 Qwen 官方模型卡中，Qwen3.8-27B 的 SWE-bench Pro 得分为 61.7，DeepSWE v1.1 为 42.2，QwenSWEBench 为 79.0，CoWorkBench 为 70.7，LiveCodeBench v6 为 90.3；OSWorld-Verified 为 84.3，WebArena-Verified 为 64.8，Vision2Web 为 62.9。相比上一代 27B 模型，DeepSWE 提升尤其明显，但不同基准的定义、工具和运行方式并不相同，不能把这些分数直接等同于真实项目交付率。

Qwen3.8-27B 还支持 reasoning_effort 调节。官方特别提醒，长流程 Agent 任务中，降低思考强度不一定缩短总耗时，因为分析不足可能带来更多重试，反而增加延迟和 Token 消耗。这一点对本地部署很重要：用户同时承担电费、硬盘和内存成本，不能只比较模型参数大小。


二、262K 上下文怎么用更实际

262K 足以放入大型代码仓库说明、接口文档和多轮操作记录，但不等于每次都要塞入全部历史。官方的 YaRN 方案可扩展到 1M，不过静态 YaRN 可能影响短文本表现，建议只在长文档、长视频或超长代码库中启用。更稳妥的是把日志、依赖清单和测试报告分块检索，让模型先看摘要，再定位具体文件。


三、本地 Agent 的落地建议

第一，先用 BF16 或受信任的量化版本建立基线，记录显存、内存、首 Token 延迟和连续任务成功率。第二，保留隔离的代码沙箱，禁止模型直接读取云密钥或修改生产权限。第三，把终端、浏览器、文件编辑拆成可审计的工具调用，每次都输出变更摘要和测试结果。第四，视觉能力只在截图、图表和视频任务中启用，文本任务不要为了“多模态”而增加复杂度。

Qwen3.8-27B 的意义不在于取代云端最强模型，而在于把较强的编程、多模态和 Agent 能力带到本地。它更适合作为数据不出域、任务可重复、预算可预测的工程底座；真正决定效果的，仍是工具权限、长任务管理和回归测试。

数据来源：Qwen 官方 Hugging Face 模型卡《Qwen3.8-27B》，2026年8月；Qwen 官方模型卡中列出的基准结果（数据为发布时点）。