继Qwen3.5、Qwen3.6系列获得社区广泛采用之后,通义千问于8月13日推出Qwen3.8系列,并在Hugging Face发布其27B密集模型的FP8量化版。消息在Hacker News上获得848分、550余条讨论——一个27B的”小模型”能引发如此热度,本身就说明了问题:小而强的开源模型正在成为主流选择。
27B也能原生多模态:视觉语言一体化
Qwen3.8-27B是原生视觉语言模型,可直接理解图像与小时级视频,从STEM图表、文档到长视频一网打尽。它基于Qwen3.5架构,在编码、专业工作、研究与长时程智能体任务上全面增强。模型原生上下文达262,144 token,可扩展至100万;思维模式默认开启且可按请求关闭,支持reasoning_effort调节推理深度,并通过preserve_thinking保留历史推理上下文——这套”弹性思考控制”对需要控制延迟与成本的落地场景非常实用。
FP8量化:小模型上车的最后一公里
本次发布的FP8版本采用块大小128的细粒度量化,官方称性能与原模型几乎一致,且兼容Transformers、vLLM、SGLang、TokenSpeed等主流推理栈。27B配合FP8,意味着单张高端消费级GPU即可部署,极大降低了本地运行门槛——HN用户对此反响热烈,讨论中不少人已经在规划”超量化本地跑”的方案。架构上,模型采用Gated DeltaNet混合线性注意力(48个V注意力头、16个QK头)与Gated Attention的组合,并支持多步MTP(多token预测)训练,在保持推理效率的同时兼顾长上下文。
社区反响:能力之外,更关心许可
HN讨论聚焦两点:一是”本周模型发布潮”中Qwen3.8的定位——用户newyankee感叹普通开发者已难以分辨各家模型的真实差异,除了价格;二是开源许可问题,多位用户注意到Qwen系列正从宽松许可转向受限使用许可,尽管FP8仓库标注Apache-2.0,社区仍担忧中国开源模型的”许可回退”趋势,认为这虽然好于闭源美国模型,却偏离了开源文化的初衷。
结语
Qwen3.8-27B的看点在于”密度”:27B参数塞进原生多模态、百万级上下文与智能体能力,再叠加FP8量化降低部署成本——这正是开源模型从”能用”走向”好用”的典型路径。模型卡已上线,感兴趣的开发者可以立即下载体验。
原文链接: huggingface.co/Qwen/Qwen3.8-27B-FP8 | HN讨论: news.ycombinator.com/item?id=49299605