Qwen3.8 27B：本地模型新标杆，但请先关掉默认推理档
Qwen3.8 27B：本地模型新标杆，但请先关掉默认推理档
同一个模型，同一周里收获了两种截然相反的头条。
一边是 Artificial Analysis 的独立评测：Intelligence Index 52 分——上一代 Qwen3.6 27B 只有 38 分，一代跳了 14 分，一个 27B 的 dense 模型追到了旗舰 MoE 的门口（Qwen3.8-Max 也才 58 分）。
另一边是 Simon Willison 8 月 16 日的实测博客，标题毫不客气：《Qwen 3.8 27B is excellent, but it defaults to wildly overthinking things》——很强，但默认设置「疯狂过度思考」。
这两件事都是真的，而且互为注脚。Hacker News 上三波讨论合计超过 2400 分（发布帖 1423 分、Simon 文 751 分、AA 评分帖 305 分），这大概是今年本地模型圈最热闹的一周。
先把模型本身说清楚
Qwen3.8 27B 由阿里通义实验室于 8 月 14 日发布：27.78B 参数、dense 架构（不是 MoE）、多模态输入（文本/图像/视频）、原生 262,144 token 上下文（YaRN 可扩到 1M）、Apache 2.0 协议。对本地玩家最关键的一个数字：Q4_K_M 量化后只有 17GB，一台 24GB 显存的机器或大内存 Mac 就能跑。
官方自报的基准很凶：SWE-Bench Pro 61.7%、LiveCodeBench 90.3%、GPQA Diamond 89.2%。照例提醒：这些是厂商自报数字，部分跑在内部修改版基准上，目前没有独立复现——真正有第三方背书的是上面那个 AA 52 分。
21 分钟 vs 137 秒：过度思考长什么样
Simon 的测试环境是 128GB 的 M5 Max MacBook Pro 和一台 NVIDIA DGX Spark。问题出在模型的默认推理档位：reasoning_effort 出厂默认 xhigh。
后果是什么？他的招牌测试「画一只骑自行车的鹈鹕 SVG」，默认档跑了 21 分钟，烧掉 22,276 个 reasoning token；关掉推理之后，同样的任务 137 秒出结果。更荒诞的一个例子：让它「画一个圆的 SVG」，它自己脑补出了一套包豪斯风格的动画圆环设计研究——Simon 的原话是 "absolutely beautiful... which was entirely not what I had asked for!"（美极了……但完全不是我要的东西）。
他对默认设置的评价："This is a hilarious default. It's absolutely not a good way to run the model, especially on consumer hardware."（这个默认值很搞笑，绝对不是运行这个模型的正确方式，尤其在消费级硬件上。）
有意思的是，Artificial Analysis 的数据独立佐证了「话痨」这个判断：跑完整个 Intelligence Index，Qwen3.8 27B 生成了 1.6 亿个 token，而全部上榜模型的中位数是 4300 万——接近 4 倍于中位数的输出量。过度思考不是 Simon 的体感，是有账单的。
但推理也不是废物
在把默认档骂完之后，Simon 补了一个反例：他让模型给图片做 bounding box 标注并生成标注工具，关闭推理时结果「几乎能用，但框的位置是错的」；开启推理后就对了。他的原话："this is a good example of how reasoning can make a difference"。
所以正确的结论不是「推理无用」，而是推理深度应该按任务分配，而这个模型把最贵的档位设成了出厂默认。
实操：三档怎么调，速度怎么救
推理档位。reasoning_effort 有三档：xhigh（默认）/ medium / low，也可以完全关闭 reasoning。Simon 的明确建议："My strong recommendation: ignore that default. Run Qwen 3.8 27B on low or even no reasoning levels at first."（强烈建议无视默认值，先用 low 甚至无推理档跑。）日常问答、代码补全、格式转换用 low/off；确实需要多步推理的任务（复杂调试、空间理解类）再升 medium/xhigh。
速度。dense 架构吃内存带宽，这是它在本地跑不快的结构性原因——LM Studio 下 Simon 实测只有 15-30 token/s，他坦言「感觉慢……要把我从托管 API 模型那里赢回来还很难」。但有个额外的翻盘点：模型内建了 Multi-Token Prediction（MTP），llama.cpp 用 --spec-type draft-mtp 开启后，Simon 在 DGX Spark 上实测提速约 72%（方法来自 Georgi Gerganov 的推文）。用 llama.cpp/llama-server 的用户别漏掉这个开关。
为什么这个模型重要
Simon 给这个模型的总评有两句值得抄下来。
第一句关于现在："The fact that a 17GB file can do all of this stuff on my home machines is a miracle."（一个 17GB 的文件能在我家里的机器上干出这一切，是个奇迹。）他还确认这是「迄今为止本地模型画出的最好的鹈鹕」，视觉 bounding box 的精度「好得惊人」，还能驱动 Pi coding agent 读 Datasette 源码并写出可用工具。
第二句关于趋势："The most important thing about Qwen 3.8 27B is what it demonstrates."（这个模型最重要的，是它证明了什么。）一年前这个水平的能力还需要几百 GB 的旗舰模型；现在它被压进了 17GB、Apache 2.0、任何人都能下载的文件里。dense 追平 MoE、本地追赶云端的速度，比任何一家厂商的路线图都快。
只是记得：下载完之后，第一件事是把 reasoning_effort 调低。好模型配错默认值，白白浪费你 21 分钟。
资料来源： Simon Willison：Qwen 3.8 27B is excellent, but it defaults to wildly overthinking things Artificial Analysis：Qwen3.8 27B 模型页 Qwen 官方：发布博客 / Hugging Face 模型卡 Hacker News：发布帖（1423 分） / Simon 评测帖（751 分） / AA 52 分帖（305 分）