Qwen 3.8
阿里巴巴通义千问系列下一代旗舰模型，目标超越GLM 5.2，处于密集测试与发布窗口期
Core Facts
Timeline (last 90 days)
两款模型均受llama.cpp、Ollama、LM Studio支持，也都支持MTP多token预测推测解码加速
在超长上下文测试中，Ornith 1.5早期约75 token/秒，超过160万token后降至约45 token/秒，而Qwen 3.8在相同负载下降至约5 token/秒
在配备512GB统一内存的Apple M3 Ultra上构建3D游戏测试中，Qwen 3.8一次性完成，Ornith 1.5需要6轮独立迭代才勉强接近同等水平
Artificial Analysis作为与阿里巴巴无财务关系的第三方机构，给Qwen 3.8智能指数打52分，代理指数打51分
阿里巴巴Qwen团队的Qwen 3.8 27B于2026年8月14日发布
Qwen 3.8 采用 Apache 2.0 协议的稠密模型，27.7B参数全量激活
在30道 Three.js One-Shot 编程题测试中，Qwen 3.8 通过24题，Ornith 1.5 通过15题，均在Q6量化下运行
Ornith 1.5 推荐 Q4_K_M 量化时整包约需23G显存，建议按27G以上准备；Qwen 3.8 同档 Q4_K_M 只需16到19G
在Artificial Analysis同轮评测中 Qwen 3.8 生成约1.6亿Token，而同级开放模型中位数为4300万Token
Artificial Analysis 给 Qwen 3.8 打出52的智能指数，追平满推理档的 GPT-5.6，智能体分51，高于 Claude Opus 4.8
13 more timeline events
All Facts (20)
Q5_K_M 量化方案每个权重平均约 5.3 比特，32B 参数模型量化后大约需要 20-24GB 存储空间
75%VerifiedQwen3引入了'思考模式'（thinking mode），允许模型在回答前进行内部推理链展开，类似于OpenAI o1系列的Chain-of-Thought推理方式
65%UnverifiedQwen3.5采用混合注意力架构，将Gated Delta Net（线性注意力变体）和Gated Attention（常规注意力）混合使用
90%Unverified两款模型均受llama.cpp、Ollama、LM Studio支持，也都支持MTP多token预测推测解码加速
50%UnverifiedArtificial Analysis作为与阿里巴巴无财务关系的第三方机构，给Qwen 3.8智能指数打52分，代理指数打51分
50%Unverified在配备512GB统一内存的Apple M3 Ultra上构建3D游戏测试中，Qwen 3.8一次性完成，Ornith 1.5需要6轮独立迭代才勉强接近同等水平
50%Unverified在超长上下文测试中，Ornith 1.5早期约75 token/秒，超过160万token后降至约45 token/秒，而Qwen 3.8在相同负载下降至约5 token/秒
50%UnverifiedOrnith 1.5 推荐 Q4_K_M 量化时整包约需23G显存，建议按27G以上准备；Qwen 3.8 同档 Q4_K_M 只需16到19G
50%UnverifiedQwen 3.8 采用 Apache 2.0 协议的稠密模型，27.7B参数全量激活
50%Unverified在30道 Three.js One-Shot 编程题测试中，Qwen 3.8 通过24题，Ornith 1.5 通过15题，均在Q6量化下运行
50%Unverified在从零生成3D游戏任务中，Qwen 3.8 一次提示零引导完成，Ornith 1.5 需迭代六轮
50%UnverifiedArtificial Analysis 给 Qwen 3.8 打出52的智能指数，追平满推理档的 GPT-5.6，智能体分51，高于 Claude Opus 4.8
50%Unverified在Artificial Analysis同轮评测中 Qwen 3.8 生成约1.6亿Token，而同级开放模型中位数为4300万Token
50%UnverifiedQwen 3.8（270亿参数，Q4量化）每token需读取约17GB内存
50%Unverified上下文窗口越大，缓存越多、内存占用越大、速度越慢；以Qwen 3.8为例，256K上下文窗口的缓存可达17GB，速度比小窗口慢两倍
50%Unverified跑Qwen 3.8基础能力的最低目标是配备48GB内存的Mac mini M5 Pro，价格约2300美元
50%Unverified在Artificial Analysis基准中，GLM 5.3 Flash幻觉分数为7，Qwen 3.8（270亿）为-10，本地模型幻觉率高于云端
50%UnverifiedQwen 3.8在M5 Max上基础速度为22 token/s，开启MTP后可提升到34甚至56 token/s
50%Unverified在27B参数规模上，过度激进的权重编辑会导致Qwen 3.8模型陷入思维循环，无法完成正常推理
50%Unverified在预填充阶段Ornith速度接近每秒200个Token，比Qwen快约20个Token
50%