模型qwen3.8:27b / Qwen 3.8 27B
qwen3.8:27b
Qwen系列的中等规模稠密大语言模型，270亿参数，支持本地部署与文档理解任务
时间轴 (近 90 天)
10月20日
Reddit用户使用Row-Bot 5.0搭配qwen3.8:27b模型，在Ollama上本地运行，仅凭一块消费级GPU完成了读租约、查账单、写邮件、设提醒的完整流程。
待验证50%
10月20日
Row-Bot通过Ollama的本地端口调用qwen3.8:27b，从而完全绕开云端API。
待验证50%
10月20日
一个稠密27B模型在RTX 5090上大约跑到15 tok/s，部分对话轮次耗时超过2分钟。
待验证50%
10月20日
模型读取PDF后定位到条款4.1至4.3，指出涨租幅度10%超出了合同5%的上限，且通知期只有5周而非约定的2个月。
待验证50%
10月20日
模型将8条关联记忆存入本地知识图谱。
待验证50%
10月20日
案例中的文件全部是虚构数据，真实合同的法律效力判断仍需专业人士把关，不应将最终决策外包给模型。
待验证50%
10月20日
27B量级模型在消费级硬件上可运行，同时保留足够的文档理解能力，是一个务实的折中点。
待验证50%
全部知识事实 (7)
待验证
一个稠密27B模型在RTX 5090上大约跑到15 tok/s，部分对话轮次耗时超过2分钟。
50%待验证案例中的文件全部是虚构数据，真实合同的法律效力判断仍需专业人士把关，不应将最终决策外包给模型。
50%待验证27B量级模型在消费级硬件上可运行，同时保留足够的文档理解能力，是一个务实的折中点。
50%待验证Row-Bot通过Ollama的本地端口调用qwen3.8:27b，从而完全绕开云端API。
50%待验证模型读取PDF后定位到条款4.1至4.3，指出涨租幅度10%超出了合同5%的上限，且通知期只有5周而非约定的2个月。
50%待验证Reddit用户使用Row-Bot 5.0搭配qwen3.8:27b模型，在Ollama上本地运行，仅凭一块消费级GPU完成了读租约、查账单、写邮件、设提醒的完整流程。
50%待验证模型将8条关联记忆存入本地知识图谱。
50%