Qwen3.8-27B 和 Qwen3.6-35B-A3B-FP8 能力对比

撰写日期：2026-08-16
数据来源（均为 ModelScope 官方仓库的 README 与仓库元数据，采集于 2026-08-16）：

注意：两个模型的官方 README 均没有把对方作为对比基线，本文中的"直接对比"基于两者 README 中同名基准的分数拼合而成，评测脚手架（harness）存在差异，差距数字仅供参考（详见文末"注意事项"）。

一、结论速览（TL;DR)

维度更强的一方说明
纯模型能力（编码/推理/Agent）Qwen3.8-27B更新的世代；8 个同名可比基准全部领先 3.2~12.9 分
多模态 Agent（电脑/浏览器/手机操控）Qwen3.8-27BOSWorld 84.3 等一组 3.6-A3B 未公布的强项
视觉理解（图文/文档/视频）Qwen3.8-27B（微弱）重叠基准上仅领先 0.6~5.7 分，基本同档
推理效率 / 单 token 成本Qwen3.6-35B-A3B-FP8MoE 每 token 仅激活约 3B 参数，理论计算量约为 27B 稠密的 1/9
高并发在线服务性价比Qwen3.6-35B-A3B-FP8解码算力需求低 + FP8 权重，吞吐/成本优势明显
本地/边缘部署门槛Qwen3.6-35B-A3B-FP8官方支持 KTransformers CPU+GPU 异构推理
思考深度控制Qwen3.8-27B独有 reasoning_effort（xhigh/medium/low）官方档级调节

一句话总结：Qwen3.8-27B 是"能力优先"的新一代稠密旗舰（27B 全激活），Qwen3.6-35B-A3B-FP8 是"效率优先"的上一代 MoE 主力（35B 总参/3B 激活，FP8 量化）。前者单点能力全面占优，后者在每 token 成本、吞吐和本地部署上占优。选谁取决于你的约束是"要最强的效果"还是"要最便宜的可接受效果"。

二、两个模型是谁

Qwen3.8-27B（2026-08 发布，4 天前上线 ModelScope）

官方定位引自其 README：

“Qwen3.8, the most capable generation in the Qwen open-model family to date… a compact, deployment-friendly dense model: a native vision-language model that understands images and videos, with flexible thinking control.”

  • 官方称之为"Qwen 开源家族迄今最强的一代"，主打编码、专业工作、研究和长程 Agent 任务。
  • 发布 4 天，下载量 30,907，处于 ModelScope 置顶位（IsTop=99、IsNewModel）。
  • 官方同时预告 Qwen Cloud 托管版"coming soon"：默认 1M 上下文、官方内置工具。
  • 对比表中 Qwen 把 Opus4.6 Max 作为基线之一：Qwen3.8-27B 在 SWE-bench Pro（61.7 vs 53.4）、QwenSWEBench（79.0 vs 63.8）、OSWorld（84.3 vs 72.7）、IFBench（79.5 vs 62.5）上超过该闭源旗舰，在 Terminal Bench 2.1（73.0 vs 78.2）、GPQA Diamond（89.2 vs 91.3）、HLE（30.8 vs 40.0）上落后——即"开源 27B 逼近/部分超过闭源旗舰"的定位。

Qwen3.6-35B-A3B-FP8（2026-04 发布）

  • Qwen3.6 世代的首个开放权重变体（FP8 量化版），基座为 Qwen/Qwen3.6-35B-A3B，官方量化说明：

    “The quantization method is fine-grained fp8 quantization with block size of 128, and its performance metrics are nearly identical to those of the original model.”
    即下文引用 Qwen3.6-35B-A3B 原版分数时，默认 FP8 版性能"几乎一致"（官方口径，非独立复测）。

  • 官方定位：强调稳定性与真实生产力，“prioritizes stability and real-world utility”，重点升级 Agentic Coding（前端工作流、仓库级推理）。
  • 上线 4 个月，下载量 1,242,934，80 star，社区验证充分；DashScope（阿里云百炼）提供 Qwen3.6-35B-A3B 托管服务。

命名提示：Qwen3.8 README 里的对比基线 “Qwen3.6-27B” 是 3.6 世代的稠密 27B，与本文主角 Qwen3.6-35B-A3B（MoE）不是同一个模型，阅读时不要混淆。

三、规格与架构对比

项目Qwen3.8-27BQwen3.6-35B-A3B-FP8
ModelScope 上传时间2026-08-122026-04-16
世代Qwen3.8（新）Qwen3.6（旧一代）
模型类型稠密（Dense）MoE（混合专家）
参数规模27B（全部激活）总 35B / 每 token 激活约 3B
层数6440
隐藏维度51202048
词表/Embedding248,320（Padded）248,320（Padded）
层布局16 × (3×(Gated DeltaNet→FFN) + 1×(Gated Attention→FFN))10 × (3×(Gated DeltaNet→MoE) + 1×(Gated Attention→MoE))
Gated DeltaNet（线性注意力）V 48 头 / QK 16 头，head dim 128V 32 头 / QK 16 头，head dim 128
Gated Attention（全注意力）Q 24 头 / KV 4 头，head dim 256，RoPE 64Q 16 头 / KV 2 头，head dim 256，RoPE 64
FFN / MoE稠密 FFN，intermediate dim 17,408256 专家，激活 8 routed + 1 shared，expert intermediate dim 512
MTP（多 token 预测）多步训练多步训练（SGLang NEXTN×3 / vLLM qwen3_next_mtp 投机解码）
视觉编码器有（原生图像+视频，宣称支持小时级视频）有（原生图像+视频，长视频同样需调大 longest_edge）
权重精度BF16，约 27.78 GB细粒度 FP8（block 128）+ 部分 BF16，约 35.95 GB（仓库存储 37.5 GB）
上下文原生 262,144，YaRN 扩至 1,000,000原生 262,144，YaRN 扩至 1,010,000
许可证Apache-2.0Apache-2.0
架构类名Qwen3_5ForConditionalGenerationQwen3_5MoeForConditionalGeneration

架构解读：

  1. 两者同为 Qwen3.5 系混合注意力架构：3/4 层用 Gated DeltaNet（线性注意力，状态大小固定、长上下文成本极低），1/4 层用 Gated Attention（KV cache 随长度增长）。上下文上限因此都能轻松拉到 ~1M。
  2. 关键分叉在 FFN：
    • 3.8-27B 是稠密：每 token 过完整 27B 参数，理论计算量 ≈ 2×27B = 54 GFLOP/token [估算]，“每一分能力都要付全额算力”。
    • 3.6-35B-A3B 是 MoE：256 专家中只激活 8+1 个，每 token 理论计算量 ≈ 2×3B = 6 GFLOP/token [估算]，约为稠密 27B 的 1/9。代价是所有专家权重都要驻留显存（35.95 GB > 27.78 GB），即"权重更重、计算更轻"。
  3. 长上下文内存 [按注意力头配置估算]：KV cache 每 token 元素量，3.8-27B = 16 层×2×4 KV 头×256 ≈ 32,768；3.6-A3B = 10 层×2×2×256 ≈ 10,240，前者约为后者 3.2 倍；线性注意力状态前者也约为后者 2.4 倍。跑满 1M 上下文时，3.6-A3B 的显存压力更小。

四、功能（Feature）差异

功能Qwen3.8-27BQwen3.6-35B-A3B-FP8
思考模式默认开，可按请求关闭默认开，可按请求关闭（不支持 /think /nothink 软开关）
思考深度调节官方 reasoning_effort：xhigh（默认）/ medium / lowREADME 未提供该档级参数
历史思考保留 preserve_thinking默认开启（保留全部历史消息的思考块）默认关闭（只保留最近一轮思考，可显式开启）
官方推荐采样思考：t=1.0, top_p=0.95, top_k=20, min_p=0, presence=0.0；非思考：t=0.7, top_p=0.8, presence=1.5思考(通用)：t=1.0, top_p=0.95, top_k=20, presence=1.5；思考(编码)：t=0.6；非思考同左
官方推荐输出长度思考 ≤262,144 + 最终 ≤131,072（1M 上下文内）常规 32,768；竞赛级复杂题 81,920
工具调用/Agent支持；chat template 内建多步工具调用；托管版将带"官方内置工具"支持；提供 qwen3_coder tool-call parser、Qwen-Agent / Qwen Code 官方示例
视频理解支持，宣称小时级视频支持，长视频需调 longest_edge=469,762,048（224k 视频 token）
长上下文方案YaRN（vLLM/SGLang/TokenSpeed 均给出具体参数）YaRN（transformers/vLLM/SGLang/KTransformers 均给出具体参数）
推理框架SGLang / vLLM / TokenSpeed 官方 cookbook/recipeSGLang≥0.5.10 / vLLM≥0.19.0 / KTransformers / transformers serve
CPU+GPU 异构未提及官方支持（KTransformers）
托管服务Qwen Cloud 版即将上线（默认 1M 上下文）DashScope 已上线（Qwen3.6-35B-A3B）
文本-only 部署—vLLM --language-model-only 跳过视觉编码器省显存

功能层面的实质差异：

  • 3.8 多了 reasoning_effort 三档（xhigh/medium/low），可以在"质量-成本"之间官方化地调档；README 还特别提示：多步 Agent 任务中调低 reasoning effort 未必省总时长（可能因分析不足而重试）。
  • 3.8 默认 preserve_thinking=true（全量保留历史思考），3.6 默认 false（仅最近一轮）——3.8 更激进地押注"完整推理链延续"对 Agent 的一致性收益。
  • 3.6 独有 KTransformers 官方支持，这是消费级/边缘硬件跑 35B 级模型的官方通路，3.8 的 27B 稠密目前没有对等选项。

五、推理效率与部署成本

项目Qwen3.8-27B（BF16 稠密）Qwen3.6-35B-A3B-FP8（FP8 MoE）
权重体积~27.8 GB~35.9 GB（FP8）
每 token 激活参数27B~3B
每 token 理论计算量~54 GFLOP [估算]~6 GFLOP [估算]（约 1/9）
单流解码速度较慢（计算密集）快得多（只读激活专家的权重）
并发吞吐/单请求成本高成本低成本（典型"小激活 MoE 跑高并发"场景）
长上下文（→1M）显存KV 增长更快（约为对方 3.2 倍 [估算]）更省
最低硬件形态建议专业 GPU（多卡或大显存单卡+缩短上下文）可 KTransformers CPU+GPU 异构；vLLM 官方示例 TP8@262K
投机解码MTP（多步训练）MTP（官方给出 NEXTN×3 / 2 draft token 命令）

部署判断：

  • 同样的 GPU 上，3.6-A3B 的单 token 解码速度和高并发吞吐显著占优——这是 MoE 的结构性优势，与量化无关；FP8 再叠加一层显存/带宽节省。
  • 3.8-27B 的算力成本约为对方的 9 倍 [估算]，单流延迟敏感、批量小的场景（如交互式 Agent 单用户深推理）差距会被放大；若走官方托管版（1M 上下文 + 内置工具）则把成本问题外包给 Qwen Cloud。
  • 两者在 262K 上下文下都不是"一张消费级显卡轻松跑"的量级；3.6 的差异化答案是 KTransformers，3.8 目前答案是多卡/托管。

六、基准测试对比

6.1 两 README 重叠的同名基准（直接对比）

Qwen3.6 侧分数为其原版（BF16）模型成绩；FP8 版按官方口径"几乎一致"。
⚠️ 两侧评测脚手架不同（3.8 多用 Claude Code harness、256K 上下文；3.6 SWE 系列用内部 bash+file-edit 脚手架、200K 上下文），差距是参考值，不是严格 A/B 实验值。

基准能力Qwen3.8-27BQwen3.6-35B-A3B差值
SWE-bench Pro仓库级 Agentic 编码61.749.5+12.2
NL2Repo(-Bench)仓库级代码生成42.329.4+12.9
LiveCodeBench v6竞赛编程90.380.4+9.9
HLE多学科高难推理30.821.4+9.4（判官口径可能不同：3.8 注明 GPT-4o 判分）
GPQA (Diamond)科研推理89.286.0+3.2（3.6 侧标注为 “GPQA”）
RealWorldQA真实场景视觉问答85.985.3+0.6
OmniDocBench 1.5文档智能91.189.9+1.2
CharXiv (RQ)科学图表分析83.7（无CI）/ 90.2（有CI）78.0+5.7 ~ +12.2

结论：8 个可对比基准全部由 Qwen3.8-27B 领先；文本/编码侧差距大（+9.9+12.9），视觉侧差距小（+0.6+5.7）。

6.2 各自独有基准（无对方数据，仅作能力画像）

仅 Qwen3.8-27B 公布（偏"新一代 Agent 旗舰"画像）：

基准分数类别
Terminal Bench 2.173.0终端 Agentic 编码
QwenSWEBench79.0软件工程（自研）
DeepSWE 1.142.2深度 SWE
CoWorkBench70.7长程办公协作
JobBench33.4职业任务
Agents’ Last ExamPass@1 20.4 / Score 42.9前沿 Agent 任务
IFBench79.5指令遵循
OSWorld-Verified84.3电脑操控（Computer Use）
WebArena-Verified64.8浏览器操控
AndroidWorld81.9手机操控
RecreationBench47.1应用复刻（自研）
ClawEval-MMPass@3 57.4 / Avg 56.9多模态工具使用
SWE-MM38.6多模态软件工程
Vision2Web62.9视觉 Web 开发
MathVision90.0（无CI）/ 94.6（有CI）视觉数学
BabyVision65.7 / 85.6视觉推理
ERQA65.5具身智能

仅 Qwen3.6-35B-A3B 公布（偏"上一代生产力主力"画像）：

基准分数类别
SWE-bench Verified73.4SWE（经典口径）
SWE-bench Multilingual67.2多语言 SWE
Terminal-Bench 2.051.5终端 Agentic 编码（版本与 3.8 的 2.1 不同，不可直接比）
Claw-EvalAvg 68.7 / Pass^3 50.0编码 Agent
SkillsBenchAvg5 28.7技能
QwenClawBench52.6真实用户分布 Agent（自研）
QwenWebBench1397（Elo）前端代码生成（自研）
TAU3-Bench / MCPMark / MCP-Atlas / WideSearch67.2 / 37.0 / 62.8 / 60.1通用 Agent/工具调用
MMLU-Pro / MMLU-Redux / SuperGPQA / C-Eval85.2 / 93.3 / 64.7 / 90.0知识
HMMT Feb25 / Nov25 / Feb2690.7 / 89.1 / 83.6数学竞赛
IMOAnswerBench / AIME2678.9 / 92.7数学竞赛
MMMU / MMMU-Pro / MathVista / MMBench81.7 / 75.3 / 86.4 / 92.8视觉综合
CC-OCR / AI2D81.9 / 92.7OCR/图表
VideoMME / VideoMMMU / MLVU / MVBench / LVBench86.6 / 83.7 / 86.2 / 74.6 / 71.4视频理解

6.3 家族内定位参照（帮助理解量级）

  • 3.8-27B vs Qwen3.6-27B（稠密，来自 3.8 的表）：全线大幅提升——Terminal Bench 63.4→73.0，SWE-bench Pro 53.5→61.7，OSWorld 63.9→84.3，CoWorkBench 61.0→70.7，LiveCodeBench 83.9→90.3，HLE 24.0→30.8。说明 3.8 相对上一代是大版本级跃升，而非小修。
  • 3.6-35B-A3B vs Qwen3.5-27B（稠密，来自 3.6 的表）：Terminal-Bench 2.0 41.6→51.5（+9.9），但 SWE-bench Verified 75.0→73.4、HLE 24.3→21.4、MMLU-Pro 86.1→85.2 略降或持平，数学竞赛与知识基本打平（AIME26 92.7 vs 92.6）。即 3.6-A3B ≈ “3.5-27B 的能力，3B 激活的成本，Agentic 编码更强”。
  • 串起来看：3.8-27B（新稠密）> 3.6-35B-A3B（旧 MoE）>≈ 3.5-27B（旧稠密），而 3.6-A3B 与 3.5-27B 是"能力近似、成本悬殊"的一对。

七、分领域能力判断

  1. Agentic 编码 / 软件工程：Qwen3.8-27B 明显更强。SWE-bench Pro +12.2、NL2Repo +12.9，且 DeepSWE/QwenSWEBench 这类长程仓库任务分数（42.2 / 79.0）是 3.6-A3B 未涉足的深水区；3.6-A3B 的 SWE-bench Verified 73.4 放在 2026 年仍属第一梯队，只是不再是"最强"。
  2. 纯推理 / STEM：Qwen3.8-27B 领先（LCB v6 90.3 vs 80.4，GPQA 89.2 vs 86.0，HLE 30.8 vs 21.4）。但注意 3.6-A3B 的数学竞赛分数本身很高（AIME26 92.7、HMMT 83.6~90.7），只是 3.8 的表里没有同口径对照，不能断言 3.8 数学全面碾压 [无直接数据]。
  3. 知识：3.6-A3B 的 MMLU-Pro 85.2 / MMLU-Redux 93.3 / C-Eval 90.0 接近稠密 3.5-27B 水平；3.8 未公布 MMLU 系，无法直接比 [无直接数据]，但其 IFBench 79.5（指令遵循）为两者中唯一公布值，很高。
  4. 视觉理解：基本同档。重叠项上 3.8 小幅领先（RealWorldQA +0.6、OmniDocBench +1.2、CharXiv +5.7），而 3.6-A3B 有一整套扎实的 VL 成绩（MMMU 81.7、MathVista 86.4、VideoMME 86.6、CC-OCR 81.9），说明其视觉并非短板——"MoE 小激活"在视觉任务上并没有明显掉队。
  5. 多模态 Agent（Computer/Browser/Mobile Use）：目前只有 Qwen3.8-27B 公布了这一组（OSWorld 84.3、WebArena 64.8、AndroidWorld 81.9、RecreationBench 47.1），且 OSWorld 分数超过多个闭源旗舰。在"看屏幕操作电脑/手机"这类任务上，3.8-27B 是明确的更优选择（3.6-A3B 无对应数据，不能直接说它弱，但选型时应把这一票投给 3.8）。
  6. 视频理解：都支持小时级长视频（都需调大 longest_edge）；3.8 的表未含 VideoMME 类基准 [无直接数据]，3.6-A3B 公布 86.6（带字幕）。此项视为平手。

八、选型建议

选 Qwen3.8-27B，当：

  • 目标是"效果上限"：长程 Agentic 编码、仓库级开发、Office/研究类长任务、Computer Use（截图操作电脑/浏览器/手机）。
  • 有充足 GPU 算力（或多卡/上 Qwen Cloud 托管），能接受稠密 27B 的算力成本。
  • 需要官方 reasoning_effort 档级调优、全量 preserve_thinking 的 Agent 会话一致性。

选 Qwen3.6-35B-A3B-FP8，当：

  • 目标是"性价比"：高并发在线服务、多租户 Agent 平台，每 token 成本是主要约束——3B 激活意味着约 1/9 的计算量 [估算] 和更高的单机吞吐。
  • 本地/边缘/混合硬件部署：KTransformers CPU+GPU 异构是官方通路；或 vLLM --language-model-only 纯文本省显存。
  • 任务难度中等（常规 SWE、终端操作、OCR/文档、多模态问答）：3.6-A3B 在这类任务上已是第一梯队（SWE-bench Verified 73.4、CC-OCR 81.9、VideoMME 86.6），且经过 4 个月、百万级下载量的社区验证，成熟度更高。
  • 需要今天就用的托管 API（DashScope 已上线）。

折中策略：把 3.6-35B-A3B 作为"默认档"高并发入口，把 3.8-27B（或其托管版）作为"难任务升级档"，用路由按任务难度分流——这是两者定位差异天然支持的架构。

九、注意事项（比较的边界条件）

  1. 无官方正面对决：两个 README 的对比表中没有共同模型，本文重叠基准的拼合比较受两侧评测脚手架影响——3.8 的 SWE 系用 Claude Code harness、256K 上下文，3.6 的 SWE 系用内部 bash+file-edit 脚手架、200K 上下文；Terminal Bench 版本不同（2.1 vs 2.0，不可比）；HLE 判分模型口径可能不同。
  2. FP8 精度：Qwen3.6 侧分数是原版模型成绩，FP8"几乎一致"是官方声明而非独立复测。
  3. 数据新鲜度：Qwen3.8-27B 发布仅 4 天，无第三方独立评测与社区踩坑记录；Qwen3.6-35B-A3B 有 4 个月积累。3.8 的分数在真实环境中的方差尚待观察。
  4. 估算值标注：文中"每 token 计算量 1/9"、"KV 显存 3.2 倍"等是基于架构参数（激活参数数、注意力层数/KV 头数）的粗略估算，未计入路由开销、注意力与其他小项。
  5. 基准覆盖面差异：3.8 偏 Agent/计算机使用类新基准，3.6 偏经典编码/知识/竞赛数学，部分领域（数学竞赛、MMLU 系、VideoMME 系 vs Computer Use 系）一方有数据另一方没有，对应结论已标注"无直接数据"。

十、附：两模型关键数字一览

Qwen3.8-27BQwen3.6-35B-A3B-FP8
参数27B 稠密35B MoE / 3B 激活（256 专家，8+1）
权重体积~27.78 GB（BF16）~35.95 GB（FP8 block-128）
层数/隐层64 / 512040 / 2048
上下文262K 原生 → 1M262K 原生 → 1.01M
思考控制默认思考；reasoning_effort xhigh/medium/low；preserve_thinking 默认开默认思考；preserve_thinking 默认关（可开）
视觉图像+视频（小时级）图像+视频
下载量（2026-08-16）30,9071,242,934
许可证Apache-2.0Apache-2.0
# 人工智能 # 语言模型
Logo
DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

cover

我用 Qwen3.8-Max 做了一个采购合同风险审查工具：从能分析，到能定位、复核和交付

avatar DeepSeek技术社区
cover

我用 Qwen3.8-MAX 搭了一个教研纪要 Agent，一次集体备课几秒出七段、分歧还不被和稀泥

avatar DeepSeek技术社区

我用 Qwen3.8-Max 做了缠论结构观察员，跑完了从开发到修复的全过程

Qwen3.8-Max 没有替我判断方向，也没有把缠论包装成预测工具。它在开发过程中支持多 Agent 并行，能够理解较长的产品约束和算法边界，拆分文档与实现任务；当子任务停滞后回到主上下文继续推进；再根据“笔断裂”“中枢过宽”这种图上的具体问题，定位到算法文件并补回归测试。复杂项目不能靠一次生成直接交付。Agent Team 会卡住，初版算法也会错。模型放进开发闭环里才有意义，最后还是要靠可检查

avatar DeepSeek技术社区