Qwen3.8-27B 權重正式上架：27B 密集模型拿下 SWE-bench Pro 61.7，單機派等到真正的主菜

Qwen3.8-27B 終於從「下週開放」變成可以下載的模型。官方 Hugging Face 頁面標示 Apache 2.0，模型大小約 28B 參數、BF16 權重，架構是帶 vision encoder 的 causal language model；它原生支援 262,144 token context，並可透過長上下文技巧延伸到 1,000,000 token。這些規格讓它的位置很清楚：Qwen3.8-Max 是雲端旗艦，27B 則是給想握住權重、成本與資料邊界的人。

官方比分最亮的地方在軟體工程。Qwen3.8-27B 在 Terminal Bench 2.1 拿 73.0，SWE-bench Pro 61.7，NL2Repo-Bench 42.3，DeepSWE 1.1 達 42.2，QwenSWEBench 則是 79.0；對照 Qwen3.6-27B 的 63.4、53.5、36.2、13.3 與 49.3，這不像小改版。尤其 DeepSWE 與 QwenSWEBench 的躍升，說明 Qwen 團隊真正想補的是長流程 coding agent：讀 repo、跑終端、修錯、承受環境回饋，而不是只在單題解碼上刷分。

一般推理與代理任務也有可看之處。LiveCodeBench v6 為 90.3，高於 Qwen3.6-27B 的 83.9，也略高於表中 Opus4.6 Max 的 88.8；GPQA Diamond 是 89.2，HLE 30.8，IFBench 79.5。長工時工作流方面，CoWorkBench 70.7、JobBench 33.4、Agents' Last Exam Pass@1 20.4／Score 42.9，都比上一代 27B 明顯前進。這些數字共同指向一件事：27B 不再只是本地聊天模型，而是開始被定位成可承擔工具調用與多步驟工作的人力替代層。

多模態分數同樣值得注意。OSWorld-Verified 84.3、WebArena-Verified 64.8、AndroidWorld 81.9、RecreationBench 47.1、SWE-MM 38.6、Vision2Web 62.9；在 MathVision 上，官方列出 without CI 90.0、with CI 94.6，BabyVision 則從 without CI 65.7 到 with CI 85.6。這裡的「with CI」不是信賴區間，而是 benchmark 設定中的輔助條件；讀分數時不能把它和統計置信度混為一談。

中肯地說，這份 model card 讓 Qwen3.8-27B 很有吸引力，但還不到可以無腦替換所有本地模型。SWE-bench Pro、NL2Repo、DeepSWE 與 Vision2Web 多用 Claude Code harness 或 Qwen 內部 benchmark，部分基準還註明修正題目或由 GPT-4o / GPT-5.4 擔任 judge。這不代表分數不可信，而是提醒團隊：官方比分適合決定是否投入測試，不適合直接當成上線保證。最合理的用法，是把它放進自己的 repo 修復、終端任務、UI 重建、文件理解與長上下文工作流，跟現有 Qwen3.6-27B、GLM、Kimi 或閉源 API 做同題多輪比較。

如果說 Qwen3.8-Max 是告訴市場「Qwen 的天花板在哪裡」，Qwen3.8-27B 則更像夜裡亮起的一盞工作燈。它不是最大的模型，卻可能是最多工程團隊真正會摸到、量化、部署與微調的那一個。對本地 AI 使用者來說，今天的新聞不只是模型上架，而是 27B 這個甜蜜尺寸重新變得值得期待。