Qwen 推出 27B 稠密模型 Qwen3.8：长上下文、原生多模态与 Agent 的执行能力
阿里通义实验室最近在 Hugging Face 上架了 Qwen3.8-27B，这是一个 27B 参数的原生多模态稠密模型，支持图像和视频理解，默认开启思考模式，原生上下文 262K，可通过 RoPE 缩放扩展到 1M。它不是 MoE 架构，而是沿用 Qwen3.5 的混合设计，在同一张卡上就能跑完整的长程 Agent 任务。
业界主流开源路线几乎都押注 MoE——DeepSeek-V3、Qwen2.5-MoE 系列都是这个思路，用稀疏激活换取参数规模。但稠密模型部署门槛低、推理延迟稳定、KV cache 可预测，Qwen3.8-27B 的目标是在这个区间里重新拉高上限。
架构：DeltaNet + Gated Attention 的混合体
27B 参数的 Qwen3.8-27B 使用了一种混合结构：隐藏维度 5120，64 层，每层包含 3 个 Gated DeltaNet 块 + 1 个 Gated Attention 块，交替堆叠。Gated DeltaNet 负责线性注意力的高效部分（48 个 V 头 + 16 个 QK 头，头维度 128），Gated Attention 负责传统注意力（24 个 Q 头 + 4 个 KV 头，头维度 256）。
DeltaNet 是一种带门的线性注意力变体，在长序列上计算复杂度更低，适合做上下文扩展；传统注意力精度更高，在关键位置提供细粒度建模。
模型支持 Multi-Token Prediction（MTP），训练时多步预测，对推理阶段的吞吐量优化有帮助。量化版本已经在 Hugging Face 上架（66 个量化模型），方便不同硬件条件下的部署。
长上下文和 Agent 执行能力
27B 模型原生支持 262K 上下文，官方声称可通过 YaRN 扩展到 1M。在开源稠密模型里这个水平较高，可以处理长文档、长代码库和长时间 Agent 任务。
官方描述中提到 Agent 任务「更强的自主规划和更好的环境反馈处理」。benchmark 数据：
- SWE-bench Pro：61.7（用 Claude Code harness 评测）
- DeepSWE 1.1：42.2
- CoWorkBench（长程办公任务）：70.7
- JobBench（专业工作任务）：33.4
- Agents' Last Exam：Pass@1 20.4
SWE-bench Pro 和 CoWorkBench 的数据最有参考价值——前者是真实 GitHub issue 修复任务，后者是多领域长程办公任务，都是 Agent 能力的硬指标。同系列的 Qwen3.6-27B 在 SWE-bench Pro 上只有 53.5，CoWorkBench 上 61.0。
多模态：不只是看图，还能看视频
Qwen3.8-27B 是原生多模态模型，支持图像和小时级视频理解。视频处理的默认配置比较保守，官方建议将 longest_edge 设为 469,762,048（对应 224K 视频 token）来启用更高帧率的采样。
多模态 benchmark：
- OSWorld-Verified（电脑使用）：84.3
- WebArena-Verified（浏览器使用）：64.8
- AndroidWorld（手机使用）：81.9
- RecreationBench（应用还原，跨平台）：47.1
- MathVision（带 CI）：94.6
- BabyVision（视觉推理，带 CI）：85.6
- Vision2Web（视觉网页开发）：62.9
OSWorld 和 AndroidWorld 测试的是计算机和手机操作层面的理解能力，RecreationBench 则是跨平台的长程应用还原任务。
思考模式的灵活控制
Qwen3.8 默认开启思考模式，响应前会先生成 reasoning content（<think>...</think> 包裹）。用户可以通过参数控制思考深度：
reasoning_effort：xhigh（默认）、medium、low，分别对应复杂分析、平衡、速度优化preserve_thinking：默认开启，保留历史消息中的思考内容，对多轮 Agent 任务有用- 也可以通过
enable_thinking: false关闭思考，直接用 instruct 模式
官方特别提醒：在长程 Agent 任务中，降低 reasoning_effort 并不总能缩短总耗时——因为分析不足可能导致更多重试。
部署和接入
模型权重以 safetensors 格式发布，兼容 Hugging Face Transformers、vLLM、SGLang、TokenSpeed 等主流推理框架。API 方面，Qwen Cloud 将提供托管服务，默认支持 1M 上下文和内置工具。
推荐采样参数：
- 思考模式：temperature=1.0，top_p=0.95，top_k=20
- Instruct 模式：temperature=0.7，top_p=0.80，top_k=20
建议为 Agent 任务分配充足的输出长度：推理内容 262K，最终输出 131K，在 1M 上下文框架内留出足够空间。
怎么看这个模型
Qwen3.8-27B 在 27B 这个稠密模型区间里，把长上下文、多模态和 Agent 执行能力做到尽可能高的水平。适合需要稳定部署、控制成本、同时处理复杂任务的团队。
它的竞争对手是同量级的开源稠密方案，以及部分闭源 API 的性价比。在 SWE-bench Pro 上领先同系列上一代约 8 个百分点，多模态 Agent 任务上也普遍有 10-20 点的提升。
模型已开源，权重和配置文件可在 Hugging Face 获取，量化版本也已经就位。