Qwen3.8 27B 在 Artificial Analysis 获 52 分
Qwen3.8 27B scores 52 on Artificial Analysis
Artificial Analysis 发布了最新的 Intelligence Index v4.1.1 评估报告，Qwen3.8 27B 模型在综合智能指数中取得了 52 分的成绩。该指数涵盖了 GDPval-AA v2、GPQA Diamond、Humanity's Last Exam 等九项严苛测试，全面衡量了模型在推理、知识可靠性及幻觉控制方面的表现。报告不仅对比了开源与闭源模型的智能差异，还深入分析了每单位智能指数的运行成本与 Token 消耗。数据显示，Qwen3.8 27B 在保持高推理能力的同时，展现了极具竞争力的性价比，为开发者在 RAG 工作流和复杂任务处理中提供了新的选择。
AA-Omniscience Index 越高越好，它衡量知识的可靠性与幻觉程度，奖励正确回答，惩罚幻觉，且对拒绝回答不扣分。
HN 评论区
174- beltsazar
作为对比，Qwen3.6 27B 的得分为 38，这在它所属的小模型类别（4B–40B）中是最高的。
Qwen3.8 27B 则超越了所有中型模型（40B–150B）。它的得分与 DeepSeek V4 Flash 0731 持平，后者在大模型类别（> 150B）中排名第 5。
来源：
- https://artificialanalysis.ai/models/open-source/small
- Balinares
再次证明，Qwen 3.8 27B 击败了 Opus 4.6，这到底是怎么回事。
既好笑又有点吓人，我到现在还不敢相信。这模型在游戏 PC 上就能跑得不错！Opus 4.6 才发布 6 个月，当时还被广泛认为是以绝对优势领先的 SOTA（最先进模型）！他们到底是怎么把相当于 2026 年 2 月前沿 SOTA 水平的能力塞进 27B 参数的？！
更重要的是，既然一个足够好的模型能在几年前发布的 GPU 上运行，那投入史无前例的巨额债务去建设怪兽级数据中心还有什么意义？
接下来的几个月肯定会很精彩，毫无疑问……
- x313
我上周末大量使用了这个模型，它真的很聪明，也很怪异。
在高级推理层面，它表现得非常有“代理感”（agentic）。像目标追踪和工具调用这些基础功能它做得很好，但不仅如此，它对解决问题有着近乎痴迷的执着，为了找到解决方案会做出一些疯狂或不寻常的事情。这实际上让我想起了 GPT-5.6-Sol-max，后者同样有着这种痴迷特质。
它得分超过 Opus 4.6 一点也不让我惊讶。Opus 的世界知识要好得多，但在代理任务上更像“人”——有点懒惰且缺乏创造力，基本上在显而易见的方案失败后就放弃了。这些新模型更像是在施法，它们在寻找解决方案时是如此富有创造力和坚持不懈。
- K0IN
我大量使用了 Qwen 3.6 27B（超过 10 亿 token）和 DeepSeek V4 Flash（旧版也用了 20 亿+ token）。
我实在无法理解新的 3.8 版本竟然击败了新的 DeepSeek V4 Flash（在我看来，后者是最好的日常 coding 模型之一）。
这发布太疯狂了，而且尺寸非常适合日常/本地使用。
不过我会对这个模型进行广泛测试。
- kmike84
我有一个内部自动化基准测试，大致遵循我的工作流，我一直在上面测试各种本地和云端模型。Qwen 3.8 27B 表现非常出色。它的理解是正确的，研究能力比例如 glm 的更强（我很喜欢 glm），实现过程也很好且谨慎。
Qwen 3.8 27B 看起来并没有为了刷分而优化（benchmaxxed）。这些