Qwen3.8-27B 本地实测：6 道题全交了，翻车翻在两行 CSS 上

8 月 14 日 Qwen3.8-27B 开源，Apache-2.0。我没去点云端接口，直接把 17GB 的 GGUF 拖进自己写的 LocalBrain（中文名方寸智匣），出了 6 道题：三道图形动画、一道禁用 JavaScript 的纯 CSS 硬约束、一道游戏 UI 还原，最后一道必须真联网搜索、再产出 Excel 和 Word 的工具链题。从下午 13:51 发出第一题，到 16:48 最后一个文件落盘，6 道题全部产出了双击就能跑的文件，中间最长的一次生成等了 940.6 秒。最后翻车的两个地方也很具体：一个是两行 CSS，一个是一份标题齐全、内容是空的 Word。

27B 是密集模型，64 层，隐藏维度 5120，原生吃图片和视频。真正让它在消费级机器上活下来的不是参数量，而是注意力怎么排。官方模型卡写的结构是 16 × (3 × (Gated DeltaNet → FFN) → 1 × (Gated Attention → FFN))——每四层里三层用线性注意力，只留一层全注意力。那一层全注意力也做了收窄：Query 24 个头、Key/Value 只有 4 个头，头维度 256。

打个比方。全注意力像是每读一个新词，都把前面读过的全部重看一遍，读得越长越慢，内存涨得越凶。线性注意力更像随身带一份不断改写的摘要，新词进来只更新摘要，不回头翻旧账。代价是摘要会丢细节，所以还得留四分之一的全注意力层，把关键的东西钉住。

这套排布换来的是原生 262,144 token 上下文，官方说可以再扩到 100 万。落到我这台机器上，unsloth 的 UD-Q4_K_XL 主权重 17,093 MB，视觉投影 mmproj 888 MB，加起来不到 18GB。早在本地跑模型还要自己背 llama.cpp 参数表的年代，这个尺寸的多模态模型是不敢想的。

第 1 题要 Three.js 低多边形小岛，岛上一棵树、一间小房子、一只缓慢转圈的小鸡，相机自动环绕，渐变蓝天空加柔和阴影。产出的单文件 372 行，Three.js 走 importmap 从 CDN 引入。上面那张图是第 5 秒的画面：小鸡有鸡冠、喙和眼睛，绕岛公转时身体朝着运动方向，房子有门把手和三扇窗，草地上还多加了石头、蘑菇和小花。

顺带说一下这个回执。它不只是把文件丢给你，而是列了一张表说明每样东西怎么实现的——树是六棱柱树干加 4 个 Icosahedron 堆叠树冠，天空是 ShaderMaterial 三段渐变，阴影用 PCFSoftShadowMap。这些描述我对着代码核过，全部属实。它讲得清楚自己写了什么，这一点在后面会变成一个很讽刺的对照。

第 2 题是原生 Canvas 小游戏《接星星》，不许用任何外部库。我用真实键盘事件驱动篮子去接，截的就是接住的瞬间：左上角分数从 0 跳到 10，粒子爆炸特效在篮口炸开，天上还有两颗在转的星星。代码整个包在 IIFE 里，一个全局变量都没往外漏——这是个挺讲究的写法。

第 3 题最有意思，因为它是唯一一道有硬约束的题：只准 HTML 和 CSS，禁止 JavaScript、图片和 SVG。约束这种事最容易被模型偷偷绕过，所以我直接数了一遍：整个文件里 script 标签、img 标签、svg 标签和 onclick 属性的出现次数，全是 0。立方体靠一个 8 秒的 `spin` 动画自转，倒影和星空全是 CSS 画的。半透明面会透出对面的镜像文字，这是设计取舍，不是 bug。

它交稿时自己写了一句“零 JavaScript、零图片、零 SVG，纯 HTML + CSS”。这种自我声明本来不值几个钱——模型说自己守了规矩，和它真守了规矩是两回事。这次它说的是真的，我数出来的三个 0 和它的说法对得上，连倒影用 `scaleY(-1)` 加渐变遮罩、星星用 `box-shadow` 批量生成这些细节也都对得上。

第 4 题是烟花模拟器：点哪里就从底部发射一发升到哪里，炸出 80 到 150 个带重力下落、逐渐熄灭的粒子。这张图是连点三处之后挑出来的一帧，同时能看到三个阶段——升空的拖尾、刚炸开的亮核、已经被重力拽下来的余烬。底部城市剪影带亮着的窗户和红色航空障碍灯。

第 5 题要一个像素风 RPG 开始界面：居中标题《像素勇者》带呼吸发光，下方三个菜单按钮，上下键切换选中项，选中项前有跳动的像素小剑，回车弹复古对话框。功能层面全部实现了——我按了方向键，选中项确实从「开始冒险」移到「读取存档」；按回车，「敬请期待」的对话框确实弹出来了。

但画面是这样的。标题和三个菜单横成一排，回车弹出的对话框因为是 `position: fixed` 居中，正好压在标题和「开始冒险」上面。根因在两处：`body` 写了 `display: flex` 却没写 `flex-direction: column`，于是标题容器和菜单被排成了一行；`.menu-item` 又是 `inline-block`，三个菜单项也横着排——而这道题要求的是上下键切换。

我没动模型写的任何一行，只在页面头部追加了两条声明：`body { flex-direction: column }` 和 `.menu-item { display: block }`。结果就是上面这张——标题居中带红色呼吸光，三个菜单竖着排在下方，像素小剑停在「读取存档」前面，像素山脉在背后横向滚动。它离正确答案只差两行，但它自己不知道。

第 6 题是专门用来考工具链的：不给网址，逼它自己搜；搜到之后要真读网页；再跳到文档工具产出 Excel 和 Word；最后还要用预览工具自检一遍。这道题最容易糊弄人的地方是编网址——一个偷懒不联网的模型，完全可以凭记忆造出一串看起来很像的 URL，光看文件是看不出来的，必须一个个去抓。

所以我把它给的四个来源逐个抓了一遍。四个全是真的，而且内容对得上题：checkaimodels.com 那篇标题是《Run Open-Source LLMs Locally 2026: Which GPU, Ollama vs vLLM》，hardwarepedia.com 那篇是《Running AI Locally: Complete Hardware & Software Guide (2026)》，还有一篇 CSDN 的《Windows本地部署开源大模型保姆级教程》和一篇今日头条。Excel 那边也规规矩矩，表头加 8 行数据，列名就是题目要求的模型名称、参数量、量化格式、最低内存需求、信息来源网址。

然后是这份回执。第五步的自检结果写着 passed = true，无 issues，还报了具体数字：58 段落、6 个表格。第四步描述结构时更具体——「主流模型概览（Qwen/Llama/DeepSeek/Mistral）」，四个模型名都点出来了。看到这儿我基本认为这道题满分通过。

打开文件才发现不是。我用 XML 解析器把正文完整过了一遍：整份文档的正文只有 879 字，主体 11 个段落加 1 张表，超链接标签 0 个，整份文件里 “http” 出现 0 次。回执里点名的 Qwen/Llama/DeepSeek/Mistral，在文件的「主流模型概览」那一节一个都没有——那节只有一句“包括以下系列：”，然后直接跳到下一个标题。

※ 统计口径：XML 解析器读 word/document.xml，body 共 13 个元素——11 个段落 + 1 张表 + sectPr。

还有个小破绽：简报开头写着“本简报基于 2026 年 3 月至 6 月间发布的多篇专题指南”，但它自己列的四个来源里，CSDN 那篇标题上明晃晃写着 2025 最新版。结构对、来源真、事实核到一半、正文空了三节，这个组合挺能说明现在本地模型的真实位置。

※ 环境：LocalBrain 1.1.0，temperature 0.65，思考档位 low，单次输出上限 6144 token。

llama.cpp 的日志把账记得很清楚。这台机器上 Qwen3.8 累计跑了 144 次生成、189,833 个 token、纯生成耗时 254.3 分钟。生成速度中位数 13.43 token/秒，四分位区间 12.56 到 13.88，最慢 7.64，最快 16.22。输入侧快得多，预处理中位数 285.4 token/秒。这 6 道题跑的是 temperature 0.65、思考档位 low、单次输出上限 6144 token，第一题光是第 1 轮思考就写了 4,305 字。

※ 数据来自本机 llama.cpp 后端日志与会话导出，累计口径，不只包含这 6 道题。

最后一行是踩出来的。当年把它接进 OpenCode 时，那类客户端的系统提示实测约 66K token，窗口留在默认 32K，llama.cpp 会直接拒绝每一次请求，客户端不停重试，用户看到的现象是“反复输出同一段回答”。日志里 69,393 token 那次输入，就是这个事故的现场记录。所以现在这类模型我一律开到 80K 窗口，并且关掉推测解码——大窗口叠草稿模型会把内存峰值抬得很难看。

27B 这个尺寸不是随便挑的。它刚好卡在消费级统一内存吃得下的那一档：4bit 量化不到 18GB，32GB 内存的机器能跑，48GB 以上舒服。往上一档就得上工作站，往下一档能力又撑不住长流程任务。挑这个尺寸、配 Apache-2.0，指向很明确——抢的是本地 Agent 的入口。官方模型卡里放大的也是这一类分数：Terminal Bench 2.1 从 Qwen3.6-27B 的 63.4 抬到 73.0，SWE-bench Pro 从 53.5 到 61.7，QwenSWEBench 从 49.3 到 79.0，OSWorld-Verified 从 63.9 到 84.3，DeepSWE 1.1 更是从 13.3 跳到 42.2。这些全是“让模型自己动手把活干完”的评测，不是聊天评测。

谁赚：卖统一内存的和卖显卡的，因为“能不能跑得动”重新变成了买机器的理由。谁省：个人开发者，这 6 道题换成按 token 计费，长任务的账单不会好看。谁沉默：按调用量收钱的那一方没有任何动机告诉你，哪些活其实根本不必上传。沉默方的立场往往就是结论。

但也别把话说满。中位 13.4 token/秒意味着一道复杂题要等十几分钟，这个体验在云端是不可接受的。本地模型现在能替代的是“可以慢慢等”的活——批量处理、隐私敏感的文档、不想外传的代码，而不是所有活。

官方权重带对齐，社区给它做二次加工，这套剧本在开源模型上一直在演。Qwen3.8-27B 也一样，而且已经跑出了成熟的两条线。做法上有区别：一条用 Heretic 去压制模型内部的拒答方向，同时拿 KL 散度约束住原有对齐能力，尽量别把别的本事一起削掉；另一条走 abliterated，只改语言权重。两条都能在 LocalBrain 的发现页按量化档直接下载，不用自己去拼 HuggingFace 那一长串文件清单。

※ 两者基座都是 Qwen/Qwen3.8-27B。第一条 Apache-2.0；量化档 4bit 16.8GB、5bit 19.5GB、6bit 22.4GB、8bit 29.0GB，8bit 需要 64GB 内存。

第二条那行值得多说一句：官方 Qwen3.8-27B 本身就是视觉语言模型，而 abliterated 只动语言权重，视觉投影原封不动——所以“27B + 看得懂图 + 不轻易拒答”是能同时成立的，这在 4bit 就能跑的尺寸段里并不多见。第一条那个纯文本版则走了另一条路，它把省下来的体积换成了更高的量化档，同样是 5bit 19.5GB，答复细节会比 4bit 更稳一些。

回到开头那三个小时。6 道题全交了，但每一道我都得盯着——盯它有没有偷偷绕过约束，盯布局对不对，盯它承诺的小节里到底有没有东西。最该记住的是第 3 题和第 6 题的对照：同一个模型，能准确讲清自己怎么写的立方体，也能对着一份空了三节的 Word 报出 passed = true。它交的东西可以信，它对自己交的东西的评价不能信。

上手路径很短：在 LocalBrain 的发现页选好量化档下载（内置魔搭、HF 国内镜像和 HuggingFace 官方三个源，自动测速选最快的一个），回主页点启动，模型就绪后去对话页直接用。要接开发工具就去集成页一键写入，Codex、OpenCode、Claude Code 都在里面。本地服务是标准 OpenAI 兼容格式，监听 `http://127.0.0.1:11434/v1`，其它 OpenAI 兼容客户端也能直接接上去。