如何评价阿里开源的 Qwen3.8-27B？
坦白说，非常的震撼！我分别测评了Q4和FP8两个量化版本，在我的benchmarks上可是非常的能打。
和其他模型的详细对比，大家可以先去看下：
LLM 评测 - AI大模型测试评分
27B的开源模型，在我的这套benchmarks上，performance竟然可以直追deepseek V4 flash，你就说惊艳不惊艳吧？小团队完全可以公司部署一个给团队用了。
大家看下FP8的测评结果吧。
一、整体测评结论
本次实测综合得分：51分，较Q4版（45分）明显进步。
推理类题目全部答对；前端复杂编程项目尚有少量瑕疵。 综合定位：足以胜任日常办公、网页开发等常规编程需求。
二、分项测评
Q1 强约束指令遵循句子生成 — 10⁄10
任务：输出10个以汉字数字结尾的句子，顺序一到十，语句通顺，倒数第二个字不能重复且不能是”第”，”是”，”为”
结果：所有句子都是通顺的，且倒数第二字没有重复，修复了Q4版的第6‑9句违规问题。
Q2 24点问题 — 10⁄10
任务：用 3、4、9、10 四个数字，每个数字只能且必须使用一次，拼出24点，允许初等运算符（乘方/根号）
结果：答案正确。
Q3 密码锁推理题 — 10⁄10
任务：五位数密码锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，推理密码。
结果：正确答案 1 2 7 5 3，模型推理正确。
Q4 浏览器内操作系统(AISniper OS) — 5⁄10
任务：参考macOS，做浏览器OS桌面，包含状态栏、时钟、底部快捷栏、主题切换、3D太空射击游戏、Finder、计算器、设置、终端。
结果：存在缺陷。点日期跳出设置；计算器计算完全错误；太空射击游戏朝向有小瑕疵。
Q5 3D赛车游戏 — 8⁄10
任务：HTML+JS赛博朋克3D无限赛车，赛道纵深延伸、镜头跟随弯道、障碍物、实时计分板。
结果：赛车功能正常、方向无误，整体完成度很高。
Q6 Trello看板 — 8⁄10
任务：单文件原生HTML/CSS/JS看板，卡片拖拽、列表拖拽、平滑让位动画、边缘自动滚动、卡片弹窗、子任务、多色标签。
结果：UI配色不错，功能完整，拖拽动画达标。
三、详细测评视频
openEuler 是由开放原子开源基金会孵化的全场景开源操作系统项目，面向数字基础设施四大核心场景（服务器、云计算、边缘计算、嵌入式），全面支持 ARM、x86、RISC-V、loongArch、PowerPC、SW-64 等多样性计算架构
更多推荐
5
0- 0
已为社区贡献1条内容
所有评论(0)