2026 年 8 月，阿里巴巴 Qwen 团队发布开源模型 Qwen 3.8 27B。两个核心卖点：其一，在 LiveCodeBench 等编码基准上的成绩超过部分闭源前沿模型；其二，27B 的参数规模让它可以在消费级硬件上本地运行，无需依赖高端算力。多家独立媒体证实了发布事实。首发报道见：阿里巴巴 Qwen 3.8 27B 开源模型发布。
社区反应是典型的两极：一边是"开源编码模型追平闭源"的兴奋，一边是对成绩来源的质疑（详见下文基准争议一节）。
谁做的：Qwen（通义千问）是阿里巴巴的大模型系列，由阿里巴巴 Qwen 团队研发，是目前开源阵营中最活跃的厂商系列之一。
开源吗：Qwen 3.8 27B 以开源模型形式发布，权重可下载、可本地部署、可修改——这正是它与 Qwen3 Max 等旗舰 API 模型的关键区别：后者只通过 API 提供服务，前者你可以拿回家自己跑。需要注意"开源"在大模型语境下通常指开放权重（open weights），训练数据与完整训练细节未必公开——这一点恰恰是本次争议的火种。
发布后争议迅速聚焦一点：模型是否通过蒸馏（从更强模型的输出中学习）获得性能提升。由于训练细节未公开披露，这一质疑无法被证实也无法被证伪。支持者认为蒸馏本身是正当技术路线，成绩就是成绩；质疑者认为若靠蒸馏闭源模型的输出刷分，"开源超越闭源"的叙事就变了味。
更普遍的教训是：厂商发布的基准成绩需要独立验证。基准题目可能进入训练数据（污染）、评测口径可能被挑选、单一基准可能被过拟合。社区讨论的共识方向是关注模型的实际运行效果而非宣传指标。
本站赢政指数对 Qwen 旗舰模型做持续独立评测——代码执行维度在隔离沙箱中真实运行模型生成的完整程序（编译、运行、边界处理全部实测），WDCD 测试衡量多轮施压下的指令遵从，全程规则判分、零 AI 裁判。下方表格是最新公开全量评测中 Qwen 系模型的实时成绩（随每次评测自动更新）。
Qwen 3.8 27B 本身尚未进入我们的评测池；若后续纳入，其成绩将出现在主榜。在此之前，对"27B 开源模型 vs 闭源旗舰"的传闻成绩，建议保持"待独立验证"的态度。
按官方口径，Qwen 3.8 27B 支持消费级硬件运行——这通常意味着经过量化后可在高配消费级显卡（或大内存的 Apple Silicon 设备）上推理。27B 规模在"本地能跑"和"能力够用"之间是一个务实的平衡点，也是它被开发者社区快速采用的主因。
预期管理两条：其一，量化会带来一定能力损耗，本地量化版的表现与基准榜单上的全精度成绩不是一回事；其二，编码代理类任务对上下文长度和稳定性要求高，建议先用自己的真实任务小规模验证，再决定是否替换现有方案——这也与本次发布"关注实际运行效果而非宣传指标"的社区共识一致。
以下为 2026-08-17 最新公开全量评测中该厂商模型的得分（满分 100，真实沙箱执行+规则判分，零 AI 裁判），随每次公开评测自动更新。
| 总榜排名 | 模型 | 综合分 | 代码执行 |
|---|---|---|---|
| 7 / 11 | Qwen3 Max | 73.3 | 74.9 |
Qwen（通义千问）是阿里巴巴的大模型系列，由阿里巴巴 Qwen 团队研发。Qwen 3.8 27B 是该团队 2026 年 8 月发布的开源模型。
它以开源模型形式发布，权重可下载、可本地部署。大模型语境下的"开源"通常指开放权重，训练数据与完整训练细节未必公开；商用授权条款以官方模型卡为准。
在 LiveCodeBench 等特定编码基准上，官方公布的成绩超过了部分闭源前沿模型，这一发布事实获得多家媒体证实。但社区对成绩来源存在蒸馏争议，且厂商自报基准与独立评测是两回事——该模型尚未进入独立评测池，横向结论建议等独立数据。
官方称支持消费级硬件运行，实践中通常指量化后在高配消费级显卡或大内存 Apple Silicon 设备上推理。注意量化版能力与基准榜单的全精度成绩存在差距。
在赢政指数 2026-08-17 的最新公开全量评测中，Qwen3 Max 综合得分 73.3（满分 100），在 11 个参评模型中排名第 7。分数由真实代码沙箱执行等核心维度加权得出，全程规则判分、零 AI 裁判。
