阿里Qwen3.8-27B輕量模型性能比肩OpenAI及DeepSeek旗艦
Nashnova编辑部
阿里Qwen3.8-27B以270億參數在基準測試中追平萬億級旗艦模型，「小模型平替大模型」的路線正獲得實證支撐，高算力陣營的護城河正在收窄。
270億參數能打到甚麼水平？
據基準測試機構Artificial Analysis數據，Qwen3.8-27B綜合智能指數與OpenAI GPT-5.6 Luna表現相當——後者是OpenAI最新旗艦系列中定位最具成本效益的版本。
在中國開源陣營，它接近參數量達1.7萬億的DeepSeek-V4-Pro-0813和7,530億參數的智譜GLM-5.2，差距已大幅收窄。
這意味著→ 一個270億參數的模型，正在逼近比自己大幾十倍的對手的成績線。
在AI智能體任務上表現如何？
在Artificial Analysis的智能體（Agentic）專項指數上，Qwen3.8-27B超越了GPT-5.6系列中間檔Terra，亦超越了Anthropic今年5月發佈的Claude Opus 4.8。
智能體指數（專門衡量模型在AI智能體工作流中的實際表現）被視為比綜合跑分更貼近真實應用的指標。
簡單來說＝ 不只是「考試分數」追上來了，在更接近實際做事的場景裡，它也能贏。
為甚麼「小」本身就是優勢？
阿里上週五公開發佈了Qwen3.8-27B的模型權重，開發者可下載至本地硬件運行。
270億參數的輕量規模意味著它能在普通消費級硬件上部署——毋須數據中心級別的算力。
這意味著→ 若小模型持續縮小與前沿的差距，高算力、高成本的千億級大模型的市場空間將被進一步壓縮。
這對AI行業格局意味著甚麼？
「小模型平替大模型」不再只是技術理想——Qwen3.8-27B提供了一個可量化的實證案例。
這反映出 AI競爭的焦點正在從「誰的模型最大」轉向「誰能用最少的參數做到最多」。
對OpenAI、DeepSeek等依賴大參數量建立性能壁壘的玩家而言，護城河正被從下方挖穿。
Content is for reference only, not financial advice.