昨天的推进还是非常猛的，因为过几天DeepSeek V4 Pro要涨价，所以这段时间你能用多少用多少。昨天这个地方，所有的终端我都给它开了Agent，就完全占满了。但是不管怎么累，还是来谈一谈千问3.8 27B，因为论坛关注度很高。你看前面6个新帖，有5个跟这个模型相关。这是我们论坛超级版主Kop Wang发的帖子，大家的讨论度还是很高的，都是夸赞的。你想想，这个模型还是昨天夜里发布的，我这样一个只有两三千人注册的小论坛，可能同时在线10个、8个人嘛，就有这么多帖子讨论它，可见这个模型的热度还是非常高的。

首先我说一下结论，方便有不想看的朋友节约时间。就是在编程能力上，它的进步确实是非常夸张的，它的编程能力也非常强。但是在长链任务中，就是在Agent方面，它相比于千问3.6 27B进步并不大，甚至我感觉有些地方是退步了。就是它在多轮推理中容易崩，目前的工具调用是有问题的，可能是有Bug。新的版本、新的权重，也有可能是我没有调好，要等社区大神的完善。暂时的结论就是这样。

下面我们不废话，就进入这个实测。这些我们就参考着看一下就行了。本来我是打算自己拿这个笔记本，像过去一样录视频的，但是我想大家可能不太希望看到我这张老脸，我就把我的脸通过低精度的摄像头，把它缩放到一个小的范围内，大家可能更想看到的还是电脑屏幕。

第一个任务还是传统的老三样，生成一个网页表达中国的传统八卦。点开看一下，这个可以说是我目前为止见过的逼格最高、完成度最高、看起来最赏心悦目的作品。有些小小的缺憾，就是这个地方如果它把它改成两排三列，我感觉效果会更好一点，但是瑕不掩瑜了。你看知识点是非常全的，而且这个动态特效做得不错，该有的特效都有了。这个太极旋转特效做得非常不错，鱼眼也画对了。

bagua.html

缺点呢，后天八卦方位图，离、坎、震和兑反了，乾和巽反了，坤和艮反了。千问3.6 27B它就有这个问题，当时我那个视频还在，大家可以去看一下，连TM错误都一模一样。这一块权重应该是没有更新，这个是模型的知识面问题，跟它的编程能力是没有关系的。

下面我们看下一个任务，生成一个SVG表达钍基熔盐堆运行原理。这个图我认为审美是一直不错的，就千问家族的审美，我认为一直都是要比DeepSeek要好的，包括小米的MIMO都是。但是这里我只能说中规中矩吧，因为有些细节没处理好，就是字体有相互遮盖。不过对于这个原理的把握是非常精准的。

下面一个就是生成一个SVG表达薛定谔的猫思想实验，要点已经是完全抓到了，还是字体遮盖的问题。这后面几个图为什么字体遮盖的问题没有修复呢？就是因为它之前生成八卦的时候，它不是做了检查嘛，修复错误。由于当时视觉模块没有配好，导致卡很长时间，而且它工具调用容易卡死，就被我骂了，我说它是个傻逼，后来它就不检查了，输出的质量有所下降。

这是生成一个SVG表达阿基米德原理。从物理学的角度来讲的话，我认为已经是完全做到了，把所有的要点都讲清楚了，然后这个色调也是非常不错，这个我打85分吧，差不多了。

下面来看一下工具调用。这是让它查询天气，没有什么问题，速度比3.6慢了。哦对了，我忘记讲了我的后端。我这个后端是SGLang，然后使用的这个模型权重是千问3.8 27B FP8模型，开的上下文是131K，就是128K了。这个是可以开256K的，一开始它有Bug导致开不了256K，不过后面Codex把它给修复了。但是讲实话，我的测试范例中用不到这么长的上下文，64K就够了。

这个就是刚才我讲的，它生成网页或者生成代码之后，自己会去检查，但是会出问题。如果它思考的轮数多了，第一是效率非常非常低，第二就是容易卡工具调用、卡Bug。这个就是工具调用卡Bug，一旦它工具调用出了问题，那么就必须要把这个对话退出，重新开启才行。最后这个问题我是初步解决了，Codex把它的那个对话模板Chat Template给改了一下，有所进步，但是没有办法根治。

第一版，它刚才那个太极网页是生成了两版。第一版就是这个地方有错误，就是鱼眼这个位置，其他的都一模一样，就是改这一个错误，它给我整了20分钟时间，就一直卡在那里。它的视觉模块能用，就是比起没有的话肯定是要好的。像我们用DeepSeek V4 Pro来编码的时候，说实话，它并不一定保证能够把这个问题给改对，就是因为DeepSeek V4现在不支持原生的多模态输入，所以说它调用的是框架提供的，比如说Codex或者Hermes提供的，那么它的准确性是不如原生多模态好的。

像一些常规的任务都没有什么问题了，比如说让它去检查服务器的状态，让它做一些简单的脚本执行，这些都是没有问题的。但是不是说了吗，在长链推理中，它很容易卡成龟速，而且很容易把自己给卡崩掉。所以说它暂时还是没有办法取代DeepSeek V4 Flash，或者取代V4 Pro。

你要说复杂项目的编程，我认为它也胜任不了。因为复杂项目的编程不仅要看你的编码能力，这一块它确实27B是非常非常强，甚至我觉得它比DeepSeek V4 Flash还要强，有些时候我觉得它比V4 Pro还要强。但是问题是，如果说你的Agent能力、你的工具调用能力有问题，那你是没有办法执行复杂编码的。因为复杂编程需要多轮长链推理，你这个推理个十几轮之后就崩了，那你肯定是做不了什么大项目的。

而且它这个256K上下文，我说实话，为什么我把它设成128K？因为它实际上跑不了256K。我感觉跑到200K左右，这个上下文就开始崩了，200K以内应该是没有什么问题的。

就是关于DeepSeek Harness能不能接它？能接，这个是测试结果。但是还是那句话，它只要进入长链推理，它的这个模板很容易崩掉。这个应该不仅仅是千问3.8 27B的问题，跟DeepSeek Harness目前对于第三方模型的支持不完善也有很大的关系。而且我的DeepSeek Harness也是昨天还是前天刚刚下的第一版，可能说有很多Bug。系统升级了，我没有跟着更新，因为我现在有重型的任务在跑，所以说我暂时没有去管它。

大家有什么问题，就欢迎到论坛发帖提问。这几天因为DeepSeek马上要涨价了，我可能就是密集更新，能用多少用多少。我其他的英语频道、两个英语频道，包括我另外一个“老特说”的中文科技评论频道，其实都没有更新。最主要的是我想赶在涨价之前，把我的两个重型开发项目给推进一下。