Qwen3.8 27B AA综合评分与 DeepSeek V4 Flash 持平

[像素盒子]

能上传，图片不要太大！

[stakira]

@像素盒子 "错误 您没有权限执行此操作。" 一张 23KB 的 png，转成更小的 jpg 也不行。

[terry]

1，并没有超越DeepSeek，我也非常看好Qwen3.8 27b，而且我A卡 N卡都部署了，今天的视频大家可以来看。单轮编码能力很好，但是它长线还是完全不如V4 Flash，基础能力相差很大，迭代之后差距更大。只能说小玩玩，后续想办法设计下特殊的工作流可以。超越V4 Flash的说法是碰瓷了。跑分都是轻任务，甚至单论，意义不大。而且Qwen开了思考之后，速度慢成狗，不开思考会降智力，那才是Qwen的真实水平。

2，应该是你的问题，没人限制你，大家都能上传，你换个浏览器看看。

[九龙杨生]

感觉还是上下文长度限制了本地模型的能力；压缩几次就记不住前面的了。

[terry]

@九龙杨生 最主要是注意力机制，上下文可以压缩，但是召回准确率差别是致命的。

[九龙杨生]

@terry 这方面我就不专业了，最近有人跟我对接火山方舟的DeepSeek API资源，能够拿到折扣价；他这种抖音下面自建的和官方的模型能力是不是一样的呢？还是说在什么地方存在性能差距？

[terry]

@九龙杨生 你要是做生意没啥，有机会就赚，火山引擎是字节跳动的，大厂实力不用担心。问题是你接触的确实是火山吗？你要是自己用，我擦，这三瓜俩枣的，何必呢。

[九龙杨生]

@terry 有两个渠道，一个是移动自建的，一个是火山的，我主要就是担心模型能力不如官方；渠道上游提供商没问题，只是可能有中间商赚差价，不过最终只要能够给出有竞争力的价格就行；

[terry]

@九龙杨生 缓存和成本很难做到官方那样，其它的没啥区别。只要你买到的便宜，你何必在乎呢？只不过第三方的V4 flash很难和官方的比速度，因为Engram架构，HCA/CSA这些注意力机制是DeepSeek的独门技术，没有开源。你自己用下要是没问题就搞就是了。自己用没必要啊，一共屁大需求，还不如把qwen3.8 27b玩明白。它能干脏活，剩下的给在线的。

[stxpnet]

感觉不在一个赛道，27B的8位权重 ，8位KV CACHE，48 64G 72G显存应该都可以流畅的跑256K上下文了。 v4 flash要流畅本地部署，至少还要在单CPU上挂 128G 或256G DDR5内存吧？

[kos or]

加上了GPT5.6-SOL and Luna Max 比較
我再找機會讓Luna Max and Qwen3.8-27 實際對壘

[九龙杨生]

@kos-or V4 FLASH MAX这么强的吗？和PRO基本上就差不多了；
Qwen3.8 27B估计就是输在长链任务上

[kos or]

@九龙杨生

Deepseek-V4-Flash 我沒開過Max, 都用一般的
但根據“某次測試”比較 GPT5.6-Luna Max 是比Terra Medium強

长链任务可能也要看 Agent 框架的Harness 能力 兩者配合就適合跑长链任务, Codex 接上Qwen3.8 27B 或許可以測試一番
Codex vs. Deepseek harness 框架

[kop wang]

@九龙杨生 opencode Go 的负责人多次表示，目前还没人能在和原厂能力持平的前提下，总成本低于原厂。

供参考

[kop wang]

感谢提醒，大概看了下，还是老问题，小模型的认知水平太差了。

这就导致即便他的逻辑能力，长上下文推理能力不弱于flash-preview，甚至能和0731来回。但因为底层认知有巨大鸿沟，所以他更依赖外部数据源的质量。也会比v4-flash-0731有更多的loop和试错。知识量的差距就是这样。

如果以后小模型能再进一步，可能小模型+配套行业的数据源的套餐组合是一套新打法。

但话又说回来，即便如此，他的实际解决问题的能力依然出众，确实厉害。

对应的，在如此强的工具、Agent能力之下，256K的上下文其实已经有点瓶颈了。
上重一点的Agent就很有可能多次压缩，导致信息损失。