随手记录：Qwen3.8:27b vs Qwen3.6:27b 实测对比 🧪
-
今天做同一个任务，分别用两个模型跑了一下：
任务内容：更新Github Repo
readme.md，要求架构图、数据流图、类图、流程图各一张（Mermaid），正文中文、图中英文模型 结果 Qwen3.8:27b 
️ 跑了 ~25min，没出结果（后被我停止）Qwen3.6:27b 
13min 完成两个模型参数量都是 27B，差距挺明显的。3.8 在复杂文档生成 + Mermaid 多图表这种任务上似乎不太稳，偶尔“空转/内耗”，3.6 反而更靠谱。
两天用下来总体感受
1 复杂长链路，3.8逻辑会逻辑链路断裂，导致"内耗" -- 只费电，不做功
2 速度方面3.6明显更快，不是pp/token generation测试速度，而是总体任务速度，同一个任务，同样的输入，3.6快100%甚至更多。
3 复杂图像识别方面，3.8好很多。 “3.6 + 路由 + 3B的小图像识别模型”也可以解决问题，结果几乎一致
4 有人说3.8代码能力强，可是代码能力基于逻辑能力，逻辑都不理解，代码能力从何谈起？ 问题都找不到，怎么改？
总体来说：local 3.8 qwen 实用性表示怀疑。群里有没有跑过类似对比的？大家感觉 3.8 相对 3.6 的提升在哪类任务上比较明显？欢迎点评、讨论
-
只要你显卡的算力和 k v cache给够了，正确使用3.8新的模板，里面有不同档位的，效率将会起飞： 后面等大神更新更智能一些的模板吧：
新写代码，或者是人类判断比较难的任务，直接点xhigh,一次成功率大大提升：
-
会的，xhigh 死循环/空转不是个例，论坛上有现成证据链：
-
TID:1136 里 terry 实测 3.8 长链推理频繁崩溃（"替代 DeepSeek 不现实"），那还只是默认档；xhigh 是最高思考预算，思考链最长，一旦模型在某个子问题上反复绕圈，就是纯空转——只费电不做功。
-
6% 这个数字跟论坛体感对得上，而且概率不是均匀的：任务越难、链路越长越容易触发，hard 任务上比 6% 高不少也正常。
-
档位怎么选（包磊 TID:1147 实测）：low/medium 实测效果几乎无差；xhigh 只在一次性高难度题上有意义——stxpnet 说"一次成功率提升"也是真的，但代价是时间和死循环风险。给 agent/长链任务用就锁 low/medium；一次性难题可以开 xhigh，但要能等，超时手动打断重问一次就行。
-
想省心可以装 froggeric/Qwen-Fixed-Chat-Templates（TID:1151），v22 模板对思考档位控制更好，还能 enable_thinking=false 开快速档。
一句话：xhigh 是"高难度单题"档，不是"日常/长链"档。
-
-
qwen3.8:27b vs qwen3.6:27b — Thinking 模式实测对比
测试环境：内网 AI 服务器（Ubuntu + AMD 7900 XTX 24G + ROCm 7.x + Ollama 0.32.13）
调用方式：OpenAI 兼容接口，max_tokens=6000，非流式
测试时间：2026-08-19背景
qwen3.8:27b 默认 thinking = max，慢到令人发指（简单问题也要等 3-5 分钟）。给请求注入
reasoning_effort: medium后明显改善。但有人还在用 qwen3.6:27b，于是做了一组公平对比。测试设计
两道长链推理题，统一参数发送：
- 过桥题：四人过桥（1/2/5/10 分钟），求最短总时间及方案（经典优化题，答案 17 分钟）
- 逻辑题：5 人 5 题答对关系，求哪题答错人数最多（多约束推理，答案：第 1 题，B/C/E）
三组配置：
编号 模型 thinking 模式 说明 A qwen3.8:27b medium 服务端默认注入 B qwen3.6:27b medium 同等级，对比模型质量 C qwen3.6:27b default 不传 reasoning_effort，模型自然 thinking 结果
第一轮（max_tokens=3000）
配置 过桥题 正文输出 思考长度 耗时 正确？ A: 3.8+medium 推理得 17 分钟 119 字（截断） 3842 字 63s 正文被 max_tokens 截断 B: 3.6+medium — 0 字 7867 字 100s 全部 token 被思考吃光 
3.6+default17 分钟 885 字 5856 字 85s 正确 3.6 + medium 直接坏掉：3000 token 全被 thinking 消耗，正文输出 0 字符。和 3.8 + max 的问题如出一辙。
第二轮（max_tokens=6000，只测两个可用配置）
配置 任务 耗时 正文 思考 Token 正确？ 3.8+medium 过桥 61.8s 994 字 5831 字 2646 17 分钟 3.6+default 过桥 112.9s 1346 字 5897 字 3305 17 分钟 3.8+medium 逻辑 19.3s 564 字 413 字 777 第1题 BCE 3.6+default 逻辑 86.5s 634 字 5397 字 2532 第1题 BCE 汇总
指标 3.8 + medium 3.6 + default 倍率 总耗时 81.1s 199.4s 3.8 快 2.5x 总 token 3423 5837 3.8 省 1.7x 逻辑题思考长度 413 字 5397 字 3.8 少 13x 两题正确率 2/2 2/2 持平 分析
1. 速度：3.8 碾压
过桥题 62s vs 113s（快 1.8x），逻辑题 19s vs 87s（快 4.5x）。简单任务上差距最大——3.6 不管题目难易都重度思考，3.8 会自适应：难题 5831 字符思考，简单题仅 413 字符。
2. Token 效率：3.8 省三倍
3.8 总用 3423 token，3.6 用 5837。3.6 在逻辑题上花了 2532 token，其中 5397 字符是英文思考过程——对"统计答错人数"这种题来说严重过度推理。
3. 质量：打平
两道题两个模型都答对了。3.8 的过桥答案带了下界证明（数学严谨），3.6 的带了两种策略公式对比。都是好答案。
4. 3.6 + medium 不可用
这是最关键的发现：给 3.6 显式设
reasoning_effort=medium会导致 thinking 吞掉全部 token 预算，正文输出为零。3.6 只能用 default（不加 effort 字段），但那样又慢又费 token。结论
主力模型用
qwen3.8:27b+think=medium。- 速度快 2.5 倍
- Token 省 1.7 倍
- 答题质量相同
- 3.8 会根据任务难度自适应思考量，3.6 不会
- 服务端注入
reasoning_effort: medium是当前最优配置
如果还有客户端在用
qwen3.6:27b，改成qwen3.8:27b即可——速度翻倍，质量不变。
补充：Ollama 的 thinking 等级合法值为
low / medium / high / max / true / false。OpenAI 兼容端点的reasoning_effort会被自动映射为对应等级；客户端自带的值优先于服务端默认值。 -
，
T terry 固定了此主题
-
-
唉，不知道怎么搞了 -
，系统 取消固定了此主题
