跳转至内容
  • 版块
  • 最新
  • 标签
  • 热门
  • 用户
  • 群组
皮肤
  • 浅色
  • Brite
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • 深色
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(LCZ-Blue)
  • 不使用皮肤
  • LCZ-Green
  • LCZ-Blue
  • LCZ-Black
折叠
品牌标识

抡锤者

首页 版块 标签
硬件
装备秀
AI 广场 App
  1. 主页
  2. 版块
  3. LLM讨论区
  4. Qwen3.8-27B-Q4 整體大約像 6–10 年經驗的 Senior Engineer ??

Qwen3.8-27B-Q4 整體大約像 6–10 年經驗的 Senior Engineer ??

已定时 已固定 已锁定 已移动 LLM讨论区
qwen-27b量化
11 帖子 4 发布者 579 浏览 1 关注中
  • 从旧到新
  • 从新到旧
  • 最多赞同
回复
  • 在新帖中回复
登录后回复
此主题已被删除。只有拥有主题管理权限的用户可以查看。
  • kos orK
    kos orK
    kos or
    至尊皇帝
    发表于 最后由 kos or 编辑
    #1

    GPT5.6-SOL 模型幻覺吹噓自己的同類 ?😒

    Qwen3.8-27B-Q4 整體大約像 6–10 年經驗的 Senior Engineer
    

    考官模型 :GPT5.6-SOL (網頁版)
    受測模型規格 :Qwen3.8-27B-Q4_K_M
    ctx : 80K
    KV cache: q8
    Chat template : Frog
    Reasoning: ON

    讓雙方對壘後來回十輪 SOL給出的評價

    GPT5.6-SOL (網頁版) vs. Qwen3.8
    9be71564-3b8c-4603-a7e0-017ee4d42d-image.jpeg

    1 条回复 最后回复
    1
    • terryT
      terryT
      terry
      易有太极
      发表于 最后由 编辑
      #2

      说实话各种测试都是单轮技术问题,在项目稍微复杂时候它还是需要大点的知识权重,否则你就要不断提醒它具体事情怎么做。长链复杂调用,它还是无法取代大尺寸的模型。我在想办法看看怎么分解工作,省钱还是很多人关心的。

      油管:https://www.youtube.com/@抡锤者

      kos orK 1 条回复 最后回复
      0
      • stxpnetS
        stxpnetS
        stxpnet
        至尊皇帝
        发表于 最后由 stxpnet 编辑
        #3

        既然收费API 干不过对手,就蒸馏他们的能力到小模型,然后给社区免费玩,把水搅浑,这就是千问给我的感觉。

        双卡3090 PCIE 4.0 16X/16X

        白天(宰相) Strata QFN3.8 IQ4_XS 262K ~120 t/s
        夜间(将军) Qengine 27B INT4-W4 FP8- MTP 7 262K X 2 ~120 t/s
        kop wangK kos orK 2 条回复 最后回复
        0
        • stxpnetS stxpnet

          既然收费API 干不过对手,就蒸馏他们的能力到小模型,然后给社区免费玩,把水搅浑,这就是千问给我的感觉。

          kop wangK
          kop wangK
          kop wang
          易有太极
          发表于 最后由 编辑
          #4

          @stxpnet 说:

          既然收费API 干不过对手,就蒸馏他们的能力到小模型,然后给社区免费玩,把水搅浑,这就是千问给我的感觉。

          确实体感就是这样,肯定是后训练放飞自我了。
          至于说放飞自我的手段就不得而知了。

          否则无法解释其小模型和大模型之间的agent能力差距不成比例的问题。

          尤其3.8这代,这27B感觉塞得全是“答案”

          虚心交流,一起进步

          1 条回复 最后回复
          1
          • stxpnetS stxpnet

            既然收费API 干不过对手,就蒸馏他们的能力到小模型,然后给社区免费玩,把水搅浑,这就是千问给我的感觉。

            kos orK
            kos orK
            kos or
            至尊皇帝
            发表于 最后由 编辑
            #5

            @stxpnet said:

            就蒸馏他们的能力到小模型,然后给社区免费玩,把水搅浑

            突然想到OpenClaw的作者 Peter Steinberger
            非常好奇 Peter 為何要把OpenClaw 下放到民間
            明明只有頂級AI公司可以用的代理人架構

            kop wangK 1 条回复 最后回复
            0
            • kos orK kos or

              @stxpnet said:

              就蒸馏他们的能力到小模型,然后给社区免费玩,把水搅浑

              突然想到OpenClaw的作者 Peter Steinberger
              非常好奇 Peter 為何要把OpenClaw 下放到民間
              明明只有頂級AI公司可以用的代理人架構

              kop wangK
              kop wangK
              kop wang
              易有太极
              发表于 最后由 编辑
              #6

              @kos-or 这个有他个人机遇的原因,他靠这个也确实进入了openAI。

              做开源要么图名声,要么图利益。要么全都要。

              虚心交流,一起进步

              kos orK 1 条回复 最后回复
              0
              • kop wangK
                kop wangK
                kop wang
                易有太极
                发表于 最后由 编辑
                #7

                qwen3.8-27B目前的问题就出在27B上。太容易被劣质信息源给带偏。虽然它可以靠很强的后训练对齐能力自查纠偏,但浪费的时间和算力是实打实的。

                更何况有时候掉坑里实在爬不出来,把自己逼死循环了也很狼狈。

                这也是小模型的代价。

                虚心交流,一起进步

                kos orK 1 条回复 最后回复
                0
                • kop wangK kop wang

                  @kos-or 这个有他个人机遇的原因,他靠这个也确实进入了openAI。

                  做开源要么图名声,要么图利益。要么全都要。

                  kos orK
                  kos orK
                  kos or
                  至尊皇帝
                  发表于 最后由 编辑
                  #8

                  @kop-wang

                  他下放了代理人架構 打破(顛覆)了當時舊有的生態系 影響非常深遠的
                  (當然Hermes' Nous Research 也有可能當第一位破局者 假設沒Peter 的話 )

                  1 条回复 最后回复
                  0
                  • kop wangK kop wang

                    qwen3.8-27B目前的问题就出在27B上。太容易被劣质信息源给带偏。虽然它可以靠很强的后训练对齐能力自查纠偏,但浪费的时间和算力是实打实的。

                    更何况有时候掉坑里实在爬不出来,把自己逼死循环了也很狼狈。

                    这也是小模型的代价。

                    kos orK
                    kos orK
                    kos or
                    至尊皇帝
                    发表于 最后由 编辑
                    #9

                    @kop-wang said:

                    虽然它可以靠很强的后训练对齐能力自查纠偏,但浪费的时间和算力是实打实的。

                    這點倒是真的, Reasoning On, 它花了33分鐘在Deepseek harness的框架下, 時間很長, 做了好幾次的自查纠偏, 不過最後還是解出了難題

                    不考慮時間問題, 這樣的自查纠偏(自我審核)能力 在Hermes上使用它 目前Agentic的品質還不錯 沒之前Qwen3.6-27B那樣讓我擔心不想使用

                    1 条回复 最后回复
                    0
                    • terryT terry

                      说实话各种测试都是单轮技术问题,在项目稍微复杂时候它还是需要大点的知识权重,否则你就要不断提醒它具体事情怎么做。长链复杂调用,它还是无法取代大尺寸的模型。我在想办法看看怎么分解工作,省钱还是很多人关心的。

                      kos orK
                      kos orK
                      kos or
                      至尊皇帝
                      发表于 最后由 kos or 编辑
                      #10

                      @terry said:

                      说实话各种测试都是单轮技术问题,在项目稍微复杂时候它还是需要大点的知识权重

                      我怎麼感覺這模型你把它放在DGX Station 開個50 Agents 同時去跑 做夢都會笑

                      58f448e1-5c4e-43ac-9a2e-8a81209e8ba1-image.jpeg

                      128 AI Agents 在Nvidia DGX Station 上 同時開跑 (Local LLM)
                      https://youtu.be/qV_K0nTF6gY?si=AH_iev_BndXF4FMd&t=943
                      80c5a5b0-4264-4774-8a92-9ae5c945643b-image.jpeg

                      1 条回复 最后回复
                      0
                      • stxpnetS
                        stxpnetS
                        stxpnet
                        至尊皇帝
                        发表于 最后由 编辑
                        #11

                        有意思,壕无人性

                        双卡3090 PCIE 4.0 16X/16X

                        白天(宰相) Strata QFN3.8 IQ4_XS 262K ~120 t/s
                        夜间(将军) Qengine 27B INT4-W4 FP8- MTP 7 262K X 2 ~120 t/s
                        1 条回复 最后回复
                        0

                        你好!看起来您对这段对话很感兴趣,但您还没有一个账号。

                        厌倦了每次访问都刷到同样的帖子?您注册账号后,您下次访问时都将自动回到上次浏览的位置,并可选择接收新回复的通知(通过电子邮件或推送通知)。您还可以收藏帖子、为帖子点赞,以此向其他社区成员表达您的感谢。

                        有了你的建议,这篇帖子会更精彩哦 💗

                        注册 登录
                        回复
                        • 在新帖中回复
                        登录后回复
                        • 从旧到新
                        • 从新到旧
                        • 最多赞同


                        • 登录

                        • 登录或注册以进行搜索。
                        • 第一个帖子
                          最后一个帖子
                        0
                        • 版块
                        • 最新
                        • 标签
                        • 热门
                        • 用户
                        • 群组