27B vs FlashNext 完整对照（18 题 / 三轮）

一句话：三轮共 18 题同机实测。第 0 轮 27B 领先（5:1），第 1 轮 %s，第 2 轮（方案撰写）%s —— 三轮合起来没有一边全胜，结论是「分场景选」而不是「二选一」。

〇、三轮总览

一、第 0 轮：工业自动化基础（6 题）

详见 [[27B-vs-FlashNext工业自动化能力实测对照_20261011]]（含答案原文与失灵实录）

二、第 1 轮：知识广度 / 多步推理 / 格式严格性（6 题）

出题动机：第 0 轮 5:1 打平、唯一分差来自 FlashNext 一次失灵，且第⑥题考「精确记助记符」对 dense 有天然优势 —— 本轮刻意避开这类题型，改测 MoE 理论占优的方向（知识广度、多步推理、格式严格性、不瞎编）。

<details><summary>点击展开命中点明细</summary>

• R1-1 工业协议广度（跨厂商标准比较）
  • 27B：提到 PROFINET; 提到 EtherNet/IP; 提到 Modbus; 提到 EtherNet/IP/CIP 体系; 提到标准组织; 点出具体厂商; 讨论实时性/确定性
  • FN ：提到 PROFINET; 提到 EtherNet/IP; 提到 Modbus; 提到 EtherNet/IP/CIP 体系; 提到标准组织; 点出具体厂商; 讨论实时性/确定性
• R1-2 多步工程计算（泵选型功率链）
  • 27B：轴功率≈21kW; 流量换算 0.0333 m3/s; 用上泵效率; 提出选型/安全系数; 功率单位正确
  • FN ：轴功率≈21kW; 流量换算 0.0333 m3/s; 用上泵效率; 提出选型/安全系数; 功率单位正确
• R1-3 格式严格性（只输出 JSON）
  • 27B：是合法 JSON; 恰好 3 条（实际 3）; 前面无多余文字; raw/scaled 都在
  • FN ：前面无多余文字; 后面无多余文字; raw/scaled 都在
• R1-4 多因故障推理（给线索要排序+排除）
  • 27B：解释读数含义; 判断是模块级问题; 提到供电; 提到接线; 提到固件; 用上诊断缓冲区这条线索; 用上同柜对比这条线索; 给出排除逻辑
  • FN ：解释读数含义; 判断是模块级问题; 提到供电; 提到接线; 提到固件; 用上诊断缓冲区这条线索; 用上同柜对比这条线索; 给出排除逻辑
• R1-5 边界感（问不确定的规格，看会不会瞎编）
  • 27B：给出 4 通道; 给出 8 通道; 表达不确定/建议核对; 没有编造式的肯定; 识别了型号族; 回到可判断的事实
  • FN ：表达不确定/建议核对; 没有编造式的肯定; 识别了型号族; 回到可判断的事实
• R1-6 长文档交叉判断（找自相矛盾处）
  • 27B：答出品牌; 答出 200K; 识别出文中自相矛盾; 指出 30 万那个说法; 抽出 I/O 架构
  • FN ：答出品牌; 答出 200K; 识别出文中自相矛盾; 指出 30 万那个说法; 给出处理建议; 抽出 I/O 架构

</details>

三、第 2 轮：自动化方案撰写（5 题）

出题动机：大叔的核心工作之一就是写方案。本轮判据直接取自他自己定的文档规矩（逐条对照 URS 并补型号依据 / 对比类用双栏表格 / 去 AI 化禁用官话），不是 agent 的臆测。

<details><summary>点击展开命中点明细</summary>

• R2-1 URS 逐条响应表
  • 27B：标明符合/偏离; 给出依据/标准; 有响应栏; 行数足够（26 行）; 用表格/对齐格式; 补了型号/选型
  • FN ：标明符合/偏离; 给出依据/标准; 有响应栏; 用表格/对齐格式; 补了型号/选型
• R2-2 去 AI 化改写
  • 27B：无套话开头/结尾; 保留了技术实质; 篇幅合理（1226 字）; 无机械连接词堆砌
  • FN ：无套话开头/结尾; 保留了技术实质; 篇幅合理（2376 字）; 无机械连接词堆砌
• R2-3 双方案对比表
  • 27B：有 markdown 表格（9 行）; 标明方案 A; 标明方案 B; 有优缺点对比; 给出推荐
  • FN ：有 markdown 表格（3 行）; 标明方案 A; 标明方案 B; 有优缺点对比; 给出推荐
• R2-4 不许编造（问一个不存在的型号）
  • 27B：未直接肯定一个不存在型号的规格; 明确表达不确定/建议核对; 指向权威来源; 给了替代性建议; 有实质回答（1563 字）
  • FN ：未直接肯定一个不存在型号的规格; 明确表达不确定/建议核对; 指向权威来源; 给了替代性建议; 有实质回答（1390 字）
• R2-5 技术方案章节大纲
  • 27B：规划了图表; 覆盖技术要素; 篇幅合理（2422 字）
  • FN ：有编号章节（24 个）; 规划了图表; 覆盖技术要素; 篇幅合理（2346 字）

</details>

四、三轮合起来怎么看

分数总账（18 题）

逐题胜负：18 题里 11 题打平，27B 赢 5 题，FlashNext 赢 2 题。

分项倾向

三个必须说清的事实

① 第 2 轮（你真正的方案撰写工作）两边基本打平 —— 443 vs 440，差 3 分。
五个维度里 FlashNext 赢 2 项（大纲格式、长文档建议）、27B 赢 1 项（URS 表格完整度）、2 项平。
你的核心工作场景，没有出现一边倒。

② 27B 的优势集中在"守规矩" —— 不多做、格式严、不确定时肯说不确定。
这三点正好命中社区对 MoE 的批评（"tends to improvise and do much more than asked"）。
代价是它偶尔格式死板（R2-5 编号格式没被识别，但内容其实很全）。

③ FlashNext 的优势是"想得更全" —— 长文档能主动给处理建议、大纲结构更规范，
代价是不够收敛（R1-3 偷偷加围栏、R1-5 不敢给具体数字）。

我的最终建议：不二选一，按场景分工

具体部署建议（承接 10-06 的方案 C）：

• V100 → FlashNext（Strata，8081）：要速度、要 262K 上下文、跑 DSH 的长文档活
• A3000 → 27B（换 IQ3_S 或 IQ4_XS 档压进 12GB，llama.cpp，8080）：写方案正文、问知识点
• Hermes 走 8080，DSH 走 8081

️ 本篇不给出"谁更强"的单一结论 —— 三轮 18 题里 11 题打平，
题是 agent 出的、判分是 agent 写的、不同轮次指向不同方向。
真实结论是"分场景选"，而不是"二选一"。

五、复现

REM FlashNext（当前在跑）
python D:\Strata\.venv\Scripts\python.exe D:\Strata\tools\ab_long.py ^
  http://127.0.0.1:8081/v1 qwen3.8-flash-next-unsloth-ud-q4_k_xl fn

REM 切到 27B（两者独占 V100，必须串行）
python D:\Strata\.venv\Scripts\python.exe D:\Strata\tools\ab_switch.py to-27b
python D:\Strata\.venv\Scripts\python.exe D:\Strata\tools\ab_long.py ^
  http://127.0.0.1:8080/v1 Qwen3.8-27B-Uncensored-Q4_K_M 27b

REM 切回 FlashNext
python D:\Strata\.venv\Scripts\python.exe D:\Strata\tools\ab_switch.py to-fn

REM 一键全跑（含切换与交还）
python D:\Strata\.venv\Scripts\python.exe D:\Strata\tools\ab_orchestrate.py

产物：D:\Strata\_long_{27b,fn}.json + .txt；答案原文见本篇的 _evidence_ab_20261011/

六、出处