Qwen 3.8 27B 开源发布，默认推理等级过深需手动调低

阿里巴巴通义千问实验室发布了视觉语言模型 Qwen 3.8 27B，采用 Apache 2 协议开源，参数规模 27B，可在配置较好的笔记本上本地运行。独立开发者 Simon Willison 在 M5 Max MacBook Pro 与 NVIDIA DGX Spark 上实测后发现，该模型官方默认将 reasoning_effort 设为 xhigh，对最简单任务也会严重过度思考，实测建议用户将推理等级调低再使用。

模型基本情况

Qwen 3.8 27B 是阿里通义千问研究实验室于本周五发布的新模型，支持视觉输入，采用 Apache 2 许可证开源。27B 参数规模属于可在消费级笔记本上本地运行的甜点区间，其前代 Qwen 3.6 27B 在本地社区中口碑不错。

通义千问官方基准测试显示，Qwen 3.8 27B 性能较 Qwen 3.6 27B 以及今年 5 月仍属顶尖的闭源 Qwen 3.7-Plus 均有提升。Willison 表示，独立第三方基准测试结果将更具参考价值。

他主要在两台设备上测试：128GB 内存的 M5 Max MacBook Pro，以及一台 NVIDIA DGX Spark；主要使用 LM Studio 提供的 Q4_K_M 量化版本，文件大小约 17GB，在 DGX Spark 上他也尝试过直接使用 llama-server。

默认 xhigh 导致严重过度思考

通义千问官方文档说明 Qwen 3.8 默认将 reasoning_effort 设为 xhigh，LM Studio 提供的 GGUF 量化版本保留了这一默认值。Willison 认为这是一个「非常糟糕的默认」，在消费级硬件上尤其不合适。

实测对比一：让模型「画一个骑自行车的鹈鹕 SVG」。在默认 xhigh 设置下，模型消耗 22,276 个推理 token 生成 3,223 个输出 token，整个过程耗时约 21 分钟；同一请求关闭推理后，仅用约 137 秒便产出 3,715 个 token 的结果。

实测对比二：让模型「画一个圆的 SVG」。即便如此简单的请求，模型也花了数分钟「精心设计」，最终产出一个带有动画、多层同心圆与几何研究风格的 SVG——远超用户预期。

此外，LM Studio 默认上下文窗口只有 8,192 token，远不够用；将上下文调至模型最大支持的 262,144 token 后，问题得到缓解。Willison 的结论是：初次使用 Qwen 3.8 27B 时，应将推理等级调至 low 或完全关闭，才能获得合理的响应速度。

视觉能力与工具构建

Willison 还测试了模型的视觉能力，要求它对一张鹈鹕照片返回 0-1000 比例的边界框 JSON。模型成功输出两个边界框，坐标分别为 [195, 290, 370, 780] 和 [445, 320, 675, 850]，渲染后与原图中鹈鹕位置非常吻合，延续了此前 Qwen 模型在边界框任务上的强项。

他随后让模型基于该 JSON 数据，直接从一条 prompt 构建一个用于标注边界框的 HTML 页面工具。虽然因为没有调低推理而出现「过度工程化」现象，模型最终仍然产出了一个完整的可视化界面，展示了其在视觉理解与代码生成上的综合能力。

整体而言，Qwen 3.8 27B 是一款能力强、可在本地硬件运行的优秀视觉语言模型，但其默认 xhigh 推理设置在消费级硬件上几乎不可用，建议用户在第一次使用时便手动将推理等级调低。