Xenova 演示 Qwen3.8-27B 浏览器运行：AA 52 分追平 GPT-5.6 Luna

8 月 17 日，Xenova（@xenovacom，X 简介写着正在 Hugging Face 做 Transformers.js）在：阿里 Qwen 团队开源的 Qwen3.8-27B 在 Artificial Analysis Intelligence Index 上拿到 52 分，与 OpenAI 的 GPT-5.6 Luna (max) 持平；这个 27B 参数的开源权重模型不仅能本地运行，「甚至能用自定义 WebGPU 内核跑在浏览器里」，推文附了一段演示视频。截至 8 月 19 日检索时，这条推文已获约 13.4 万次浏览、1200 余次点赞。

Artificial Analysis 的显示其智能指数确为 52 分，在开放权重小模型（4B–40B）档位的 135 款模型中位列第 1；同样显示 52 分。

52 分是什么水平：同类 135 款里的第 1

Artificial Analysis Intelligence Index v4.1.1 由 9 项评测合成：GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience 与 AA-LCR，由 Artificial Analysis 独立运行。AA 页面显示，Qwen3.8-27B 所处的开放权重小模型档位中位数只有 9 分；作为对比，GPT-5.6 Luna (max) 是 OpenAI 7 月 9 日发布的专有模型，1M 上下文、158.6 tokens/s，在同类 172 款中排第 1。

升级幅度有多大，HN 用户 beltsazar 在里给了参照：上一代 Qwen3.6-27B 是 38 分，Qwen3.8-27B 不仅超过它，还超过了所有 40B–150B 的中型模型，与 DeepSeek V4 Flash 0731 同分（后者在大模型档排名第 5）。

但 AA 同时标注了拿到这个分数的代价：该模型在智能指数评测中生成了 1.6 亿输出 token，同类中位数只有 4300 万，冗长度排第 23/135；API 中位价是 $0.45/百万输入 token、$3.20/百万输出 token。AA 的页面结论是：在同类开放权重模型中，「属于偏贵的一档」。

一款默认「疯狂思考」的 27B 稠密模型

Qwen3.8-27B 于 8 月 14 日发布（AA 的 FAQ 与 Simon Willison 的博客均确认）。称这是「Qwen 开放模型家族迄今最强的一代」：基于 Qwen3.5 架构的稠密 27B，原生支持图像与视频理解，上下文 262,144 token 原生、可扩展至 100 万，Apache 2.0 许可。思考模式默认开启，推理深度分 xhigh、medium、low 三档，默认是 xhigh。

模型卡上的自测数据：Terminal Bench 2.1（agentic 终端编码）73.0，对比 Qwen3.6-27B 的 63.4；SWE-bench Pro 61.7（上代 53.5）；GPQA Diamond 89.2；Humanity's Last Exam 30.8（上代 24.0）。这些是 Qwen 团队的自测数据。Simon Willison 在 8 月 16 日的里写道，还要看独立基准怎么说。他重点记录的是 xhigh 默认档让模型「疯狂过度思考」：画一个圆的 SVG 要思考几分钟。

Willison 用 17GB 的 Q4_K_M 量化版在 128GB M5 Max MacBook Pro 和 NVIDIA DGX Spark 上跑，LM Studio 下约 15–30 tokens/s；换用模型自带的 MTP（Multi-Token Prediction）投机解码后，速度提升约 72%。他的结论是：「17GB 的文件能在我的家用机器上干这些事，是个奇迹」，唯一拦路的是速度。

浏览器里的 27B：Xenova 的自定义 WebGPU 内核

过去几个月，Xenova 持续在把模型搬进浏览器：8 月 11 日在 WebGPU 上以约 25 tokens/s 运行（M4 Max），6 月 17 日。这次的推文只附了视频，没有给出 repo 或演示地址；视频内容是 Qwen3.8-27B 在浏览器中的运行演示。

转发者 Yevhen Dubinin（iOS 开发者）：「简直像魔法，即使只有 11 tokens/sec。」Maziyar Panahi（自述在 CNRS 做 AI 基础设施与研究、在 Arcee AI 做开源模型）在：「那个 Qwen WebGPU 太漂亮了！」。

评论区里反复出现两个问题：repo 在哪、要多少显存（「where is the repo? how much vram?」）。一位用户回复了 Hugging Face 的，称「我打赌每小时都有几千人在刷新这个页面」。

官方下场转发，社区吵着要 repo

Qwen 官方账号 @Alibaba_Qwen 在 8 月 18 日：「强到能跟上前沿，轻到能在你自己的笔记本上跑。来看看它能做什么！」（Strong enough to keep up with the frontier, light enough to run on your own laptop），该转发获 1300 余次点赞。HN 上同一话题的讨论帖已有 372 分、174 条评论。

HN 用户 phsource 指出，Qwen3.8-27B 在评测中的 token 消耗量约为 GPT-5.6 Luna (max) 的 2.3 倍、Kimi K3 的近 2 倍，他推测这与 xhigh 默认档产生的超长推理轨迹有关。开发者 Kamran Wajdani 「匹配」的定义：「匹配一个基准分数令人印象深刻，但『匹配 GPT-5.6 Luna』需要任务级对等：确切的评测版本、提示词、工具调用、上下文长度和方差。」Adel Bucetta ：「这更像公关噱头，而不是真正的突破。」开发者 Knowix ：「这大概也会给 API 定价带来更大压力。」

14GB 显存这道门槛

浏览器运行不等于零门槛。ML 工程师、AI 博士生 Sebastian Buzdugan ：27B 参数在 4-bit 下仍需约 14GB 显存，「浏览器支持排除了很多笔记本」。：「『在浏览器里本地运行』听起来很棒，直到你问是在什么硬件上。27B 模型不会因为走 WebGPU 就神奇地消失硬件需求。」相对温和：「开源权重与前沿闭源模型的差距正从底部不断收窄，不过 VRAM 仍是瓶颈。」

Xenova 的视频证明了「能跑」。但推文没有给出 demo 地址、硬件要求或速度指标，评论区还在等 repo 和显存数字。能拿来评估的公开数字，是视频里约 11 tokens/s 的表现和 4-bit 下约 14GB 的显存估算；52 分能不能以这个速度在浏览器里兑现，目前没有公开数字支撑。