AREX Feed Article
Qwen3.8-27B 登顶 Image-to-WebDev 开源榜，官方预告当晚惊喜
8 月 26 日 05:49 UTC（北京时间 13:49），阿里 Qwen 官方 X 账号 发布推文宣布：Qwen3.8-27B 在 Arena.ai 的 Image-to-WebDev 榜单上位列开源模型第一、总榜第七；"仅 27B 参数，表现与规模约 100 倍于它的模型相当"（Just 27B parameters, on par with models 100x its size）。
推文末尾抛出一个悬念："猜猜我们今晚要放出什么惊喜？"（can you guess what surprise we're dropping tonight?）。关于惊喜本身，官方没有给出任何细节。
这份排名可以在榜单本身核对。（截至 8 月 25 日，累计 110,117 票、44 个模型）显示，qwen3.8-27b（Alibaba，Apache 2.0）以 1574 分排在总榜第 7，是榜单上排名最高的开源权重模型，前面六名全部是闭源模型。
前一天（8 月 25 日 17:22 UTC）的公告给出了更具体的对照：1574 分的表现与 2.8T 参数的 Kimi K3 (Max) 相当，2.8T 约是 27B 的 104 倍。
图为 Qwen3.8-27B 在 的展示卡片。
第 7 名之上，没有一个开源模型
Image-to-WebDev 是 Arena.ai 旗下 Code Arena 的一个子榜，测的是模型"根据图片和截图生成网站、并完成涉及多步推理与工具调用的 agentic 编码任务"的能力。qwen3.8-27b 在 8 月 25 日才被加入该榜（），以 1,686 次投票拿下 1574 分（±15）。
排在它前面的六名是：claude-opus-5-max（1664）、claude-fable-5（1623）、qwen3.8-max（1618，阿里自家闭源版，标记 Preliminary）、gpt-5.6-sol-xhigh（1606）、claude-opus-4-7-high（1576）、grok-4.5（1574）。
第 6 到第 8 名的分数挤在 1574、1574、1573：grok-4.5 与 qwen3.8-27b 同分，紧随其后的 kimi-k3-max（Moonshot，榜上许可标注为 Kimi K3 license）只有 1 分之差，三者的置信区间（±15 上下）相互重叠。
开源阵营的其他模型要低一截：kimi-k2.6 第 18（1521）、kimi-k2.7-code 第 20（1511）、mistral-large-3 第 41（1356）。
这是 Qwen3.8-27B 一周内第二次在 Arena 系榜单收获官方宣布的名次，但两次不是同一件事。8 月 25 日，它在 Code Arena（WebDev）综合第 9、以 1595 分成为前十名中唯一同尺寸级别的模型；，它只比自家大得多的 Qwen3.8-Max 低 6 位，而 4 月发布的 Gemma 4-31B 排在约第 80。今天这次的第 7 名来自另一个榜单：Image-to-WebDev。
"100 倍"的说法来自哪里
Qwen 推文里"约 100 倍"的依据，是 Arena 官方公告里那组对照：qwen3.8-27b 以 27B 参数拿到 1574 分，"表现与 2.8T 参数的 Kimi K3 (Max) 相当"，并称它"移动了 Image-to-WebDev 的帕累托前沿"。
这组对照里还有价格。榜上 qwen3.8-27b 的 API 定价是每百万输入/输出 token $0.40/$3；前六名里最便宜的 qwen3.8-max 和 grok-4.5 也要 $2/$6，榜首 claude-opus-5-max 是 $5/$25。
模型本身的底细：Qwen3.8 系列 8 月 2 日先发布 2.4T 参数的 Qwen3.8-Max， 显示 Max 级开源版 Qwen3.8-2.4T-A95B 于 8 月 12 日、Qwen3.8-27B 于 8 月 14 日上线 Hugging Face 与 ModelScope。
与 Max 的开源版不同，27B 是 Apache 2.0 全能力权重，上下文 262,144 token。 评价它是"目前能在消费级电脑上本地运行的最强模型"。
口径要分清：榜单排名是 Arena 运营的用户盲测投票结果；"与 2.8T 相当"的表述，来自 Qwen 官方推文与 Arena 官方公告两方。
"不是营销，是数学"：社区的兴奋与质疑
截至本文写作时，Qwen 这条推文获得 503 个赞、40 次转发、56 条回复、约 4 万次查看；Arena 的公告推文热度更高：1,086 个赞、79 次转发、约 19.2 万次查看。
回复里两类声音都有。X 用户 算了一笔账："今早我重做了推理成本模型。27B 每百万 token $0.40/$3，输出却匹配 2.8T？这不是营销，是数学。本地部署变得难以忽视。"
Rurban OS 创始人 说："说实话，27B 这个数字比排名更让我感兴趣……一个能贴近数据的小模型，可能是更好的工具。" 的判断是：27B 落在这么高的位置，"可能把'截图转前端'从偶尔展示的玩法，变成团队在迭代中反复使用的工具"。
中文用户里也有直接表达， 留言："270亿吊打30000亿，这才是人民的ai"。
质疑同样具体。 指出，1574 对 1573 落在任何 Elo 型榜单的置信区间内，"真正的故事不是第一，而是 27B 在这个任务上与 2.8T 的差距在噪声范围内，这说明基准比模型先饱和了"。
评论者 提醒，Arena 这里的评分衡量的是"对着截图的一次性视觉还原"，而生产环境的前端工作大部分是首版之后的修改、语义标记和响应式断点，"那是另一种技能"。 则从成本角度泼冷水："单 token 便宜，但早期测试它大约烧 3 倍的 token。按任务算成本才是关键。"
预告里的惊喜：社区猜是 Qwen3.8-Flash-Next
官方推文除了"今晚"（tonight）之外，没有给出惊喜的任何线索——名字、尺寸、发布时间都没提。回复区因此变成一场竞猜。
最集中的答案是 Qwen3.8-Flash-Next。连 都在回复里写下"Qwen3.8-Flash-Next!"，但这是对"你猜是什么"的回应，官方口径没有确认。
社区已经按这个猜测行动：本地 AI 开发者 转发称"8 小时后！服务器和评测都准备好了，就等下载开跑"；AI Engineer 已经预建了名为 Qwen3.8-Flash-Next 的 GGUF 和 NVFP4 仓库，称发布后立刻转换； 说"已经等不及 Qwen3.8-Flash-Next 了"。
其他猜测还有： 问"今晚的和 27B 同一个重量级，还是更大？"； 猜是新视觉编码器；AI Builder 先排除一个选项："它不会是 100B 以上的 dense"。
截至本文写作时，Qwen 官方账号在预告之外没有发布更多信息。惊喜的名字、参数规模与具体发布时间，都停留在社区猜测层面。