Qwen3.8-27B 拿下 Code Arena 第 9，阿里称前十唯一同尺寸模型

8 月 25 日，阿里 Qwen 团队官方 X 账号 @Alibaba_Qwen 发推宣布，Qwen3.8-27B 在 Code Arena 综合排行榜位列第 9，是前十名中唯一属于该尺寸级别的模型，并感谢榜单运营方 @arena 的认可（）。这项排名并非厂商自报：榜单运营方 Arena.ai（@arena）8 月 24 日已先行公布，Qwen3.8-27B 在 Code Arena 的 WebDev 榜以 1595 分排综合第 9，并称它"重塑了 Pareto 前沿"（）；截至发稿，仍显示 qwen3.8-27b 排第 9。

截至发稿，Qwen 这条推文已获超过 1000 次点赞、约 8.2 万次浏览；@arena 的原帖热度更高，转发 127 次、点赞 1342 次、浏览量约 25 万。

第 9 名前后：GLM-5.3-Max 与 Gemini-3.7-Flash-High

Code Arena 是 arena.ai 面向前端 Web 开发任务的竞技场榜单，覆盖需要多步推理和工具调用的 agentic 编码流程，由社区投票驱动。榜单快照标注 2026 年 8 月 21 日，累计 603,789 票、118 个模型。

qwen3.8-27b 以 1595 分（±13）、2,464 票排第 9，前后分别是 GLM-5.3-Max（1599 分）和 Gemini-3.7-Flash-High（1587 分）。榜单将其标注为 "Alibaba · Apache 2.0"，参考价为每百万 token 0.5 美元输入、3 美元输出，是前十名中标价最低的一档。同一榜单上，Qwen 自家旗舰 Qwen3.8-Max 以 1669 分排第 3（标注 Proprietary、状态 Preliminary），Grok-4.6-High 和 Gemini-3.7-Flash-High 的名次同样标注为 Preliminary。@arena 特别对比了两个数字：27B 版只落后 Qwen3.8-Max 6 个名次，而 4 月发布的 Gemma 4-31B 排在第 80。

在细分领域里 27B 版排名更高：@arena 同日发布的分类榜显示，它在 Consumer Product 排第 6（1587 分）、Brand & Marketing 排第 7（1627 分）、Gaming 排第 8（1645 分）（）。

前十名里唯一的 27B，也是唯一 Apache 2.0

前十名其余九席是 Claude Opus 5 Max、Kimi K3 Max、Qwen3.8-Max、Claude Opus 5 High、Grok-4.6 High、Claude Fable 5、GPT-5.6 Sol、GLM-5.3-Max 和 Gemini-3.7-Flash-High，多数是参数规模大得多的旗舰或闭源模型。Qwen3.8-27B 是其中唯一的 27B 级开放权重模型，也是唯一采用 Apache 2.0 许可的（GLM-5.3-Max 为 MIT）。

@arena 用"重塑 Pareto 前沿"概括它的意义：在性能对价格的散点图上，qwen3.8-27b 以约 2.35 美元/百万 token（3:1 混合价）的点位进入前沿线（见封面图），与输入价数倍于它的闭源旗舰站在同一条能力曲线上。

8 月 14 日开源，四比特量化后约 17GB

Qwen3.8-27B 于 8 月 14 日以 Apache 2.0 许可在 Hugging Face 发布，是 27B 参数的稠密多模态模型，原生支持图像与视频理解，上下文长度 262,144 token、可扩展至 100 万，思考模式默认开启，可用 reasoning_effort 在 xhigh/medium/low 之间调节推理深度（）。

模型卡中厂商自报的基准成绩包括 SWE-bench Pro 61.7、LiveCodeBench v6 90.3、Terminal Bench 2.1 73.0、CoWorkBench 70.7、OSWorld-Verified 84.3。VentureBeat 的报道补充了硬件门槛并给出提醒：16-bit 全精度约需 56GB 显存，FP8 约 28GB，4-bit 量化后约 17GB，可跑在消费级显卡上；但部分评测为阿里内部进行，各基准 harness 并不一致，不足以据此宣布全面胜出（）。

"1595 分的 27B 是本地 Max 的故事"

@arena 原帖下的讨论把重点从"第 9 名"转向"这个尺寸意味着什么"。AI 资讯博主 Josh（@JustJorshin）写道："1595 分的 27B 是本地 Max 的故事，不是总榜的故事……我会把 27B 当作默认的本地编码模型，不会等 Max 能塞进本地再换"（）。独立游戏开发者 Paul（@staydown124）说，27B 排第 9"对我来说比 Max 的排名重要得多，这是第一个能塞进一张 24GB 显卡的档位，也是我能离线交付的档位"（）。io.net 联合创始人 Tory Green 认为"Pareto 前沿向左移动这么多，可能比 Qwen 排第 9 更重要"（）。微软首席软件工程师 Farrukh Masud 的评价是："小型开源模型与大型闭源模型在真实编码任务上的差距在持续缩小"（）。

质疑同样存在。柏林开发者 Greg Glazewski 说："WebDev 上的 1595 分说明不了它处理真正混乱代码库的能力"（）。独立评测账号 Latent Node 则指出，点估计是第 9，但实时榜单给出的排名区间是 8–13（1594.8 分，区间 1581.7–1607.9，基于 2,464 票），"比 Max 落后 6 名"的说法暗示了 bootstrap 榜单并不支持的分隔（）。

实时区间 8–13，百倍参数对比测试待出分

这是 Qwen3.8-27B 发布以来官方晒出的最新一份第三方排名。此前 Qwen 官方账号已自称该模型登上 Hugging Face 热门榜第一（8 月 16 日，）；VentureBeat 则援引 Cybernews 报道称，发布头三天的 Hugging Face 下载量突破 300 万。

榜单本身仍在滚动：@arena 公布时的点估计是 1595 分、2,464 票，独立评测账号 Latent Node 从实时榜单推算的排名区间是 8–13，第 9 名只是一个点估计。@arena 8 月 22 日还预告了另一项测试：用 Qwen3.8-27B 与参数规模最大 100 倍于它的模型（DeepSeek v4、Qwen3.8-Max、Kimi K3、GLM 5.3、Grok 4.6、GPT-5.6、Fable）在相同的一步生成与 agentic 任务上对比，"分数即将公布"（）。在这组分数出来之前，第 9 名会随社区投票继续移动；@arena 给出的参照是，同为 31B 级的 Gemma 4-31B 目前排在第 80，前十中还没有第二个 27B–31B 级别的模型。

参考链接

Qwen 官方账号推文：
@arena 公布排名的推文：
@arena 分类榜推文：
Code Arena | WebDev 榜单页：
Qwen3.8-27B 模型卡（Hugging Face）：
VentureBeat 报道：
Josh（@JustJorshin）回复：
Paul（@staydown124）回复：
Tory Green（@MTorygreen）回复：
Farrukh Masud（@FarrukhMasud）回复：
Greg Glazewski（@Greg_GL_87）回复：
Latent Node（@latent_node）回复：
@arena 预告百倍参数对比测试：
Qwen 官方账号称登 Hugging Face 热门榜第一：
配图来源一（@arena 推文附图）：
配图来源二（@arena 推文附图）：