Qwen3.8 27B

阿里通义的全部模型 →国内视觉模型综合智力第 62 名

偏贵、记性很好、会看图的开源模型

加入对比查看评测视频查看评测文章

聪明世界#62

编程很强自报

记性262K

便宜$3.0

记性换算成体感：一次能读完一本《三体》

Qwen 系列的视觉模型 · 按发布时间

共 41 个 · 这里是相邻的 7 个 · 阿里通义的全部模型 →

她的房间

电脑

61.7% · SWE-Bench Pro · 厂商系统卡自评，未经第三方复核

书架

4 层 · 记忆 262K tokens

黑板

一块空黑板

日历

知识截止日期未公开

冰箱

支持上下文缓存，能存记忆

敞开的门

开源权重，谁都能进

身世

发布日期: 2026 年 8 月 14 日models.dev
知识截止: 暂无数据
参数量: 27.78B
开放权重: 是
开源许可: Apache-2.0
上下文窗口: 262K tokens
单次最大输出: 33K
输入价格: $0.42 / 百万 tokens
输出价格: $3.00 / 百万 tokens
模型类型: 视觉除了文字还能看图片或视频，输出文字
支持的输入: 图像、文字、视频 → 文字
工具调用: 是
深度思考: 是
提示缓存: 是

战绩

综合智力: 151.7
AIME 数学: 未参评
GPQA Diamond 科学: 未参评
ARC-AGI-2 抽象推理: 42.4%
Fiction.liveBench 长文本: 未参评

综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录，不代表它做不到——本站不会用估算值填补空缺。

编程战绩（按赛制分列）

SWE-Bench Pro61.7%
同一个思路但难度高得多的版本，题目更长、依赖更复杂。分数普遍比 Verified 低三十分左右，两者不可直接比较。厂商自报
https://huggingface.co/Qwen/Qwen3.8-27B
DeepSWE42.2%
SWE-bench Verified 的一个变体测法，用不同的 agent 脚手架跑同一批题。厂商自报
https://huggingface.co/Qwen/Qwen3.8-27B
Terminal-Bench73.0%
把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报
https://huggingface.co/Qwen/Qwen3.8-27B
NL2Repo42.3%
从一段自然语言需求直接生成一整个可运行的代码仓库。厂商自报
https://huggingface.co/Qwen/Qwen3.8-27B
LiveCodeBench90.3%
持续收录新出的编程竞赛题，题目发布时间晚于模型训练截止日期，用来避开「背过答案」的嫌疑。厂商自报
https://huggingface.co/Qwen/Qwen3.8-27B
LiveBench 2.0 编程87.5%
LiveBench 2.0 的编程分项：不是做题，而是接 API、写 Agent 循环、接云基础设施、做计费与限额这类真活儿。2.0 换了评测方式（长程任务、产物评审），与旧版 LiveBench 编程分不是同一把尺子，分数不可直接比较。第三方实测
https://livebench.ai/?release=20261014
WebDev Arena1593 Elo
让两个模型各写一个网页，由人来投票选哪个更好，按对战胜负算 Elo 分。考的是前端开发的实际观感，和「能不能修复一个后端 bug」不是一回事。第三方实测
https://epoch.ai/benchmarks

这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。

全部成绩（按榜单分列）

名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。

综合

综合智力151.7第 62 / 225
Epoch Capabilities Index，把十几项学术评测归并成一个总分。想看综合实力，先看这一栏。第三方实测
https://epoch.ai/benchmarks
LiveBench 2.0 综合62.5%第 36 / 48
LiveBench 2.0 七个长程任务分类的等权均分——这个总分由本站计算，上游并不发布。第三方实测
https://livebench.ai/?release=20261014

数学

ProofBench16.0%第 61 / 96
不是算出答案，而是写出完整证明并由人评判。考的是数学推理的严谨程度。第三方实测
https://www.vals.ai/benchmarks/proof_bench

知识与推理

ARC-AGI-242.4%第 45 / 120
看几组图形样例找规律的智力题，人类轻松、模型艰难。专门测「没见过的题会不会做」。第三方实测
https://epoch.ai/benchmarks
带引用的研究60.0%第 40 / 48
监管、法律、财税、科研五类检索与研判任务，答案要带得住核验的出处。第三方实测
https://livebench.ai/?release=20261014
ARC-AGI（第一代）87.5%第 41 / 119
ARC-AGI 的第一代题库，已被第二代取代。第三方实测
https://arcprize.org/
数据分析76.6%第 21 / 48
从表格里认事件、连表、把一种格式转成另一种格式。第三方实测
https://livebench.ai/?release=20261014
CritPt 物理5.4%第 66 / 180
研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测

智能体

长程任务28.4%第 36 / 48
跑几个月的运维、财务合规、电商运营这类长线任务，看模型能不能一直把事做对。第三方实测
https://livebench.ai/?release=20261014
浏览器操作27.4%第 37 / 48
在真实网页里点选、翻页、汇总信息，考验 agent 是不是真的会用浏览器。第三方实测
https://livebench.ai/?release=20261014
APEX 专业任务47.5%第 30 / 64
投行、律所、咨询公司的真实工作任务，由业内专家出题与评分。第三方实测
Surface Evolver45.0%第 19 / 34
用一款专业的曲面数值软件完成计算任务，考的是驾驭陌生专业工具的能力。第三方实测
https://yhenon.github.io/surface-evolver-llm-eval/

游戏与谜题

推理谜题80.0%第 38 / 48
心理理论、斑马谜题、空间推理这类不靠背题的死磕题。第三方实测
https://livebench.ai/?release=20261014

写作

文档与排版77.4%第 23 / 48
产出 Word 文档、PDF、PPT 三类成品，看内容组织与版式。第三方实测
https://livebench.ai/?release=20261014

其他

Dtbench88.0%第 70 / 222
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://conceptualreasoning.ai/dtbench
Lmca41.4%第 59 / 206
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://conceptualreasoning.ai/lmca

B 站上的 Qwen3.8 27B 实测7 个视频

在 B 站搜「Qwen3.8 27B 测评」↗

以上为 B 站搜索结果，按播放量排（站长的视频置顶），内容由各 UP 主提供，不代表本站观点。