Qwen3.8 正式開放權重：點解企業更應留意 Qwen3.8-27B？

2026 年 8 月，Qwen 團隊相隔兩日先後公開兩款 Qwen3.8 模型權重：8 月 12 日發布 Qwen3.8-2.4T-A95B，8 月 14 日再發布 Qwen3.8-27B。前者把 Qwen-Max 級別模型首次帶到公開權重；後者則把新一代的 Agent、多模態及長 Context 能力，放進一個企業較有機會實際評估的規模。

這亦是理解今次更新最重要的角度。2.4T 代表前沿能力可以去到哪裡；27B 則令更多企業開始認真問：這類能力是否已經接近可部署、可控制、可量度？

以下會集中拆解兩個模型的分別、Qwen3.8-27B 真正值得留意的地方，以及企業在看 Benchmark 之後，還需要問哪些問題。如果想先補回整個模型家族的背景，可以先看我們的Qwen 模型系列背景文章。

1. Qwen3.8 是一個模型世代，不是一個單一型號

看到「Qwen3.8」這個名字，很容易以為它只是一款新 Chatbot。實際上，Qwen3.8 是一個模型世代，首批兩款公開模型走的是兩條很不同的路線。

Qwen3.8-2.4T-A95B 採用 Mixture-of-Experts（MoE）架構，總參數達 2.4T，但每次處理只啟用其中 95B。官方將它定位為首款公開權重的 Qwen-Max 級別模型，重點是把大型前沿模型的能力公開出來。這並不等於它的部署要求只有 95B；95B 是每次推理啟用的參數量，完整權重、記憶體、通訊及吞吐量仍然是大規模系統問題。

亦要分清公開 checkpoint 與託管產品：2.4T-A95B 的公開版本是文字生成模型，只提供 Thinking Mode；官方託管的 Qwen3.8-Max 才另外提供視覺輸入、Non-thinking、預設 1M Context 及內置工具。這些功能不能直接當成公開權重版本已經具備。

Qwen3.8-27B 則是一款 27B Dense 模型。Dense 的意思是推理時會使用整個模型，不是按輸入只啟用部分專家。它的規模遠低於 2.4T-A95B，部署路徑亦相對容易理解，因此更可能成為企業技術團隊實際測試的起點。

2. 點解企業更應留意 Qwen3.8-27B？

企業評估模型時，通常不是單純追求排行榜最高分。團隊還要考慮資料位置、硬件、速度、可維護性，以及能否將模型接入現有系統。從這個角度看，27B 的意義不只是「模型較細」，而是它保留了今代幾項重要能力，同時把測試門檻拉到較務實的範圍。

由文字模型，走向原生多模態工作

Qwen3.8-27B 原生結合視覺編碼器，可以處理文字、圖片及影片。對企業來說，這比「識睇相」更具體：同一個工作可能同時包含報告、表格截圖、產品圖片、操作畫面和文字指示，不必先將每一種資料交給完全不同的模型。

但多模態並不代表模型自動理解公司語境。例如讀取發票、檢查產品圖或整理教學影片時，企業仍要定義輸入格式、錯誤處理、敏感資料及人工覆核。

由回答問題，走向 Agent 執行

官方把 Agent 能力放在 Qwen3.8 的核心位置。簡單來說，模型不只生成一段答案，還可以在獲授權的情況下選擇工具、執行步驟、讀取結果，再決定下一步。這種模式較接近實際工作，例如搜尋內部文件、整理資料、操作瀏覽器或協助程式開發。

真正的難位也在這裡：Agent 做得愈多，權限、紀錄、錯誤恢復和人工接管就愈重要。模型本身的能力只是其中一層，還需要穩定的Prompt、Context、Harness 與驗證方法，才有機會把示範變成可重複流程。

推理深度可以按任務調整

Qwen3.8-27B 預設開啟 Thinking Mode，亦容許按請求關閉，或者使用不同 reasoning effort。日常分類、簡單抽取未必需要長時間推理；程式除錯、研究或多步工作則可能需要較深思考。能否按工作調整，會直接影響回應速度和運算成本。

3. 官方 Benchmark 有進步，但應該點樣閱讀？

Qwen 官方 Model Card 提供了 Qwen3.8-27B 與 Qwen3.6-27B 的比較。在幾類企業較容易理解的測試中，新模型的分數均有上升：SWE-bench Pro 由 53.5 升至 61.7、CoWorkBench 由 61.0 升至 70.7、WebArena-Verified 由 48.8 升至 64.8，而 OmniDocBench 1.5 則由 89.4 升至 91.1。

這組數字最有用的地方，是顯示模型發展方向：Qwen3.8-27B 不只改善一般問答，而是把重點推向軟件工程、專業工作、網頁操作和文件理解。不同測試的升幅並不一致，OmniDocBench 的變化亦明顯較細，因此不應將它們濃縮成一句「全面領先」。

不過，Benchmark 不能直接回答「放進我的公司是否有效」。部分測試由 Qwen 團隊自建，個別比較亦可能使用不同工具鏈、修正版資料或提示設定。即使同一模型，在不同權限、瀏覽器環境、文件格式及網絡速度下，結果亦可以相差很遠。

4. 放進企業場景，Qwen3.8-27B 可以由哪裡開始？

新模型發表後，最容易出現的誤解，是將每一項能力都變成一個宏大的轉型方案。較實際的做法，是先選一段可觀察的工作，看看 27B 的多模態、長 Context 或 Agent 能力是否真的有用。

研究、文件與管理報告

當工作同時涉及長文件、表格、截圖及多個來源，模型可以協助找出差異、整理證據、草擬摘要和列出待確認問題。長 Context 令它有機會在一次任務中看到更多材料，但企業仍應先整理來源、標示版本和要求模型指出證據位置，避免「材料放得多，答案卻找不到根據」。

程式開發與內部工具

SWE-bench Pro 和其他軟件工程相關結果，令 Qwen3.8-27B 值得技術團隊放進真實 repository 測試，例如理解現有程式、產生測試、提出修改及協助排查問題。這不等於可以略過 Code Review；相反，模型一旦可以執行指令，測試環境、存取權限及變更審批需要更加清楚。

瀏覽器與電腦操作

WebArena 等操作相關測試的進步，顯示它在理解介面及執行多步操作方面有更大潛力。企業可先從低風險、可撤回的工作測試，例如收集公開資料、整理後台數據或準備輸入草稿。涉及付款、發送訊息、刪除資料或修改客戶記錄時，應保留確認步驟，不應只靠模型自行判斷。

這三類場景的共同點，不是「全部自動化」，而是輸入、工具、權限、輸出和人工覆核都可以講清楚。

5. 由 Model Card 走到部署，企業要補回四個問題

第一，工作到底是甚麼？「做公司 AI」太闊。應該改成一段可測試的描述，例如：讀取某類文件和截圖、按公司規則整理差異、列出證據，再交由同事確認。

第二，資料可以放在哪裡？Qwen3.8-27B 的權重以 Apache 2.0 授權公開，企業可以研究自建部署；亦可評估雲端或其他託管方案。但自建不等於資料治理自然完成，雲端也不等於不能設計權限。團隊仍要釐清資料分類、日誌、保留期和供應商條款。

第三，運算取捨是甚麼？27B 比 2.4T-A95B 更接近企業可測試範圍，但不能簡化成「普通電腦都得」。精度、量化方式、Context 長度、同時使用人數、回應速度，以及是否處理圖像或影片，都會改變所需硬件和成本。官方 Model Card 列出 Transformers、vLLM、SGLang 等部署路徑，並提供社群量化版本入口；實際採用前仍要自行驗證品質和相容性。

第四，點樣知道它做得好？不要只問答案「似唔似人」。應預先準備一批真實但可安全使用的工作樣本，記錄正確完成、部分完成、錯誤和需要人工接管的情況，再比較時間及資源。模型升級之後亦要重新測試。

6. Qwen3.8 對企業最大的改變，未必只是一個新模型

過去不少企業比較 AI，主要看哪個 Chatbot 回答得較好。Qwen3.8 帶出的問題已經不同：同一個模型世代，有前沿巨型 MoE、有較易部署的 Dense 模型；同一個 27B 模型，又同時牽涉多模態、工具使用、推理深度和長 Context。

這代表選型不能只靠一次對話。公司需要把模型放入一個完整環境：它看到哪些資料、可以使用哪些工具、出錯時如何停止、結果由誰確認，以及新版本推出時如何重做評估。

對香港企業而言，Qwen3.8-27B 最值得留意的地方，正是它令「是否採用開放權重模型」由研究題目，逐步變成架構和營運題目。這不代表每間公司都應自建，也不代表它一定優於雲端大型模型；但企業已經有更多空間，按資料、控制、速度及成本要求選擇不同路徑。

總結：先理解 27B 代表的選擇，再決定是否部署

Qwen3.8-2.4T-A95B 展示的是今代 Qwen 的能力上限；Qwen3.8-27B 則把問題拉回企業現場：一個規模相對可控的開放模型，能否處理多模態資料、使用工具、完成多步工作，並在公司要求的速度、成本和風險範圍內運行？

答案不會只在 Model Card 裡面。官方 Benchmark 可以幫你決定是否值得測試，但真正的採用決定，要由真實工作、部署環境和驗收結果共同回答。

常見問題 FAQ

Qwen3.8 和 Qwen3.8-27B 是同一樣東西嗎？

不是完全相同。Qwen3.8 是模型世代；Qwen3.8-27B 是這個世代其中一款 27B Dense 模型。同一批亦包括採用 MoE 架構、總參數 2.4T 而每次啟用 95B 的 Qwen3.8-2.4T-A95B。

Qwen3.8-27B 是否開源？可否商業使用？

官方以 Apache License 2.0 發布模型權重。這個授權一般容許商業使用、修改和再分發，但企業仍應由法務或合規人員按實際用途核對授權、第三方元件、資料及所在地法規；本文不是法律意見。

27B 是否代表普通手提電腦都可以運行？

不能單憑 27B 判斷。所需硬件會受精度、量化、Context 長度、速度要求、同時使用人數及多模態工作影響。部分量化版本可能降低記憶體門檻，但亦可能影響品質或相容性，應按真實任務測試。

Qwen3.8-27B 的 262K Context 是否愈長愈好？

不一定。長 Context 可以容納更多材料，但亦會增加運算、延遲和檢索難度。較好的做法是整理來源、刪除無關內容、保留引用位置，再按任務需要決定輸入多少資料。

官方 Benchmark 是否證明 Qwen3.8-27B 適合所有企業？

不是。官方數據顯示模型在特定測試下的能力方向，但企業環境的資料、工具、權限、介面和驗收標準都不同。採用前應以真實工作樣本進行小範圍評估。

第 6 期杭州研習團是否只教 Qwen？

不是。研習團主題為「企業 AI 轉型 × Marketing」，Qwen3.8 拆解是公開行程中的技術交流環節之一。行程亦包括企業 AI 營銷應用、阿里雲參訪及無影雲電腦體驗；實際安排以活動頁、公開簡章和出發前通知為準。

資料來源

• QwenLM 官方 GitHub：Qwen3.8（發布日期、系列定位、產品及部署入口）
• Qwen 官方 Model Card：Qwen3.8-27B（架構、Context、授權、部署、Benchmark 及供應狀態）
• Qwen 官方 Model Card：Qwen3.8-2.4T-A95B（MoE 架構、總參數與啟用參數）
• QwenWork 官方文件：IM 渠道（釘釘、飛書、企業微信等渠道、授權方式及訊息類型）
• Reuters：Alibaba says Qwen will be integrated into Apple Intelligence in China（阿里巴巴具名聲明）
• Reuters：Apple trains China-market AI model with Alibaba support, sources say（引述知情人士；兩家公司未回應該項訓練細節）
• Ad-Linkage：第 6 期杭州 AI 智能體實戰研習班活動頁
• Ad-Linkage：第 6 期杭州研習團公開簡章（阿里雲參訪、架構師分享及 Qwen3.8 拆解安排）