可能很快就能实现 token 自由了

davinci21s

qwen3.8 开源，性能比肩 opus4.6 ，之后出现几百个版本。

目前量化版本从 1bit 到 16bit ，最低 8G 内存 mac 即可运行

想要获得不错的体验建议 3080 以上显卡

传送门：
https://huggingface.co/unsloth/Qwen3.8-27B-GGUF

🎉 16G 丐版 M1  部署 Qwen 3.8-27B 实测报告：

不出意外，打字机效果，不过智商还可以😄

📊 实测配置与数据

设备：MacBook Pro （ M1 / 16GB ）
模型：Qwen3.8-27B （ UD-Q2_K_XL ，9.15GB ）
GPU：全层 Metal 卸载
内存：稳定在 11 GB 左右
首 Token 延迟：约 850ms
预填充速度：10 ～ 12.5 tok/s
生成速度：约 4 tok/s

几点调优心得👇🏻

M1 的瓶颈主要是内存带宽
M1 内存带宽仅 68 GB/s ，每生成一个 Token 必须将 9.15G 权重通读一遍。4 tok/s 已经榨干了 M1 物理带宽的 60% 极限！

按场景切换思考模式
Qwen3.8 原生自带深度思考链。日常对话通过调参关闭思考，跳过思考链直出答案，体验极其干脆；写复杂算法时开启思考，逻辑推导依然在线。

用投机采样继续提速

叠加 --flash-attn on + -ctk q8_0 + --spec-type ngram-simple 投机采样，写代码与结构化文本时，速度能飙到 5.5+ tok/s

结论：老 M1 还能再战三年！✌🏻

wjxd

准备拿 win10 系统，amd 7900xt 20G ，跑 Qwen3.8-27B-UD-Q4_K_M.gguf

siriusliangcn

我看 command code 套餐里上架了 qwen3.8:27b 模型，输入价格 0.4 刀，跟 DeepSeek-v4-flash 的波峰 0.44 波谷 0.22 不相上下。这种 27b 的模型真的能硬撼云端大模型了吗？
没开源的时候，我就在想这个事情，但是看论坛里大家吹得那么牛，还是不太敢相信。

davinci21s

@siriusliangcn 有人和 sol 、fable5 、opus5 ，做过对比，基本吻合

siriusliangcn

也就是说，真的有人愿意用 0.4 的价格使用 qwen3.8-27b ，也不用 0.44 的价格使用 ds4flash ？卧槽…ds 真的拉完了啊…

levn

实现写 bug 自由还差不多

minami

5.5+ tok/s 叫 token 自由，意义不亚于限速 10 kb/s 的百度网盘

foryou2023

ds4 flash 要达到日常能用的标准，需要投入多少硬件成本呢

ntdll

在 transform 架构没有改变的情况下，基本还是遵守一寸长一寸强的基本逻辑。

参数量小，意味着其只有更为泛化的知识，因此非常依赖上下文给足背景信息，但是你在自己设备上跑，通常配置都很一般，导致上下文也很小。结果就是，LLM 大概率是输出正确的废话。也就是车轱辘话。

HK560

5090dv2 已跑，但确实打字机速度还是挺难受的。