Simon Willison 实测 Qwen3.8-27B：很强，但默认疯狂「过度思考」

模型·林晓·2026年8月17日

Simon Willison 于 8 月 16 日发布了对阿里开源多模态模型 Qwen3.8-27B 的深度实测（其「个人设备上的 LLM」系列第 22 篇）。他评价这款 Apache 2.0、约 27B 参数、支持视觉的模型「非常出色」，但有一个突出的毛病：默认以 xhigh 推理档位运行，经常在思考上「疯狂过度」，甚至耗尽默认的 8,192 token 上下文上限。测试基于 128GB M5 Max MacBook Pro 与 NVIDIA DGX Spark，通过 LM Studio 与 llama-server 完成。

我们此前已介绍过该模型的规格与基准，本篇聚焦它在真实硬件上的使用体验。

「令人发笑的」过度思考

「17GB 的文件就能在我家机器上完成所有这些事，这简直是个奇迹。」Willison 写道，而这个问题出在默认行为上：Qwen 官方推荐 xhigh 推理档位「用于需要深入分析的复杂任务」，于是模型把它作为默认值——而实际上这个默认值「funnily / hilariously（令人发笑地）」过度。

一个典型例子：让它画「一只骑自行车的鹈鹕」SVG，模型用了 21 分钟、22,276 个推理 token 才产出 3,223 个输出 token。同样的提示关闭推理后仅需 137 秒、3,715 token。

带推理模式时，Qwen 花了 21 分钟思考如何画一只骑自行车的鹈鹕

关闭推理后，同一提示 137 秒完成，画面简洁直接

「画一个圆形的 SVG」这样简单的请求，也触发了模型精细的自我设计决定——动画分层圆环、包豪斯配色方案的选择——最终交出一个「完全漂亮、但完全不是我要的东西」的动画圆。建议：初期先以 low 或关闭推理运行。

边界框（bounding box）测试

模型在 0–1000 坐标系上对照片中的鹈鹕给出了高精度的边界框，「精确框出了两块岩石上的两只鹈鹕，是完美的匹配」。

开启推理时，Qwen 仅凭一句提示就构建出一个功能完整的 HTML 边界框标注工具；它还擅自加了功能，包括一个演示场景与按精确坐标摆放的鹈鹕剪影。关闭推理时工具几乎能工作，但框被放到了错误位置——Willison 评价「推理确实能带来差别」。

编码智能体实测

Willison 将 Pi 配置为经由 LM Studio 调用 Spark 上的 Qwen3.8-27B（通过 Tailscale 共享），在 ~/.pi/agent/models.json 中注册模型并开启 "reasoning": true。模型成功通过多步工具调用回答了 datasette 代码库中「auth 是怎么工作的」，随后写出了 Python 脚本将自身的 JSONL 会话转录转成 Markdown，并测试运行通过。