大模型定价之锚问世——堪比 Opus 4.6 的本地 Qwen3.8-27B

大模型定价之锚问世——堪比 Opus 4.6 的本地 Qwen3.8-27B

8 月 14 号，阿里把 Qwen3.8-27B 开源了。270 亿参数，262K 上下文，外推能到 100 万（IT之家）。开源两天，下载破百万，登顶 Hugging Face 全球趋势榜（知乎专栏）。

我当天就把它装进了我的主力台式机，两年前买的4090 24G显存一万五，128G ddr5内存七千，加上5k宽屏显示器，总价三万，能跑Q4 量化，跑起来100tokens/秒，相当流畅，智商很高。

我也把本地Qwen接入了Deepseek harness和claude code，拿来当主力干活的子智能体，跑起来完全ok，非常的哇塞，真的想不到，半年前只能在数据中心运行的全球领先的顶尖智能，现在在个人电脑上就能跑起来了。

Qwen3.8 27B基本可以认为是一个能在个人电脑上运行跑的 Opus 4.6，也因为每个人都能推理，就不再依靠梁文锋良心发现，给老百姓打折了。Qwen3.8 27B彻底替代了deepseek v4 flash，成为大模型时代真正的定价之锚。

但是对于本地推理的Qwen来说，价格便宜，并不是核心卖点，最关键的，是让我们能够在3万预算内，提供一个能够满足个人隐私需求的AI助理，而且还能省下不少tokens费用。

Qwen3.8能干啥

我最近让Qwen3.8做了两个事，一个是让它查看并总结我的个人微信聊天，我一周大概有500个聊天，我让千问一个一个帮我读取，把需要我响应或者回复的工作，例如「我回头弄」「我看看」，或者这个事情AI读下来，我没有收工的，都捞出来列成清单。

结果我发现我有很多意念回复的消息，比如有朋友说抽时间聚聚，比如有评奖单位通知我报奖，比如业务部门领导跟我提了一个AI需求等等，我发现我全忘了，靠Qwen3.8，终于把这个事情解决了。这活我根本不敢让云端模型干，这次终于完成了，真心快乐啊。

另一个是我之前的答辩助手，里面也是大量的个人信息。在答辩的时候，我如果用外部大模型查答案的话，响应速度就要4-5秒，其实是来不及的。我必须要用独享模型才能保证0.3秒的反应速度，所以上次答辩我是临时云上租了个5090，推理的Qwen3.6-27B，现在我可以在本地推理Qwen3.8，保证模型随叫随到了。

我把20 万字素材变成llm wiki，也就成了索引小抄，评委提问的时候，我按住 Caps 录音转文字，关掉思考模式，一秒之内，成体系的答案就刷新在悬浮框里，显得我张口就来，如数家珍，表现极好。对了，我的语音转文字模型，也是阿里开源的funasr。

我用Qwen3.8驱动我自己写的Easybrowser（已经开源），自己翻了知乎和微博上的用例，算是自己做了详细的调研，挺有意思。

有人把它接进 DeepSeek Harness，干 WorldQuant 量化研究的活。读脚本、调 PowerShell 跑 Python、生成候选配置、启动后台批量模拟，一口气跑了三十多分钟、近四十步。

中间撞上结果文件并发写入的 bug，它自己翻日志、改成读 JSONL，把活干完了，说明这个本地模型的智能能力和长程任务是足够的 （知乎专栏）。

还有个更离谱的用例。丢给它一句话：「农村 20×15 的地，盖栋简约不张扬的自建房，要网页能预览」。它先反问你几个需求，然后一次性交出一个能旋转查看的别墅 3D 模型（知乎）。

拿它当 coding agent，29 道 bug 修好 27 道，175 次工具调用零格式错误。让它写俄罗斯方块，一个 400 行的单文件 HTML，语法、功能、截图验证全过（知乎专栏）。

读代码库、答问题、把会话记录写成文档，会议纪要、拆长文档、搭企业知识库，全都干得动（知乎专栏）。我现在正在让qwen3.8帮我编织我自己的LLM wiki，我的个人项目材料终于能够变成体系了，实在太不容易了。

便宜是个伪命题

从我一直研究的Token经济学来看，本地部署，真的不是为了省钱。一块卡就算按一秒100token生产计算，一小时也只有36万token，一天只有864万，一个月峰值是2.59亿，完全不够用。

我一个月最高用过10个亿token，也不过花了200出头，而且我买的中转站价格还算是贵的。而用本地跑大模型，功耗500瓦，一个月电费都要360度，合180块。

实话实说，一个月的 token 用量，超过 140 块的gpt plus成本的话，自建中转站，购买日抛号池，收割准备上市的A社和OpenAI才是版本最优解法。100 亿 GPT-5.6 token，最便宜的成本是 100 块(服务肯定不稳定，但是这么便宜还有啥可抱怨的)。

在A社和Openai上市之前，这个tokens的价格比我们买一张 4090、一台 5080、甚至一台 Mac mini跑本地推理，都便宜多了。别客气，老佛爷帮我们付过帐了。纯比 token 单价，谁家的推理服务都打不过主打薅羊毛的中转站。

但是 Qwen 27B 的价值，从来不是「省钱」。 Qwen 27B是当前大模型智力的定价之锚。

按照一台4090主机3万元，折旧3年，电费每月180计算，3年成本36480元，可以生产9331亿tokens，平均一百万token的成本是3.9元，消费者终于能跟模型厂家议价了，同等性能的模型，价格超过4块一百万的，就可以说gg了。

成本与隐私的最优解

qwen3.8 27B在成本和隐私两个极端之间，形成了一个最优解。

一端是中转站。便宜是真便宜，但你的数据从中转站走，等于把自己电脑上的各种信息扒光了给各种灰产的人看，而且投毒的风险也永远存在。另外，中转站是必然会卖掉你的数据的，所以微信、邮件、账本，你是绝对不能用中转站的tokens处理的。中转站的API就应该安全的用在我们的虚拟机或者沙盒里面。

另一端是纯本地。隐私满分，但硬件要钱，以前的模型智能不够，可27B 的价值，就是把这两头接起来。

具体涉及隐私的活，由本地 27B 这个智能体自己干。 搜资料、扒数据、做汇总、整理成半成品，这些涉及个人隐私又量大机械的活，全都在本地跑，数据不出门。

中转站的贵价模型只干一件事：收口和决策。 把本地带回来的信息，做最后的推理、判断、拍板，然后继续派活。它碰到的，只有我们允许漏出去的那一点点，即使泄露了，问题也不大。

这么一分工，我们等于既白嫖了顶尖算力，又不怕数据被人拿去卖。便宜和隐私，两头都占了一点，两头又都没牺牲。这就是折衷的优势。

Qwen3.8能替代多少

我让qwen3.8翻了我这两天的 agent 日志。12 个会话，1400 多次工具调用。

1145 次是 bash 命令。剩下的，写脚本、改文件、读文件、搜资料、浏览器自动化。

九成九是执行的活。

OA 里需求入库、立项材料抓取，是执行的工作。逆向知乎、腾讯新闻、企鹅号、网易号、百家号五个平台的阅读量接口，也是执行的活，qwen3.8-27B干得很好。发完公众号之后，再同步到八个自媒体平台发送，还是执行活。

真正要高智商大模型的，就两个任务：看完子代理返回的信息，然后整体考虑下一步工作安排。剩下的，全是 27B 能干的。

我一周一亿 token 的用量，大半是这些执行活烧出来的。我把执行的工作先下放到本地 27B，剩贵价模型干收口的那部分，再用ds v4flash干本地模型干不过来的活。一个月的成本控制在 300 块以内真的不难，加上本地电费，整月大模型开销压在 500 以内，是压力不大的成本。

上个月我们有个同事，一个月干出去一万块的 token 费。上线本地 27B 之后，这部分是实打实能压下来的。算账不是重点。重点是 27B 作为本地模型能干很多活，会改掉我们使用大模型的方式。

算力，重新分布了

Qwen 27B 的意义，不止是一个模型，也不止是定价锚。

它意味着，从前只能锁在算力中心里的模型推理，被重新释放到了分布式。你家的电脑、我家的电脑，都能推理了。高智商推理，从「集中供给」变成了「包产到户」。

再往下一步想，更好玩。

家里的显卡，一天二十四小时，真正干活的时间能有几小时？剩下全是闲置。以前这点闲置算力没人要，因为单机算不了什么正经活。现在不一样了，27B 这个量级的矩阵计算，单卡就啃得动。

闲置算力共享，这个模式第一次变得可行了。 你家的 4090 闲下来，借给别人跑矩阵计算；别人家的 5090 闲下来，也借给我计算。算力跟水电气一样，成了能调度、能共享的东西。

再往下，还有一层。

27B 跑起来了，国产算力卡就有了明确的优化靶子。不用再追着海外旗舰的屁股跑，就盯着这 27B，把推理做到又快又省，这个生态就能转起来。

一个能干掉你 90% 工作的模型，还带着视觉能力，能看屏幕、能看图、能标边界框。已经非常完美了，真的非常完美。

就冲这一点，阿里云跟 DeepSeek 一样伟大。一个把推理价格打了下来，一个把高智商多模态大模型从数据中心移动到个人电脑，重新定义了大模型的推理定价，都为人类的科技进步，实打实做了贡献。

作为一个程序员，我准备部署Qwen3.8-27B未审计版了，期待。