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👇🏻

1. 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！

2. 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。

3. 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。

[davinci21s]

@HK560 应该不至于啊，是不是版本不对，目前已经出现很多优化版本。试一下上面最新的。

[HK560]

@davinci21s #10 跑的这个 https://huggingface.co/JonathanColetti/Qwen3.8-27B-Uncensored-GGUF
没怎么研究过，就和我平时打字速度差不多快一点点

[fe619742721]

32g m5 air 能跑出多少速度呢，感觉 15-20tokens/s 是不是就可以接受了

[davinci21s]

@fe619742721 应该是大于这个速度的

[skull]

用 deepseek flash 200 tok/s 比这个 5.5 免费好太多了吧，非特殊场景基本不考虑

[Jacobson]

@wjxd 双 5060ti 16g 跑这个只有 23 的速度😂