封面：大数字海报 + 纸白，数字为 Hugging Face 显示的 Qwen3.8-27B 上月下载量，条形为三家官方公布的 GPQA Diamond 分数，由本号封面脚本生成。
Hugging Face 上赞数最多的千问，不是几百 B 的大模型，而是一个 27B 的「中杯」：Qwen3.8-27B，17821 个赞，上个月下载 7,516,626 次。参数小了一个数量级，为什么大家反而最爱它？
先说结论：手里是一张 24GB 显卡（4090、3090 这一档），想在本地跑一个什么活都能干的模型，首选 Qwen3.8-27B。三家官方公布的同项跑分里它都排第一，协议是最宽松的 Apache-2.0，中文生态也最全。英伟达本周刚发的 Nemotron 3.5 Bolt 适合 RTX Spark 这类新机器、主要做英文 Agent 任务的人；谷歌 Gemma 4 31B 适合要做多语种、想拿稳定底座来微调的团队。显卡只有 16GB 甚至 8GB，Bolt 直接出局，另外两家也只能退到低精度版本。
下面三张表，把这个结论拆开讲。本文是资料整合，所有跑分都是各家官方数据，我们没有在本地跑这三个模型。
17821 个赞背后：27B 为什么成了最多人下载的 Qwen
[官方图] Qwen3.8-27B 的 Hugging Face 模型页：17.8k 赞、上月下载 7,516,626 次、协议 apache-2.0。截于 2026-10-16 21:00（北京时间）。图源：Hugging Face Qwen3.8-27B 模型页
大家爱它，说白了就三点：
- 一张卡装得下。27B 是稠密模型，量化到 4 bit 后模型文件 16.5GB，放进 24GB 显存还有余量。比它大的模型要两张卡或者租云服务器，比它小的模型能力又差一截。
- 能干的活多。模型卡写的是「原生视觉语言模型」：能看图、能看视频，还能写代码、操作电脑。思考模式默认打开，可以按请求关掉；用
reasoning_effort在 xhigh、medium、low 三档之间调思考深度。 - 协议省心。Apache-2.0，商用、改造、二次分发都不用另外申请。
它的底子也值得说一句。27B 用的不是传统的「每层都做全注意力」，而是 3 层线性注意力配 1 层全注意力，循环 16 组：
[源码推导] 依据 Qwen3.8-27B 模型卡 Model Overview 中的 Hidden Layout（16 × (3 × Gated DeltaNet → 1 × Gated Attention)）绘制，非官方原图。来源：Qwen3.8-27B 官方模型卡
用大白话讲：线性注意力那 3 层负责「省」，文本越长越省显存；每 4 层插 1 层全注意力负责「准」，长文里找某句话不容易漏。所以它原生就支持 262,144 个 token 的上下文，用 YaRN 还能扩到约 100 万。对本地用户来说，这意味着同样一张卡，能塞进去的文档更长。
同档三选一：官方跑分摆一起看
先把对手介绍清楚：
- Nemotron 3.5 Bolt 74B-A9B 24GB：英伟达 2026-10-15 在 Hugging Face 发布。总参数 74B，但每次只激活 9B（MoE 结构）；官方直接用原生 2-bit 量化把它打包成 24GB，主打「在 24GB 内存里跑日常 Agent 任务」，首发配的是 10 月 16 日上市的 RTX Spark 笔记本。
- Gemma 4 31B：谷歌今年 4 月发布的 31B 稠密模型，256K 上下文，Apache-2.0。谷歌技术报告称它是 Arena 文本榜上排名最高的稠密开源模型。
三家都公布了不少跑分，但能直接对上的只有几项。我们只挑出同名的基准放进一张表：
[框架示意] 按三家官方模型卡整理的同名基准；评测设置不完全相同，只适合看量级。来源：Qwen3.8-27B 模型卡、NVIDIA Nemotron 3.5 Bolt 模型卡、Gemma 4 官方模型卡
| 基准（考什么） | Qwen3.8-27B | Nemotron 3.5 Bolt 24GB | Gemma 4 31B | 数据出处 |
|---|---|---|---|---|
| GPQA Diamond（研究生级理科题） | 89.2 | 86.43 | 84.3 | 各自官方模型卡 |
| Terminal-Bench 2.1（在终端里完成任务） | 73.0 | 50.98 | 37.22（26B-A4B） | Qwen 模型卡；NVIDIA 模型卡 |
| HLE（超难综合题） | 30.8 | 25.30 | 19.5 | 各自官方模型卡，判分方式不同 |
| LiveCodeBench v6（算法编程） | 90.3 | 未公布 | 80.0 | Qwen 模型卡；Gemma 4 模型卡 |
表格说明：全部为官方数据。Terminal-Bench 这一格，谷歌没公布 Gemma 4 31B 的成绩，表里是 NVIDIA 模型卡给 Gemma 4 26B-A4B 的分；HLE 上 Qwen 由 GPT-4o 判分，另两家是「不联网」设置。
看这张表要抓两点：
- 差距最大的是「在终端里干活」。Terminal-Bench 2.1 考的是让模型自己敲命令、改文件、跑测试，Qwen3.8-27B 的 73.0 比 Bolt 高出 22 分。想让本地模型接 Claude Code、OpenCode 这类编程工具替你干活，这一项最该看。
- 理科题差距不大。GPQA Diamond 三家都在 84～89 之间，日常问答你很难感觉出区别。
英伟达自己的对比图里没有放 Qwen3.8-27B，比的是上一代 Qwen3.6-35B-A3B 和 Gemma 4 26B-A4B：
[官方图] NVIDIA 在 Bolt 模型卡里给出的 13 项对比，绿色为 Bolt 24GB。注意对手是 Qwen3.6-35B-A3B 和 Gemma 4 26B-A4B，不是本文主角。图源：NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB 模型卡
这张图里 Bolt 的强项很清楚：BrowseComp（上网查资料）66.75，远高于同图其他模型；PinchBench 87.82，英伟达称是同级开源模型第一。如果你的需求是「本地跑一个会上网查资料的 Agent」，Bolt 值得认真看。
显存账：24GB、16GB、8GB 各能跑到哪一档
跑分再好，装不进显卡也白搭。下面这张表只算模型文件大小，用的是社区最常用的 Unsloth GGUF 量化版：
[框架示意] 文件大小取自 Hugging Face 上 Unsloth 发布的 Qwen3.8-27B-GGUF、gemma-4-31B-it-GGUF 文件列表，以及 NVIDIA Bolt 模型卡，查询于 2026-10-16。来源：Unsloth GGUF 文件列表、NVIDIA Bolt 模型卡
| 量化档位 | Qwen3.8-27B | Gemma 4 31B | Nemotron 3.5 Bolt |
|---|---|---|---|
| 8 bit（几乎无损） | 29.0GB | 32.6GB | 无 |
| 6 bit | 22.0GB | 25.2GB | 无 |
| 5 bit | 19.8GB | 21.7GB | 无 |
| 4 bit（最常用） | 16.5GB | 18.3GB | 无 |
| 2 bit | 8.4GB | 8.5GB | 24GB（官方唯一版本） |
翻译成人话：
- 24GB 显卡：Qwen3.8-27B 可以上 5 bit（19.8GB），剩下的显存留给上下文，最舒服；Gemma 4 31B 用 4 bit（18.3GB）够用；Bolt 的 24GB 包正好卡在线上。英伟达说的「24GB 可跑」，首发对象是 RTX Spark、DGX Spark 这类大内存新机器，普通 24GB 独显上还要给上下文留空间，会比较紧。
- 16GB 显卡：Qwen 的 4 bit 小号版 15.4GB、Gemma 的 3 bit 14.7GB，都是勉强塞进去，上下文开不长。Bolt 放不下。
- 8～12GB 显卡：只能用 2 bit 版（8.4GB 左右），能聊天，但质量会明显下降。这一档建议直接换更小的模型，或者用云端 API。
注意：上面只是模型文件大小，实际运行时还要加上上下文缓存和系统占用，建议留出 2～4GB 余量。
中文、代码、长上下文：各自的强项和短板
[框架示意] 依据三家官方模型卡与 Hugging Face 页面 license 字段整理，查询于 2026-10-16（北京时间）。来源：三家官方模型卡
一家一句点评：
- Qwen3.8-27B：全能，短板是「贪」。思考模式默认开、默认最高档 xhigh，官方建议给思考留到 262,144 个 token 的输出上限。本地跑的时候，简单问题记得把思考关掉或调到 low，否则一句话也要想半天。
- Nemotron 3.5 Bolt：Agent 型选手，短板是中文。模型卡列出的语言是英、西、法、德、意、日六种，没有中文；部署方面，官方 vLLM 方案写的是 A100、H100 和 Blackwell，消费级显卡主要靠 llama.cpp、Ollama、LM Studio。协议是 OpenMDW-1.1，英伟达写明可以商用。
- Gemma 4 31B：稳，短板是「慢一代」。4 月发布，Agent 和终端编码类的分数落后于本周两款新模型；但多语种成绩好（MMMLU 88.4），Apache-2.0，生态工具第一天就齐，拿来微调做垂直模型很合适。
长上下文三家都在 256K 左右，Qwen 能用 YaRN 扩到约 100 万 token，是唯一明确写了百万上下文方案的。
谁该选 Qwen3.8-27B，谁该看别家
适合直接上 Qwen3.8-27B 的人：
- 一张 24GB 显卡，想要一个中文好、能写代码、能看图的本地主力模型；
- 想接本地编程 Agent（终端任务分数三家最高）；
- 要商用，又不想研究复杂协议。
不适合、建议看别家的情况：
- 用的是 RTX Spark、DGX Spark 这类新机器，主要做英文资料检索和网页 Agent：先试 Nemotron 3.5 Bolt；
- 要做多语种产品，或者要拿稳定版本做长期微调：Gemma 4 31B 更稳妥；
- 显卡只有 8GB：三家都不建议，换小模型或用 API。
使用建议
- 先 4 bit，再往上加。24GB 卡从 Q4_K_M（16.5GB）起步，跑顺了再试 Q5_K_M（19.8GB）。
- 思考档位按任务调。聊天、改写用 non-thinking 或 low；写代码、做 Agent 任务再用 xhigh。官方也提醒，多轮 Agent 任务里调低思考档位不一定更快，可能因为想得少反而多返工。
- 采样参数照官方抄。思考模式 temperature=1.0、top_p=0.95；非思考模式 temperature=0.7、top_p=0.8、presence_penalty=1.5。
- 跑分只当参考。表里每个分数都是厂商自己测的，评测设置也不一样，最终以你自己的业务题为准。
其他扩展
RuoyiOffice 是一套面向中小企业的企业管理一体化平台，思路是「一个平台管好整个企业」：不用再分别采购 OA、人事、客户管理、进销存好几套系统，数据在一个平台里打通。它的核心特性有这几块：
- 业务全覆盖，按需启用：OA 协同、流程审批、人力资源、客户管理（CRM）、进销存（ERP）、资产管理、仓储管理、企业商城、数据报表、物联网等十余个子系统，模块化组合，用到哪个开哪个。
- 可视化流程引擎：仿钉钉、飞书的流程设计器，同时支持 BPMN；会签、或签、依次审批，抄送、转办、委派、加减签，父子流程和超时提醒都有，请假、入职、转正、调动、离职这类单据都能走线上审批。
- PC 端加移动端：PC 端基于 Vue 3，移动端基于 UniApp，审批、打卡、待办、公告、企业云盘在手机上也能处理。
- 微服务架构：后端基于 Spring Boot 和 Spring Cloud Alibaba，网关、注册配置中心、消息队列齐全，各模块可以独立部署、按需扩展。
- 内置 AI 能力：可对接 DeepSeek、通义千问等大模型，提供 AI 对话、写作、绘图、知识库问答和思维导图。
- 企业级底座：多租户、细粒度的角色和数据权限、单点登录，还有代码生成器，二次开发省事。
