AI技术前沿探索频道 第 6 期

能力与接入骨干为 Qwen/Qwen3.8-27B 加视觉编码器，追加一个联合 schema head：读取骨干最后隐状态，把证据路由到每个问题，并联合给所有问题和所有选项打分；权重为标准分片 safetensors，官方测试环境 torch 2.11 + transformers 5.10.2、单张 H200，图像与视频路径额外需要 pillow；模型卡还提供 systemone 兼容 Jev/SystemOne 的 POST /v1/systemone 请求体入口。以上均为模型卡声明，本次未实际运行。

关键限制全部指标来自作者内部跑分，无第三方复现；它只服务可枚举选项的决策，开放式生成、长文写作类任务不适用，同表也暴露了这一点（GPQA Diamond 48.0、POP909-CL 15.8、SGD/SGD-X 43.8 明显偏弱）；27B BF16 需 H200 级显存，且当前无任何推理厂商部署，接入要自建；模型卡的“Decision Index”为其自有评测套件，与公开基准口径不完全可比。

能力与接入50 层 MoE、每层 384 专家（1 个共享 + 6 个路由），4:1 的 SWA:GQA 注意力，Muon 优化器加 Exact Quantile Balancing；权重为 128×128 分块的 float8_e4m3fn，embedding/LM head/norm/router 保持 bf16，FP8 KV cache；推理可走 transformers>=5.20，或装 aleph-alpha-inference 用其 vLLM 插件并按 --reasoning-parser kolibri1 / --tool-call-parser kolibri1 启动；最小硬件 2×A100 80G 或 1×H200，显存占用约 78GB。

关键限制只覆盖德英两语，中文场景不适用；同表整体仍低于稠密 Qwen3.8 27B（EN 80.2 / DE 79.9），说明它的优势在“每激活参数的性价比”而非绝对上限；78GB FP8 显存的准入门槛不低，且部分基线在个别基准上缺项（如 TerminalBench 显示为 —），横向比较并不完整；知识截止为 2026-06-18；全部成绩为作者自测。

能力与接入diffusers 的 QwenImage21Pipeline（需源码版，依赖 PR #14950 引入的 pipeline 级 sigmas 配置），transformers>=5.17.0，bf16；8 步去噪、CFG 默认 1、use_kv_cache=True 复用文本与参考图上下文；加载时自动读取 checkpoint 内置 schedule，单独设置 num_inference_steps 不会覆盖它，只有显式传 sigmas 才会替换。以模型卡描述为准，本次未实际推理。

关键限制许可证是 qwen-research 而非 Apache-2.0/MIT，商用范围与再分发条件需按许可条款自行确认，不能按开源协议对待；模型卡没有给出 8 步相对原版 Qwen-Image-2.1 的质量损失对比，也没有吞吐或显存实测；官方明确只评估过自带 schedule，其他 schedule 效果未知；同家族在 HF trending 还存在未审查（Uncensored）的第三方 GGUF 衍生版，与本 checkpoint 无关。