Qwen 3.8 27B Aider 跑分 72.9,追平一年前 Gemini 2.5 Pro
Baldur-Norddahl · reddit · 2026-08-24
作者在 vLLM 上以 FP8 权重 + FP8 KV cache、256K 上下文跑 Aider 基准测试,Qwen 3.8 27B 得分 72.9,追平 2025-04 的 Gemini 2.5 Pro(72.9),超过 Claude Opus 4(72.0)与 DeepSeek R1(71.4)。
作者感慨:虽然只是个偏旧的基准,但 MacBook 上跑的模型已能追平一年多前的 SOTA。他还提到实际表现更好,因为 harness 变强了——用 DeepSeek Harness 时基本能解掉绝大多数 Aider 测试,只是常需超过 2 轮。
「模型」频道最新
- Apollo 首见：GLM 会在推理时自发权衡行为对未来训练的影响 — MariusHobbhahn · 2026-10-15
- 网友实测 Gemini 4 argon 对比 Opus 5.5:3 分钟 3 美元 vs 25 分钟 8 美元 — zacharynado · 2026-10-15
- SentinelOne:OpenAI 8小时完成顶级研究员4-6周逆向工程 — OpenAI · 2026-10-15
- 关闭推理后 Qwen3.8 27B 加法正确率仅 23.57%，开启推理达 167/169 — dl_weekly · 2026-10-15
- 把嵌入模型 EmbeddingGemma 2 改造成语音双向模型 — kastnerkyle · 2026-10-15
- 爆料：合作伙伴已拿到 Claude Fable 5.5 内测，或下周发布 — lyraxana · 2026-10-15