Rohan Paul (@rohanpaul_ai) · 2026/10/20 22:08:25
Qwen3.8-27B RL 后训练版发布 幻觉率减半且超越 GPT-6 Luna
基于开源环境强化学习（RL）后训练的 Qwen3.8-27B 模型显著提升了智能体性能，将 AA-Omniscience 基准的幻觉率从 30.4% 降至 15.1%，并在 Terminal-Bench 等任务上超越 GPT-6 Luna-medium。该模型通过 MLA 架构优化，在单张 RTX 4090 上即可运行，上下文容量提升 3.5 倍，同时大幅减少输出 Token 数量，展现出更高的“智能密度”。
报道全文原始报道全文
Rohan Paul (@rohanpaul_ai) · 2026-10-20 14
今年一些最有趣的 Agent 成果，正出自小型开源模型的 RL 后训练（post-train）。
一款经过新式 RL 后训练的 Qwen3.8-27B 模型，在开源环境中进行训练，将 AA-Omniscience 基准上的幻觉率从 30.4% 降至 15.1%。
其 MLA 版本的压缩副本可运行于单张 24 GB 的 RTX 4090 显卡上，且上下文容量约为基础版 Qwen 的 3.5 倍。
它在 DeepSWE 基准上超越了 GPT-6 Luna-medium，表现介于 Luna 6 medium 和 high 之间。 在 Terminal-Bench 2.1 上得分更高，同时每个已解决任务的中位输出 token 数仅为 23.8K，而基础版 Qwen 为 54.9K。
我试用了该模型的一个未发布版本，真切感受到了其“比较智能密度”——它生成的内容显著更少。
在 Terminal-Bench、τ³-bench、ClawEval 以及 BFCL v4（伯克利函数调用排行榜）上，它超越了 Muse Glimmer 30B 和 OpenAI 的 GPT-6 Luna (high)，尽管 Luna 仍在 DeepSWE 上以 53.1% 的成绩胜出。
他们还发布了一个 MLA 版本，即同一模型将其 16 层全注意力机制转换为多头潜在注意力（multi-head latent attention），从而将每个 token 占用的内存从 64 KiB 缩减至 18 KiB，使得单张 GPU 能够容纳更多或更长的会话。