Qwen3.8-27B 强化学习后训练模型在多项 Agent 基准上超过 GPT-6 Luna high
Some of the most interesting agent results this year are coming out of post-trains of small open models.
Rohan Paul 介绍了一个基于 Qwen3.8-27B 做强化学习后训练的开源环境模型，在 AA-Omniscience 上把幻觉率从 30.4% 降到 15.1%。该模型在 Terminal-Bench、τ³-bench、ClawEval 和 BFCL v4 上超过 Muse Glimmer 30B 与 GPT-6 Luna high，但 DeepSWE 仍由 Luna 以 53.1% 领先；它解出任务的中位输出为 23.8K token，基础 Qwen 为 54.9K。作者还提到 MLA 版本把 16 层全注意力改为多头潜在注意力，每 token 内存占用从 64 KiB 降到 18 KiB，压缩版可跑在单张 24 GB RTX 4090 上，上下文约为基础 Qwen 的 3.5 倍。
正文 · AI 翻译
今年一些最有趣的智能体成果，来自小型开放模型的后训练。
一个用开源环境训练的新强化学习后训练模型 Qwen3.8-27B，将 AA-Omniscience 上的幻觉率从 30.4% 降至 15.1%。
MLA 版本的压缩副本能装进我单张 24 GB 的 RTX 4090，上下文长度约为基础版 Qwen 的 3.5 倍。
它在 DeepSWE 上击败 GPT 6 Luna-medium，成绩介于 Luna 6 medium 和 high 之间。在 Terminal-Bench 2.1 上得分更高，同时每个解出任务的中位输出为 23.8K token，而基础版 Qwen 为 54.9K。
试用了这个模型的一个未发布版本，真切感受到了其相对更高的智能密度，它写的少得多。
在 Terminal-Bench、τ³-bench、ClawEval 和 BFCL v4（伯克利函数调用排行榜）上超过 Muse Glimmer 30B 和 OpenAI 的 GPT-6 Luna（high），不过 Luna 仍以 53.1% 在 DeepSWE 上胜出。
他们还发布了一个 MLA 版本，即同一模型将其 16 个全注意力层转换为多头潜在注意力，使每个 token 占用的内存从 64 KiB 降至 18 KiB，从而让更多或更长的会话能装进单张 GPU。