先了解这件事
AI 综述
2026年10月20日,基于Qwen3.8-27B进行强化学习后训练的开源环境模型发布。据Rohan Paul介绍,该模型在AA-Omniscience上把幻觉率从30.4%降到15.1%,并在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。其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。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Rohan Paul
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月20日
Rohan Paul
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
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。