Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
能读懂文字、图片和视频并用文字回复的 27B 开源模型,面向编程、研究和多步骤智能体任务,适合自己部署模型的开发者。
Qwen3.8-27B 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download Qwen/Qwen3.8-27B --local-dir Qwen3.8-27B
Qwen3.8-27B 是 Qwen 推出的开源模型,能读文字、图片和视频,并用文字回复。它是拥有 27B 参数的稠密模型,主要面向编程、研究、专业工作,以及需要很多步骤的智能体任务。它属于 Qwen3.8 这一代,建立在 Qwen3.5 的设计之上。
适合想在自己的服务器上运行开源模型的开发者和研究人员,也适合要让智能体读懂截图、文档或视频的团队。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 软件 | 开发者 | 把它当作自己的智能体框架或开发工具背后的编程模型 | 让它找出测试失败的原因并给出修复建议 |
| 研究 | 分析师和科学家 | 把论文、图表和示意图交给它,请它解释 | 发一张 STEM 示意图,问图里画的是什么 |
| 智能体 | 开发自动化的团队 | 让它规划多步骤任务,并根据工具返回的结果调整 | 交给它一个需要多次调用工具的任务,让它做完 |
| 媒体 | 审阅者和剪辑师 | 就一段长录像向它提问 | 发一段长达一小时的视频,问某个话题出现在哪里 |
如果你只想用托管服务,不想自己维护服务器,可以先等一等,因为模型卡说托管版本即将推出。
| 用途 | 适合谁 | 得到什么 |
|---|---|---|
| 编程帮助 | 开发者 | 在多步骤任务中写出或修改的代码 |
| 阅读文档和示意图 | 研究人员 | 对图片或页面的文字解释 |
| 视频提问 | 分析师 | 关于长视频内容的回答 |
开始前你需要准备这些。
在终端里运行:
# 安装 Hugging Face 的命令行 pip install -U huggingface_hub # 把模型的文件下载到一个文件夹 hf download Qwen/Qwen3.8-27B --local-dir Qwen3.8-27B
这里能看到的模型卡文字没有给出安装命令,所以请按你所选运行环境的指南操作。
你通过运行环境向模型发送文字、图片或视频,再读它返回的文字。思考模式默认开启。你可以在单次请求里关闭它,也可以调节推理的深度。
| 工具 | 作用 |
|---|---|
| 思考模式 | 默认开启,可以在单次请求里关闭 |
| reasoning_effort | 设置模型推理的深度 |
| preserve_thinking | 在对话里保留之前消息的推理内容 |
你附上一张图表截图,问它显示了什么趋势,哪里看起来不对劲。模型会读图,在思考模式开启时先推理,再用文字作答。
这是一个你自己运行的聊天模型,除了读文字,还能看图片和视频。你可以先试一件小事:发一张图片,配一个简短的问题,保持思考模式开启。
它是稠密模型,所以每个 token 都会用到全部 27B 参数。它有 64 层,由 16 组重复结构组成,每组是三层 Gated DeltaNet 加一层 Gated Attention,每层后面接一个前馈网络。视觉编码器负责处理图片和视频,训练时还让它学会一次预测多个 token。原生上下文长度是 262,144 个 token,可以扩展到 1,000,000。
模型卡里有一行基准结果,把它和较早的 Qwen3.6-27B 做了对比。
能读懂文字、图片和视频并用文字回复的 27B 开源模型,面向编程、研究和多步骤智能体任务,适合自己部署模型的开发者。
由 Qwen 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。
它是什么:
Qwen3.8-27B 是 Qwen 推出的开源模型,能读文字、图片和视频,并用文字回复。它是拥有 27B 参数的稠密模型,主要面向编程、研究、专业工作,以及需要很多步骤的智能体任务。它属于 Qwen3.8 这一代,建立在 Qwen3.5 的设计之上。
适合谁:
适合想在自己的服务器上运行开源模型的开发者和研究人员,也适合要让智能体读懂截图、文档或视频的团队。
行业 | 谁在用 | 怎么用 | 例子
软件 | 开发者 | 把它当作自己的智能体框架或开发工具背后的编程模型 | 让它找出测试失败的原因并给出修复建议
研究 | 分析师和科学家 | 把论文、图表和示意图交给它,请它解释 | 发一张 STEM 示意图,问图里画的是什么
智能体 | 开发自动化的团队 | 让它规划多步骤任务,并根据工具返回的结果调整 | 交给它一个需要多次调用工具的任务,让它做完
媒体 | 审阅者和剪辑师 | 就一段长录像向它提问 | 发一段长达一小时的视频,问某个话题出现在哪里
如果你只想用托管服务,不想自己维护服务器,可以先等一等,因为模型卡说托管版本即将推出。
用在哪里:
用途 | 适合谁 | 得到什么
编程帮助 | 开发者 | 在多步骤任务中写出或修改的代码
阅读文档和示意图 | 研究人员 | 对图片或页面的文字解释
视频提问 | 分析师 | 关于长视频内容的回答
如何设置:
开始前你需要准备这些。
这里能看到的模型卡文字没有给出安装命令,所以请按你所选运行环境的指南操作。
如何使用:
你通过运行环境向模型发送文字、图片或视频,再读它返回的文字。思考模式默认开启。你可以在单次请求里关闭它,也可以调节推理的深度。
工具 | 作用
思考模式 | 默认开启,可以在单次请求里关闭
reasoning_effort | 设置模型推理的深度
preserve_thinking | 在对话里保留之前消息的推理内容
示例:
你附上一张图表截图,问它显示了什么趋势,哪里看起来不对劲。模型会读图,在思考模式开启时先推理,再用文字作答。
新手与专家:
这是一个你自己运行的聊天模型,除了读文字,还能看图片和视频。你可以先试一件小事:发一张图片,配一个简短的问题,保持思考模式开启。
它是稠密模型,所以每个 token 都会用到全部 27B 参数。它有 64 层,由 16 组重复结构组成,每组是三层 Gated DeltaNet 加一层 Gated Attention,每层后面接一个前馈网络。视觉编码器负责处理图片和视频,训练时还让它学会一次预测多个 token。原生上下文长度是 262,144 个 token,可以扩展到 1,000,000。
文字、图片或视频输入
视觉编码器读取图片和视频
各层交替使用 Gated DeltaNet 和 Gated Attention
除非关闭,否则先运行思考步骤
返回文字回答
注意事项:
模型卡里有一行基准结果,把它和较早的 Qwen3.6-27B 做了对比。
Title: Terminal Bench 2.1 终端智能体编程得分
Qwen3.8-27B: 73.0 分
Qwen3.6-27B: 63.4 分
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download Qwen/Qwen3.8-27B
然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| Qwen3.8-27B 本页 | 6,960,395 | 19,795 | 27.8B | apache-2.0 | |
| Qwen3.5-9B共有 qwen3_5 · image-text-to-text · conversational | 6,259,809 | 2,353 | 9.7B | apache-2.0 | |
| Qwen3.8-27B-FP8共有 qwen3_5 · image-text-to-text · conversational | 5,442,810 | 984 | 27.8B | apache-2.0 | |
| Qwen3.5-4B共有 qwen3_5 · image-text-to-text · conversational | 5,083,722 | 1,226 | 4.7B | apache-2.0 | |
| Qwen3.5-2B共有 qwen3_5 · image-text-to-text · conversational | 4,044,746 | 479 | 2.3B | apache-2.0 | |
| Qwen3.5-0.8B共有 qwen3_5 · image-text-to-text · conversational | 3,286,957 | 837 | 873M | apache-2.0 |
Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
alpindale · 工具包
用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。
prithivMLmods · 工具包
在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。