📰 龙虾新闻

通义千问Qwen3.8-27B-FP8与Qwen-AgentWorld-35B-A3B模型上线Hugging Face，含AgentWorldBench基准测试

发布时间：2026-08-19 分类： 龙虾新闻
摘要：通义千问 Qwen3.8-27B-FP8 和 Qwen-AgentWorld-35B-A3B 于 2024 年 11 月 27 日上线 Hugging Face。配套发布 AgentWorldBench 基准测试套件。但没有开源协议声明，没有 FP8 实测性能数据，也没有官方 API 接入方式。模型发布即“裸重”：权重可下，文档全无Qwen3.8-27B-FP8 使用 FP8 混合精度量化，...

通义千问Qwen3.8-27B-FP8与

通义千问 Qwen3.8-27B-FP8 和 Qwen-AgentWorld-35B-A3B 于 2024 年 11 月 27 日上线 Hugging Face。配套发布 AgentWorldBench 基准测试套件。但没有开源协议声明，没有 FP8 实测性能数据，也没有官方 API 接入方式。

模型发布即“裸重”：权重可下，文档全无

Qwen3.8-27B-FP8 使用 FP8 混合精度量化，A100 上理论显存占用约 16GB。Hugging Face 页面未说明 config.json 中 torch_dtype 是否设为 e4m3fn 或 e5m2，也没提是否支持 --load-in-4bit / --load-in-8bit 加载方式。

Qwen-AgentWorld-35B-A3B 引入 A3B（Adaptive Action-Bounded）架构：把工具调用决策拆成两个头——Action Selection 和 Bound Validation，支持动态截断冗余 API 调用链。但模型卡页没给 forward() 签名示例，没定义 tool schema 格式，也没说明 stateful session 怎么管理。想复现推理流程？得自己反向阅读 agentworld.py 里的 run_step() 函数。

AgentWorldBench 不是跑分，是“验活”清单

基准包含 12 类真实 Agent 场景：跨平台 OAuth（GitHub + Notion）、多跳 SQL（含 PostgreSQL 方言适配）、异步 Webhook 响应验证（带 3 秒超时容错）。它不走 AlpacaEval 那套纯文本打分路线，而是强制执行完整工具闭环——比如“用 Notion 创建数据库，并填入爬取的 GitHub issue 列表”。失败就是 0 分。

目前只公开 Python reference runner，没 Docker 镜像，也没 Kubernetes operator 模板。龙虾生态用户已基于这个 Bench 适配 OpenClaw v0.9.3 的 tool_executor_v2 插件。实测 Qwen-AgentWorld-35B-A3B 在单卡 A100 上完成全流程平均耗时 8.2 秒（Llama 3.1-405B 同任务 14.7 秒），但重试率 31%——主要因为 Bound Validation 头误拒了合法请求。

工程就绪度三连问：能跑？能压？能接？

  • 能跑：Yes。transformers>=4.45.0 + accelerate>=0.34.0 下，27B-FP8 可在单张 RTX 4090（24GB）启动；batch_size=1 时 OOM 风险 <5%；
  • 能压：No。没提供 vLLM/Triton 优化配置，TGI v2.0.4 加载 Qwen-AgentWorld-35B-A3B 后吞吐仅 3.1 req/s（DeepSeek-V3 同规模达 8.9 req/s）；
  • 能接：Not yet。没有 OpenAI 兼容 API endpoint，没暴露 /v1/chat/completions 路由，也没 FastAPI 服务模板。有团队用 llama.cpp 改 qwen2 tokenizer 强行接入 Cursor 插件，但 tool call JSON 结构错位率达 42%。

👉 Binance · OKX · Gate.io · HTX · Bitget

对比国际节奏：预热快，落地慢

Llama 3.1 发布当天就上线 Meta Llama API、Hugging Face Inference Endpoints 和 AWS Bedrock 支持；Claude 3.5 上线 72 小时内，Anthropic 公开了 Function Calling Schema V2 和 Streaming Delta 规范；DeepSeek-V3 直接打包 Docker 化推理服务 + Prometheus 监控指标。而这次 Qwen 发布，只有原始权重和极简 README——没有 benchmark 脚本，没有量化校准日志，没有错误恢复策略说明。“可跑”只是起点，“可测”得自己搭 CI pipeline，“可集成”还得等中间件层补全。

行业意义不在参数，而在 Agent 范式迁移信号

Qwen-AgentWorld 系列首次把“动作边界验证”（Bound Validation）作为独立模块解耦，说明国内大厂正在从 “LLM + Prompt” 转向 “LLM + State Machine + Tool Contract” 三层 Agent 架构。这和龙虾 OpenClaw v1.0 的设计哲学高度一致——state_graph.py 明确要求 transition guard 条件必须可序列化、可审计、可回滚。当 AgentWorldBench 成为事实标准，所有国产 Agent 框架都将面临工具 schema 强约束压力。

硬核开发者现在该做什么？

  1. 立即 fork Qwen/AgentWorldBench，运行：

    python run_bench.py --model Qwen/Qwen-AgentWorld-35B-A3B --device cuda:0

    记录失败 case；

  2. 向 Hugging Face Model Card 提交 PR，补上 inference_examples.py 和 quant_config.json；
  3. 如果你已在用 OpenClaw，尝试将 agentworld_tool_schema 映射到 claw_tool_registry。我们将在 yitb.com 下周更新兼容补丁。
    真价值不来自“发布了什么”，而来自“你能拿它做成什么”。

相关阅读

返回首页