这就是千问认为我们人类长什么样子。[音乐] 我们拿到了帕努基的新闻。[音乐] 这大概是最好的一张了，所以你知道的，这是一次非常华丽的生成效果。看看这个，再看看这个。现在这看起来像垃圾了。千问啊，得把昆恩换成千问才行。
嘿各位，欢迎收看本期节目。今天我们要评测的是 27B 版本的千问 3.8，它真的很棒。我们在频道上跑了一些精彩的测试，正在检查所有的思考模式，包括低、中以及超高强度。没错，这家伙写得特别多，不过质量确实不错。虽然偶尔会出现循环现象，但整体质量是好的。
不仅如此，我们还在进行 MTP 测试。我们要查看最新模型中新增的 MTP 层，同时也运行旧一代的 3.6 MTP 层。此外，我们还会对比千问 3.6 和 3.8，看看它是否会变得更好。我们还将获取最佳的生成效果，并观察它是否真的能修改自己的代码，还是仅仅处于那种一次性记忆提示的状态。
请保持关注，紧紧抓住这次体验吧，因为这毕竟是个小模型。好吧，它仍然很大，但与我们现在常见的 2.8 万亿参数的大模型相比，它就显得很小了。哦不，这是怎么发生的？我还在调试我的融合功能呢，看看会发生什么。但让我们直接开始，看看它具体是什么样子。
查看这里的模型卡片我们可以看到千问 3.8 非常惊人，它还包含了视觉功能。再看看这些基准测试数据：SWE Bench Pro 得分是 61.7，这比 GLM 5.1 还要高。差不多吧，我们直接看 GLM 5.2 的数据。GLM 5.2 是 62.1，而这个小小的模型是 61.7。所以它简直与 GLM 5.2 近在毫厘之间，虽然我觉得未必完全如此。
尽管在某些测试中它确实表现得非常好，可能比 GLM 5.2 还要好；但在其他测试中则稍逊一筹。不过我们会看到并找出具体原因。显然，最新的 GLM 版本得分更高，达到了 66 分，但千问仍在其阈值范围内。令人疯狂的是，他们有一个 2.4 万亿参数的千问 3.8 版本。我甚至还没下载它，因为那个文件有 5TB 大。
所以我需要筹集资金。如果有人想送我一些硬盘，请告诉我。你可以下载并使用这些内容。但如果不行也没关系，我会想办法的。但看看这个：最大的千问 3.8 Max 版本在 SWE Pro 上只有 67 分，DeepSWE 是 56 分。而这个小小的版本 DeepSWE 是 42 分，虽然稍微低一点，但在 SWE Pro 上达到了 60 分以上。这太棒了。
这里所有的这些数据都表明，我们只需要跳进去看看它到底有多好就行了。我有很多测试要做。让我先关掉这个系统，我想早点发布这个视频。我以为花一个小时做这些测试就能出点东西出来。然后我意识到它喜欢思考，所以为了展示我所处的状况，运行这些测试大概花了 12 个小时。
但我正在与 3.6 版本进行对比，涵盖所有思考模式、MTP 等内部机制。让我们先看看速度方面。实际上我是在调试模式下运行的，所以比发布版本稍慢一些。但如你所见，在发布版中我们每秒能生成 43 个 token，而在调试模式下使用 3.8 版本时是每秒 30 个。这其实并不重要，让我们直接进入第一个测试吧。
我询问它这是什么？它说这是一只姜黄色的虎斑猫。完美，没错。当我们使用 3.6 版本时答案也是类似的：这是一只姜黄色的虎斑猫。哦，看看那个破折号。所以他们给响应打了指纹标记，以便知道那是 AI 生成的。不过这里还是有破折号，所以可能只是巧合。
在响应方面我们仍然得到了类似的 emoji 风格输出，无论是哪种情况都是 230 个 token，且此时思考功能已禁用。接下来我们要看一些更有趣的内容，因为它具备视觉推理能力。你可以真正理解像素数据，并且它是基于这类数据进行训练的。所以我让它为这张图片创建一个自由框动画版本，此时我启用了千问 3.6 的思考模式。
这就生成了这个美丽的生成猫图像。现在我需要向后滚动，因为如果不这样做，它会陷入一个小小的旋转循环中。但总体来看你可以看到这一点：哦，这其实是需要注意的地方。看，它只是在左右旋转，尾巴几乎没动。所以它是断开的吗？不，它是一个完整连接的大动画整体。
而在 3.8 版本这里，这是禁用思考模式的情况。我要跳进去看看。它的 token 数是 5000，对比也是 5000，两者差不多。我在这里点击播放。看看那个尾巴的动画！它还有两只小耳朵在上下跳动。所以我必须承认，这里的生成效果确实更好了。
对于这个生成过程，我们实际上运行的是 3.6 版本的 MTP 层。我只是想看看它是否有效，结果似乎确实起作用了。它的运行速度比基线更快：这里是每秒 33 token，而通常单层大约是每秒 17 token。在调试模式下是每秒 33 token，所以在发布版中会更快。
但别担心，我们有 3.8 版本的 MTP 层，它的运行速度也稍微快一点，大概多了五个 token。那么让我们切换一下模式，进入低思考状态。也就是“低思考”模式。坦白说，“低思考”并不等于真正的低功耗，因为我曾看到它在“低思考”模式下生成了数万甚至更多的思考 token。
所以这真的取决于提示词，它想怎么决定就怎么决定，想怎么思考就怎么思考。这里有一个选项可以限制思考量。对于“最大思考”模式，我不得不强制执行这个限制，因为它一直在进行数十万 token 的思考。是的，在思考阶段就花费了数小时才完成整个生成过程。
所以敬请期待后续内容吧。不过是的，我在后续的提示词中确实采用了这种限制方法。但你会看到，当涉及到“低思考”时我们可以看到 6000 token 的输出。之前我们看到禁用思考模式时，它在低强度下击败了千问 3.6。也许这里的生成效果稍微差一点？
我们到处都能看到一些锯齿状的抖动现象，尽管耳朵的动画确实非常可爱。这一点必须给予肯定。而且尾巴仍然在独立地做动画，耳朵的动画绝对很萌。所以它仍然在非思考模式的合理范围内。也许非思考模式比低强度思考更好？让我们切换到下一个级别，也就是中等思考模式。
那个版本产生了 7000 token 的输出。这仅仅比之前多了一千个 token，并不是那种所有……
接下来是其他测试，我会展示一下。你们会被它消耗的 token 数量震惊到头皮发麻。你们得放弃 Mac，去买英伟达显卡了，因为在这台机器上跑太慢了。真的太快……哦不，是太慢。或者也许今年晚些时候会有转机？蒂姆·库克在最近的采访里说，新 Mac mini 会在今年晚些时候发布。所以也许该卖掉你的 Mac Studio 了，因为可能有新东西要来了。
听说它们在 eBay 上卖得很贵。如果有人想要我的 Mac Studio，直接出价吧，兄弟我就给你了，只要价格跟 eBay 上卖的一样就行。这太疯狂了。我猜新款会更贵吧？
关于中等思考模式，耳朵又是独立的，但这里有很多 Z 轴冲突（Z-fighting），而且它似乎在尝试说话。它有黑色的大眼睛，也许是要打架之类的？我觉得原图里眼睛不是黑的，或者是那种黑绿色的。不过看起来还是不错。
现在我们要来点疯狂的：切换到“超高”思考模式。token 数从 7,000 跳到了将近 20,000。这可能是“超高”生成模式下产生的最少 token 数了，敬请期待那些无厘头的输出。在每秒 token 数方面，我们达到了 26 tokens/s。
我现在是在调试模式下运行，并且使用的是旧版 MTP（多 Token 预测）层。如果你在英伟达显卡上运行，比如 M3 或同等性能的设备，预计还能再快 10 tokens/s。它跑得快多了。比如 RTX 5090，我有一张，也许很快就能在那上面跑一次测试。
实际上看思考过程，它花了 700 秒完成生成，也就是刚过 10 分钟。这其实不算慢，相当不错。质量方面依然是一次美丽的生成。你可以看到它现在知道眼睛是绿色的了，所以它在这一点上自我修正成功了。
你还能看到摇摆的尾巴、大量的薄雾和雾气，背景里可能有很多雾霭。但整体非常美丽，这是一次辉煌的生成结果。它还有胡须！
接下来我们要做一个 3D 太阳系模型，使用 Qwen 3.6。我们保持同样的思考设置。屏幕上出现了一个“AI”标记，谁在控制 AI？发生什么了？我们按下播放按钮。
我们得到了一个非常漂亮的太阳系生成结果。之前我们在本地运行 Kimi K3 时，它的表现其实更好一些。但在这个视频里我甚至不会展示 Kimi K3 的对比，如果你想看那个比较，可以去查看上一个视频。因为这次生成的质量把前面两个模型都远远甩开了。
看，45,000 tokens，超高思考模式。即使使用旧版 MTP 层，速度仍然保持在每秒 27.8 tokens。如果你用新版 MTP 层，预计还能再快 5 tokens/s。这次生成花了 1,600 秒，也就是将近 30 分钟。
让我们看看这个生成的质量吧，我之前已经展示过它出现在我屏幕上的样子了。看这段美丽的动画！它有漂亮的悬停发光效果。你可以点击像土星这样的行星，看到内部结构。你甚至可以点击这里的其他行星。
这是一次辉煌的成果！哦，地球在干什么？它转得太快了。让我们把它慢下来。你看，地球看起来……这非常美丽。这是一次华丽的生成结果。
看这个！再看这里！但这部分看起来像垃圾一样。刚才那是精英级的、最美丽的太阳系生成之一，而现在我们得到了这种……辉煌？这看起来像是 20 或 30 年前的电影 CGI。不过整体还是很美的，他们对这个提示词的处理做得非常出色。
现在我想进一步测试：能不能加一艘飞船？我会做两个版本。第一个，我把思考模式切换为非思考（non-thinking）；第二个保持超高思考模式，让它自由发挥。我会同时发送这两个任务，让它们立刻开始处理。希望我们能得到不错的生成结果，我会在最后展示给你看。它们能够修改和重构之前生成的代码。
现在我们要彻底疯狂一下，专门测试 MTP 的速度：在 Qwen 3.6 上启用思考模式，生成一个程序化写实人脸。它产生了一些 token——13,000 个，但出现了一个运行时错误：声明了某些变量却有问题。于是我把反馈发回给系统，想看看它能做到多好结果。
它实际输出了 1,000 tokens（注：原文为“11,000”，但结合上下文可能指修正后输出），并且我们真的得到了一个人类形象的生成！这就是 Qwen 认为的人类长什么样：一副“Pukio”新闻脸。它知道我们是一群纤维状的东西，可能是在训练数据里见过我们所有的可疑行为，所以它了解人类。
有一群……哦，我不知道屏幕上发生了什么，但那确实是一次非常美丽的人脸生成。可能是最诚实的一次了。
现在关闭思考模式，我们只看 MTP 的速度表现。在禁用 MTP 的情况下，我们得到每秒 19 tokens。不知为何，它在生成人脸时卡住了，陷入了一个疯狂的循环（思考禁用状态下）。但别担心，在启用思考模式时它确实能生成人脸，我们稍后会看到。
不过在调试模式下（debug bolt），速度是每秒 19 tokens，所以那里跑得稍快一点。使用旧版 MTP 层时，Qwen 3.6 的速度跳到每秒 31.7 tokens（旧版）。使用新版 MTP，则是每秒 36.3 tokens。这是 Q4 量化版本的 MTP。
我已经上传了“舌头和脸”的模型，你可以下载这些模型跟着一起玩玩看。我还做了 Q8 版本的测速：Q8 版本是每秒 35 tokens，稍微慢一点。虽然 MTP 的量化更高（Q8 > Q4），但因为模型更大，计算量更多，所以运行稍慢。
使用轻量级模型的话，一旦我们加入置信度相关优化（就像之前 DSpot 那样），实际上可能还能更快。总之，使用完整 MTP 的 BF16 版本是每秒 34 tokens，更慢一些。所以我上传的是 Q4 版本的 MTP，因为那个跑得最快。敬请期待后续结果。
正如你所见，在禁用思考模式时，它生成了非常糟糕的结果——无法处理如何绘制我们人类的程序化人脸。但在低思考模式下，它确实生成了某种响应：9,000 tokens。让我们看看它在不太思考时认为人脸是什么样的……
不过这里有个错误，可能是一个 import 语句写错了。尽管如此，我们并没有……
这段视频不会花太多时间在这上面，因为我不想让它拖得太长。我们当时把思考模式设为中等，消耗了六万令牌，但它依然没搞清楚怎么画一张脸。这过程简直太漫长了。（清嗓子）接下来，我们把思考模式设为极高，结果奇迹发生了。它只生成了两万令牌就成功了。
我们运气不错，这次真的产出了结果，那确实是一张非常漂亮的人脸生成图。不过看起来有点恶魔气息。没错，也许有点像《星际迷航》里的Q或者类似的角色。它有眨动的眼睛和奇怪的耳朵，我真不知道这个模型接触过什么样的人类数据。我开始觉得可能有些外星人参与其中了。
看看这里，这看起来像是那些一直在编写我们不断看到的666模式的存在。但它的灯光效果非常美丽，这可能是我见过的最好的3D头部生成之一了。这绝对是最棒的一个，我要为此鼓掌喝彩。你觉得这个怎么样？这是我们见过的最好的人类形象之一吗？也许有点像约翰·马尔科维奇那种脸。总之，这是一个非常漂亮的结果。
接下来我们要尝试用Qwen 3.6做一个放松的飞行模拟器。第一次运行时出现了错误，但第二次只用了八千令牌就成功了。准备好吧，看看这个！这是一个非常漂亮的飞行模拟器。确实很不错，看起来很棒。看那些美丽的山脉，我们仿佛身临其境。可能缺少声音吧？这是启用了思考模式的结果。
我不太确定具体发生了什么，但它看起来确实很美。我很期待Qwen 3.8能做出什么，因为我看到这里可以创建一个美丽的放松飞行模拟器。我现在开启了极高思考模式，获得了五万五千令牌的上下文窗口。它花了十六千令牌进行自我修正，而之前是五万五千令牌。哦，这个看起来也很不错！我们有声音了，你听到了吗？
我们还有控制功能。向左按就左移，向右按就右移，上下也能操作。这里还有一个罗盘和油门杆。看那个声音随着油门变化而变化，引擎声会随着油门减小而变弱。这绝对是一个漂亮的生成结果，做得很好！我喜欢现在的样子，这是一个不同的环境。总共消耗了五万五千令牌，大部分都用于极高思考模式。
你可以看到那里全是极高思考的过程，实际工作只占了一小部分，但生成质量确实很好。不过八千令牌对比五万五千令牌差距很大。接下来是古代弩炮任务。我认为Qwen 3.6在这个上面做得非常出色，唯一的问题是它没有真正发射箭矢。虽然有点遗憾，但灯光效果不错，还有一个营地场景。也许弩炮比村民大得多，他们住在那个小营地里会很拥挤吧？
让我们看看Qwen 3.8能做什么，这次使用低思考模式，因为之前的生成花了几个小时。看，这里有一个漂亮的弩炮。让我们看看它是否会发射……它在后退。不幸的是……哦嘿，看那个！它真的发射了！确实发射出去了。我需要重置再试一次，现在有了靶子。我觉得它方向反了，是的，它是朝我飞来的而不是朝向靶板。
但无论如何，这是一个能正常工作的生成结果。这次不是低思考模式，我确实排除了一个高思考模式的队列任务正在用极高思考运行。但如果我等那个结果，可能还需要再等24小时。所以如果你们感兴趣的话，我之后可以更新极高思考模式的结果。但现在让我们继续看看3D人体解剖模型吧。
我认为Qwen 3.6在这个上面做得很好，甚至可以说是出色。你有一个真实的人体模型，可以展开查看内部结构。它有漂亮的脸部、肋骨笼、循环系统和肌肉组织。当然有点杂乱无章，比如我注意到你们用这些AI做医疗设备设计时，在接受前可以让它渲染一下预期的样子，这样你可能会发现它在幻觉。
但在Qwen 3.8这里，再次使用低思考模式。它有一些关于情况的描述文字，仍然有人体模型、肌肉、骨骼和器官。不过这里缺少脸部，只是一个银色球体。我们得到了身体外壳的横截面，有些有趣的事情正在发生。这确实很有趣，而且是在低思考模式下完成的，消耗了15900令牌，耗时400秒。
现在切换到极高思考模式……不，那个结果还在等待中。所以现在我们在做GTA 5游戏。Qwen 3.6在这个上面表现惊人，启用思考模式下消耗了21000令牌。GTA浏览器版开始游戏后我们可以四处奔跑，有一把手枪可以互相射击，那里有人物。我不确定能否打倒他们，但你可以上车，虽然有点不稳定。
让我们看看Qwen 3.8的表现，这次是低思考模式，消耗13000令牌。我们得到了侠盗猎车手游戏画面，进入城市后现在有红绿灯了！还有一个真正的开场动画。虽然没有声音，但再次强调这是低思考模式的结果。我正在输入时有一个极高思考模式的版本在生成中，我们看看会发生什么。
欢迎来到街头！没有文字转语音功能，生成内容有点基础，但我们可以四处奔跑。按E键进入车辆，让我们找找看有没有车可用。控制可能不太好，但确实看起来和之前类似，只是缺少一些人物细节。不过我喜欢有红绿灯这一点，这很好。也许远处有个角色？这里很有潜力！
这可能让很多人震惊的仅仅是个27B参数的模型。可能是另一个30B模型，甚至是最新的DeepSeek也做不到这种效果！它们没有做到这一点。所以Qwen团队确实获得了足够的训练数据来让它变得优秀。现在极高思考模式正在生成中，已经产生了50000令牌了。我决定再给它一轮机会，让它继续处理吧。
现在我们用Qwen 3.6来做荒野大镖客游戏……
第一次尝试时，程序确实出现了一个运行时错误。所以这是第二次运行了。我把那个报错信息给了它，然后它就修复好了。在消耗了一万九千个上下文窗口的词元后，大概总共用了四万个词元。我们现在屏幕上看到的是《荒野大镖客》。
年份显示是187X年，这里的过场动画可能不是最好的。你确实有文字转语音功能，但声音非常、非常基础。让我们跳过它吧。哦，你好。那里有一匹马。不得不说，那是一个非常漂亮、精美的马匹动画。看啊，腿在动呢。这很不错。你能射击人吗？我觉得好像有什么东西出来了。会有人被击中吗？没有人被击中，但确实有东西在动。它看起来像是在……哦，也许他只是到处乱跑，但那里有一个真正的城镇。镇子里有人物。还有一个小地图，你正骑在马上四处走动。
我下马了，然后我的角色消失了。这里很有潜力，但正如你所看到的，一开始确实有一个运行时错误。这就是这个AI的情况。所以反派正在跟着我。这个AI把自己自我递归成了一个像反派一样的智能体。让我们看看Qwen 3.8在低思考模式下会做什么。刚才那一轮是一万八千个词元。我们点击播放吧。
年份是1883年。开场过场动画非常基础，实际上并没有展示你支持的操作动作。所以让我们跳过它，看看我们能否真正进入游戏实际玩法部分。新游戏开始，我们有一个反派……我们有个家伙了。我们可以射击。这一版里没有AI敌人，但我喜欢子弹向前飞行的效果，而且那里确实有个家伙。显然，他的头有点分离了。这就是我刚才说的意思。你知道的，当询问医疗设备时，如果它认为你的头是悬浮在空中的，也许不要听它的处方。你懂我的意思吧？从年龄上看……
让我们看看当我们骑上马时会发生什么，哦不，一切都消失了。所以这很好。对于一个这个尺寸的模型来说甚至很棒，即使是一个三倍大小的模型也是如此。它很接近GLM的那个版本，虽然可能没那么好，但已经非常接近了。而且它的体积只有十分之一左右。这很好。而这只是在低思考模式下实现的。
我们还有一个超高思考模式排在队列中。同样，预计明天会有这些结果，而不是今天，因为我在Mac上运行它。我打算把它设置在我的RTX 5090显卡上，因为我们需要那种速度，也就是Nether级别的速度。虽然我不确定是否会以最高量化运行它，但让我们先看看情况吧。
好了，我们这里有《最终幻想7》的重制版。这是Qwen 3.8生成的，但不幸的是确实有一个运行时错误。所以我正在让它修复文件。超高思考模式已经排在队列中了。所以我们将跳过《最终幻想7》的测试，直接进入超级马里奥。
前几天我们查看超级马里奥时，将其与Muse Glimmer进行了比较，而后者现在只是过去的一抹微光。幸好他们在当时发布了它。如果他们把这个家伙也一起发布，那就可怕了。但这个马里奥生成得非常出色，因为当你游戏结束时，你的灵魂似乎被吸出身体，然后你被传送到一个奇幻世界。在那里，一切都变得非常缓慢，从帧率角度来看也是如此。让我们关闭它吧。
让我们看看低思考模式的效果。只有六千个词元。你知道，这是我见过的最低限度的低思考配置。所以我们在上面玩了一下，可以看到我们有一个可爱的小马里奥。跳跃动作不错。他能二段跳吗？不，我不能二段跳，但他确实在跳。这绝对很好。我的意思是，这只是低思考模式。我能掉下来吗？是的，我可以掉下去。所以这绝对是进入平台游戏世界的一个不错入门体验。
所以我不得不承认，尽管有一些小的碰撞问题，但它做得很好。但再次强调，这是低思考模式。六千个词元，每秒35个词元的生成速度。我们正在使用Qwen 3.8的MTP功能。看那个，在调试模式下每秒生成35个词元。所以请记住，超高思考模式正在运行中。
现在让我们进入《Outrun》（极速赛车）。Qwen 3.6一次性就做到了，正如你所见。启用思考模式后消耗了一万七千个词元。哦，它正试图用那个声音唤醒整个街区。所以有点坏了。屏幕上真的看不清太多东西。所以需要修复这个问题。也许你需要一个智能体来循环处理那个任务，直到它做得很好为止。
相比之下，《Outrun》在Qwen 3.8低思考模式下消耗了一万三千个词元。为什么不用中等模式做呢？因为我们看到其中一次生成在中等模式下消耗了超过六万个词元。所以当你做中等难度时，还不如直接上超高模式呢。为什么要冒险？而且我确实有排在队列中的超高思考任务。所以希望很快能看到结果。
我们屏幕上有一辆车了，这是进步。不过它悬浮在空中呢。哦，那挺不错的。控制方面，车子有点以错误的方式晃动。这更像是……那是哪个游戏来着？《Wipeout》（毁灭战士/极速赛车类）。记得在世嘉主机上有个这样的3D游戏，你是在空中飞行的。那真是款很酷的游戏。这让我想起了那个。
现在我们穿过了天空圆顶，所以进入了夜晚模式。刚才屏幕上有个反派角色，我们刚好绕过去了。现在这绝对是一个……它不是完美的，但确实是一次很好的生成结果。比之前那个更好。所以这里做得不错。我们听到了不错的汽车油门声，这很好。
超高思考模式的《Outrun》任务需要一天时间才能完成。在深入数学和逻辑测试之前，让我们先做一些生产力方面的测试吧。所以是MS Word应用，消耗了一万四千个词元。Qwen 3.6没有怎么思考就生成了，但我们得到了一个漂亮美观的Word界面版本，而且绝对可用。你可以更改字体。很好。那里的效果不错。
这里的MS Word消耗了一万个词元，这很不错。处于低思考模式并且看起来很棒。让我们把它们并排比较一下。我们看到了一个下拉菜单，那非常漂亮。这个版本有没有可以切换的菜单？有些生成结果只是把菜单系统做成一个外观，你点击它但什么也不会发生。让我们看看。我们可以更改字体吗？是的，你在改变字体。所以它们都是同等优秀的Word版本。我对这一点很满意。
我想在做逻辑测试之前，让我们再做一项测试：绘画能力有多好？这是一个画布测试。我们正在创建一个包含完整画布动画的HTML文件。启用思考模式，Qwen 3.6消耗了一万个词元。你这里有一辆车。窗户有点……也许它们挺好的，或者有一点阴影效果。车在路的错误一侧行驶了。如果你是美国人，那没问题；世界上其他地方的人则不然。“出口42”在重复出现。
让我们看看Qwen 3.8的效果如何。完全相同的提示词，一次性生成。消耗了四万八千个词元。这是在低思考模式下完成的。低思考模式用了48,000个词元，所以生成这个结果花了半个多小时。
跑这个模型得用N卡，不然真扛不住。这强度太离谱了，要不干脆别折腾？行吧，点播放看看效果如何。画面真美，百分百好评！不过轮子有点穿模，直接穿过车身了。我知道澳洲人爱搞大轮毂、高悬挂和越野天线，去野外碰碰袋鼠啥的。看这风格，作者八成在澳洲或美洲内陆干活。但这车走错车道了，挺遗憾的。
挂载方面平滑多了，曲线更自然；这个版本有点尖刺感，可能只是随机性。3.8的云层看着更好些，但两者都是好版本。接下来测逻辑：洗车店离我家50米，该走路还是开车？关闭思考模式。Qwen 3.6说“走”，这题之前很火；3.8却说“开车，得洗啊”。看来训练数据起作用了。下次换个变体再测。
更难的逻辑题：走进人群被喊“B selector”该咋办？3.6答对了，但3.8没提关键梗“rewind”，只说跳舞。开启思考模式后，3.6仍没答对；超高思考模式下终于提到“rewind”，并建议微笑继续走。看来它还是没完全get到梗点，有点可惜。
再试个陷阱题：8个橙子、4个孩子和一把刀，怎么平分？关闭思考时两者都答“每人两个”，正确。超高思考只用了500 token，是我见过最短的，但答案依然对。接着测数学：证明所有偶整数可被2整除（IMO级别）。关闭思考时两者都答对。
开启思考后，Qwen 3.6狂吐超3万token跑偏了；3.8超高思考也用了约3.3万token，因MTP机制速度稍慢。最终它推导出“若a=2n则整除”，虽过程冗长但答案正确，算是自我挽救成功。这模型真不错！
接着测代码生成：要求加个飞船按钮并关闭思考。1.8万token后生成了，但运行是黑屏——没真正改好代码。看源码发现它只做了“外科手术式”修改：加了按钮和绘制区域，没重构整个代码。这种局部更新思路挺聪明，但执行失败了。
开启超高思考后正在重新处理中……或许能修好？我可以后续分享所有超高思考的结果给大家看。Qwen 3.8 27B表现很棒！接下来我要融合Kimi K3，还会试DeepSeek Pro的新技巧。最后看个彩蛋：Qwen眼中的人类长啥样？这生成简直绝了，美到炸裂！