通义千问这周在跑分榜上抛出一个数字：Qwen 3.8 27b 在 Artificial Analysis 拿下 52 分，比上一代 3.6 版的 38 分暴涨 14 分，单版本涨幅 37%。在同一榜单上，Anthropic Claude Opus 4.5 大约是 42 分。一个 27b 参数的开源模型，单跑分一项已经超过闭源旗舰。

更值得关注的是 MoE（混合专家，模型内部拆成多个小模型按需激活）版本。3.6 代的 35bA3b（总参数 350 亿、每个问题只激活 30 亿）跑出 32 分，只比同代密集版 27b 低 6 分，但推理速度快约 5 倍。如果 3.8 代的 35bA3b 能站上 42 分以上，就意味着用 1/10 左右的算力跑到闭源旗舰水平。

这是什么

Artificial Analysis 是目前业内较受认可的第三方大模型评测榜之一，按推理、代码、数学等多项能力加权。这次 Qwen 在一个版本周期内跳涨 14 分，确实反常 —— 之前的版本迭代通常是 2-3 分的渐进提升。社区猜测可能涉及训练数据扩充、架构调整，或者针对榜单做了专项优化。

行业怎么看

社区里两种声音。乐观派认为，这是开源阵营第一次在跑分上正面压制闭源旗舰，意味着企业部署大模型的成本曲线还会继续往下走。怀疑派则直接指出"benchmaxxed"（针对跑分做专项优化）问题 —— 厂商在评测集上训练，分数好看但实际能力存疑。两种声音都有道理：跑分高不等于好用，但跑分逼近意味着能力上限确实在抬升。对企业来说，更稳妥的做法是看第三方盲测和真实业务场景反馈，而不是单一榜单。

对普通人的影响

对企业 IT：开源跑分逼近闭源，自建部署的性价比窗口正在打开，企业对云端大模型 API 的依赖有望松动。

对个人职场：本地跑大模型处理内部文档、敏感数据变得更现实，不必每条信息都过云端。

对消费市场：短期内你手机里的 AI 助手不会有体感 —— 模型从跑分强到产品好用还有一两层工程差距。