Qwen3.8-27B RL 后训练模型发布，AA-Omniscience 幻觉率减半

今年一些最有趣的智能体（agent）成果，正来自小型开源模型的后训练。

一个使用开源环境进行强化学习（RL）后训练的 Qwen3.8-27B 模型，将 AA-Omniscience 上的幻觉率从 30.4% 降至 15.1%。

MLA 版本的压缩副本可以装进我单张 24 GB 的 RTX 4090，且能容纳约 3.5 倍于基础 Qwen 的上下文。

它在 DeepSWE 上击败了 GPT 6 Luna-medium，成绩介于 Luna 6 medium 和 high 之间。

在 Terminal-Bench 2.1 上得分更高，且每个解决的任务平均只输出 23.8K 个 token，而基础 Qwen 需要输出 54.9K。

试用了这个模型的一个未发布版本，真切感受到了所谓的「比较智能密度」——它写得少得多。

在 Terminal-Bench、τ³-bench、ClawEval 和 BFCL v4（Berkeley Function Calling Leaderboard）上超越了 Muse Glimmer 30B 和 OpenAI 的 GPT-6 Luna（high），不过 Luna 在 DeepSWE 上仍以 53.1% 领先。

他们还发布了 MLA 版本，即同一个模型，其 16 个全注意力层被转换为多头潜在注意力（multi-head latent attention），使每个 token 占用的内存从 64 KiB 降至 18 KiB，从而能在单张 GPU 上容纳更多或更长的会话。