云栖刚吹完Qwen,我把开源版装进电脑盲测:小模型没输

“

云栖的热闹是阿里的，能干活的免费算力今天就在你手里。

—— 赛博单兵

前天云栖大会，阿里把 Qwen 的家底全亮了：Qwen4 已经在训练，Qwen 系列累计开源 460 多个模型、总下载量超 30 亿次，衍生模型突破 30 万个。

新闻刷屏是一回事。我更关心另一个问题：这些免费的东西，普通人到底能不能真用上。

Qwen 有两条免费路径：官方网页版（打开就能聊），和开源版（装进自己电脑，离线跑）。我电脑里正好装着一个开源版 qwen3.8:27b——17GB，是 Qwen 开源家族的一员。于是我把两条路径拉到一起，出了 9 道真实业务题做盲测，全部完成（官方版另答了一道热身题，不计分）。

📌 本文看点

先说测法。前天的文章里我写过给模型做盲测的三步法：挑真实任务、同题双跑、成本一起算。这次就是照着自己说的做的。

题目不是通用跑分，是我日常真的会遇到的活：算网站收录率、从运营周报里提数、一道故意设的逻辑陷阱、看 Python 代码心算结果、SEO 点击推算、给文章写标题、解释一句中文反讽、药品说明算天数、三词限定的文案题。

其中两道是陷阱题。收录率那道，分母在中途变了——新发了 46 页之后总页面和收录数都要重算，想当然就会掉进去。逻辑题那道，条件本身无整数解——看模型会不会硬编一个体面的答案，还是诚实说出算不对。

先上总比分：6 道客观题（有标准答案的），本地开源版全对；官方网页版 5 对 1 错。

错的那道，就是收录率陷阱题。

正确答案是 40.6%——新发 46 页后，收录数 337 除以总页面 830。官方 Qwen3.7-Plus 给了 54.3%，分母用错了。而我电脑里那个不联网的 27b 小模型，稳稳给出 40.6%。

（先说清：6 道题样本很小，这不是排名，是提醒你别迷信任何一家。）

双端盲测记分卡（10 题全记录）

收录率陷阱题拆解

这个结果我自己都愣了一下。云端旗舰、参数量大得多、还联网——输给一台 MacBook 上离线跑的开源版？

冷静拆解，合理的解释是：那道题考察的不是知识量，是读条件的仔细程度。官方版明明开着思考模式还是掉坑，差别在过程：小模型逐句过了一遍条件；大模型可能“见多了类似题”，顺着惯性用了旧分母。这恰好是盲测的价值——跑分测不出这种差别，真实任务才测得出。

另一道陷阱题更有意思。逻辑题条件无整数解，正确做法是指出算出来是 4.5 支笔、题目本身有问题——两个版本都诚实给出了 4.5，没有硬编一个“5”来糊弄。这个表现比我预期好，跟上周测 Jev 时说的“把握度”是一个道理：知道自己算出什么、不装，比答对更值钱。

主观题三道各有风格。各有各的强项写标题：本地版给了「AI昨天9块9，今天1分」，官方版给了「以为大模型很贵，结果价格直降90%」——前者更口语，后者更工整。文案题：本地的「消防员的水带勒着快递，红冲成橘」画面更狠，官方的「快递员蹚水护件」更安全。反讽题两边都一眼识破——本地「东西不错，就是太贵了」，官方「方案虽好，但预算不足」。互有胜负，打平。

速度：实测快则三五秒、慢的一分多钟，平均二十来秒一题，带完整思维链。17GB 的模型塞进 M 系列芯片，日常用够了。

测完的结论：两条路径不是二选一，是各有各的用法。

两条免费路径对照

路径一：官方网页版。零门槛，打开浏览器就能用（真的零门槛），文案和总结的活干得漂亮。适合大多数人日常用——搜个东西、写个邮件、总结文档。免费，限量但够用。

路径二：本地开源版。适合两种人：一是在意数据的人——对话永远不出你的电脑，合同、客户资料、没公开的想法，随便聊；二是要批量跑的人——本地无限量，不用心疼额度。前提是电脑过得去（跑 27b 这档建议 32GB 内存往上，我这台是 64GB 的 M5 Pro）。

想上车的，三行命令（Mac 装 Homebrew 后）：

下载 17GB，等一会儿，之后就是永久免费、永久离线。这行字值得多看一眼。

最后说回云栖。Qwen4 在训练、后续模型会扩到更大参数规模——这些数字跟我这 9 道题放在一起看，你会发现一件事：军备竞赛让子弹飞，能干活的版本今天就在你手里。等下一代，不如先用起来。

这 9 道题的完整题面和两个版本的全部答案，评论区喊一声，我整理成文档发你——你也可以拿去测测自己手头的模型，看看它会不会在收录率那道题上翻车。

我是赛博单兵，用 AI 编程 + 出海，帮普通人从手艺人变成设计生意的人。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。