这周科技圈有点热闹。阿里把Qwen3.8-27B开源了，270亿参数，量化之后24G显存就能跑——也就是说，你家里那张打游戏用的RTX 4090，现在可以直接驱动一个在好几个Agent榜单上把Claude Opus 4.6 Max挤到身后的模型。

差不多同一时间，DeepSeek发了新框架DeepSeek Harness，口号"万物皆插件"，几天时间GitHub上长出700多个插件仓库。有人给AI装了18款小游戏，有人装了个"2005年中文互联网广告"模拟器，还有人写了个插件，唯一功能是让AI每次回完话补一句"谢谢你，鲸鱼大人"。

"开源要反超闭源"这话我们听过八百遍了。但这周的事儿放在一起看，有点不一样——这次不是"实验室里能跑"，是"你自己电脑上就能跑"。

一、先验货：这张显卡真的能打？

按惯例，先泼冷水：开源模型的跑分，历来水分充足，榜单领先不等于体验领先。所以先看数字，再看真人在干嘛。

先说模型本身。Qwen3.8-27B，名字里的27B就是270亿参数。这个尺寸很微妙：比它大的模型，家用电脑一般塞不下；比它小的，性能又不太够看。它量化之后24G显存就能跑，RTX 3090、4090这类游戏卡直接带得动。原生多模态，原生262K上下文，还能扩到1M——整个代码库扔进去分析，是设计场景而不是噱头。

跑分直接上对比对象：Claude Opus 4.6 Max，闭源阵营目前的顶配之一。几个Agent向的榜单上——

·SWE-bench Pro（真实软件工程）：Qwen3.8-27B领先8.3分

·QwenSWEBench：领先15.2分

·OSWorld-Verified（真实电脑操作）：84.3 对 72.7

·AndroidWorld（安卓真机操作）：81.9 对 62.0，差了快20分

·CoWorkBench：70.7 对 68.2

这组数字先别急着信，有三处值得掰扯。

第一，出处。数字来自Qwen官方发布材料，比哪些榜、怎么比，是发布方自己挑的。其中QwenSWEBench本身就是Qwen自家的测试集——自家场地自家裁判，那个15.2分的领先，听听就好。含金量更高的是OSWorld、AndroidWorld这种第三方榜单：领先幅度大，作假难度也高。

第二，赛道。赢的全是Agent操作类任务：写代码、点鼠标、戳手机。这类任务吃专项训练，小模型猛喂数据是能堆上去的。而大参数模型真正的优势——长任务的连贯性、边角案例、复杂推理的稳健性——恰恰不容易变成榜单数字。27B"全面超越"旗舰在物理上讲不通，真实情况大概率是：具体任务互有胜负，Qwen在擅长的项目上反超。

第三，配置。榜单成绩一般是全精度跑的，你显卡里跑的是量化版，中间这道量化还要再折掉一点体验。

不过，榜单可以挑、配置可以做局，社区拿到模型之后干的事没法安排剧本。有人让它在俄罗斯方块里自己加了两个功能：屏幕抖动特效和奖励倍增器——从"会写代码"到"会给自己加戏"，中间差的是对产品的那点感觉。另一拨人在GH200上跑10路并发、262K上下文，首token延迟不到10毫秒。还有人拿它处理一部1935年的11分钟老电影，157秒提取出96个带时间戳的事件，误差2秒左右，全程单卡。这些不像是刷榜能刷出来的。

而且这件事的关键从来不在分数，在账单：闭源模型按token收费，用得越多花得越多；跑在自己显卡上的模型，电费忽略不计，随便造。更别说数据全程不出门——对很多公司来说，光这一条就比跑分值钱。

架构上值得记一笔：64层里48层是线性注意力（Gated DeltaNet），只有16层是全注意力。不关心原理没关系，记住结论就行：这是它能在家用显卡上塞下超长上下文的原因之一。

还有个贴心的小设计：reasoning_effort（就是思考强度啦）分高中低三档，简单问题不让它过度思考浪费算力，难题再火力全开，还支持保留思考过程给下一轮复用。

一句话总结这部分：以前我们管开源模型叫"平替"，这次在特定任务上，平替开始抢正主的活了。

二、生态引爆：700多个插件，正经的和不正经的

模型强只是一半，另一半是有人玩。

DeepSeek Harness（下称DSH）8月13日发布，主打"万物皆插件"（Everything is a Plugin）。截至发稿，GitHub上带dsh-plugin标签的仓库超过700个。一个框架发布几天，生态自己长成了一片。

先说正经的：

·dsh-agent-teams：组多智能体团队。队长接需求、拆任务、设依赖，队员各干各的还能互发消息，你以上帝视角围观全程。相当于给AI搭了个赛博项目组。

·dsh-memory-evolve：跨会话长期记忆，还能感知Git分支。你上周提过"部署端口是8080"，这周开新会话它还记得。

·dsh-claude-move / claude-bridge：一键把Claude Code的记忆、Skills、会话搬过来。搬家工具都给你备好了，多少有点挑衅的意思。（这个好用，帮我搬家了）

·Better Sidebar：直接把终端变成一个mini IDE。

再说不太正经的，但我恰恰觉得这些才是真信号：

·dsh-minigames：18款小游戏——俄罗斯方块、坦克大战、贪吃蛇、扫雷、数独、吃豆人、华容道……等模型跑任务的间隙来一局。

·dsh-ads：复刻2005年中文互联网广告风格：侧栏广告、信息流、角落弹窗、开屏，一个不少。

·dsh-web-ui：二次元电子宠物加皮肤中心，作者自己说"梦回QQ空间"。

·deepseek-manners：全场最抽象。唯一功能：让AI每次回复后自动补一句"谢谢你，鲸鱼大人"。

为什么说抽象插件才是真信号？因为只有当一个工具的用户真的多、真的闲、真的把它当日常了，才会有人给它写"谢谢你鲸鱼大人"。没人会给用一周就卸载的软件写这种东西。

对照着看：GPTs商店当年开放时也是几天涌入几万个应用，然后大部分石沉大海。区别在于GPTs是"平台赏饭吃"——接口、分发、规则都捏在官方手里；DSH是真开源，模型给底座、框架给接口，剩下的开发者自己会长出来。有点像改装车：原厂给你台素车、敞开引擎盖，配件随便加。700个插件，就是700种改法。

三、另一边：热闹背后，账单正在路上

到这里听起来全是好消息？还有第三条线。

就在这波开源狂欢的同一周，GitHub发布了Secure Open Source Fund第四期的复盘文章。这个基金给50个开源项目投了超过50万美元，每个项目1万美元，专门用来修安全问题。名单里全是老熟人：FastAPI、LangChain、ONNX、etcd、ZooKeeper、Pillow、core-js、htmx……

为什么突然聊这个？因为AI时代，开源的安全逻辑变了。

复盘里提到一个案例：Nasiko，一个AI Agent平台，在项目期间真实遭遇了供应链问题。他们列出的风险清单全是AI特有的——不可信的Agent、提示词注入、密钥暴露。翻译一下：以前攻击者要骗的是人，现在可以直接骗Agent，而Agent手里往往捏着你的密钥和权限。

GitHub的总结说得很克制，但值得抄下来：AI能帮维护者更快地调查、排序和响应，但上下文、判断和"什么该上线"的责任，仍然得由人来扛。

再回头看那700多个DSH插件，感受就不太一样了。插件生态繁荣的另一面，是信任链变长：你装一个插件，等于让一段陌生代码进入你的工作流——而你的工作流里现在有AI、有你的代码库、可能有你的密钥。GitHub讨论区里已经有人在担心插件水化、作者弃坑、插件冲突，都是生态长大的烦恼，但也都是真问题。

得说清楚：这不是说开源危险、闭源就安全——闭源一样出事，出了事你连代码都看不了。我想说的是：开源这波反攻，模型和生态都追上来了，但"随手装个插件"背后那套信任机制，还没跟上。热闹是真热闹，账单也真在路上，只是还没寄到。（github上的插件我也是看至少千星才敢用的）

结尾

以前开源模型追的是"能不能用"：跑分差一点，但免费，凑合用。这次追的是"好不好用，还在不在你自己的机器上"：Agent能力追平甚至反超，家用显卡直接跑，生态自己长。闭源阵营的护城河没干，但水位确实在降。

下次你升级显卡的时候，那可能就不只是一张游戏卡了。（当然，你必须面对老黄精妙的刀法）

参考资料

1. Qwen官方博客·Qwen3.8发布公告：https://qwen.ai/blog?id=qwen3.8

2. HuggingFace·Qwen3.8-27B官方模型卡：https://huggingface.co/Qwen/Qwen3.8-27B

3. GitHub·DeepSeek Harness官方仓库：https://github.com/deepseek-ai/deepseek-harness

4. GitHub Blog·Secure Open Source Fund第四期复盘：https://github.blog/open-source/maintainers/what-50-open-source-projects-taught-us-about-security-in-the-ai-era/