Qwen 3.8 Flash，最近最火的当红炸子鸡。官方评测数据相当炸裂：SWE-bench Pro 62.5 对 53.4，JobBench 55.7 对 36.6——直接碾压 Claude Opus 4.6。注意，这是官方自己的说法。
我把它的 3-bit 量化版下载到 Mac Studio 上实测了一轮，结果很有意思：
跑分确实炸裂——预填充每秒 600+ token，比本地 DeepSeek V4 Flash 快了一倍。但一干真活就露馅：同一个日报总结任务，它 9 分 14 秒，DeepSeek 只要 7 分 06 秒；更狠的是，让它操纵 Chrome 打开 YouTube 后台抓数据做分析，它直接死循环，把自己绕进去了——而 DeepSeek 14 分 16 秒稳稳交卷。
这期视频完整记录：官方评测 vs 实测的差距、跑分和实战为什么能差这么多、量化到底砍掉了多少智能、以及 128G / 256G / 512G 内存分别能跑到什么级别——M5 Ultra 一出，满血版 DeepSeek V4 Flash（384B）就能完整装进个人电脑，Token 自由就在眼前。
📌 本期要点：
• 官方战绩：SWE-bench Pro 62.5 vs 53.4、JobBench 55.7 vs 36.6，碾压 Claude Opus 4.6（官方说法）
• 跑分碾压：预填充 600+ vs 300+，吞吐量提升 50-80%
• 实战反转①：同一个总结任务，Qwen 9 分 14 秒 vs DeepSeek 7 分 06 秒
• 实战反转②：Chrome 操纵 YouTube 后台，Qwen 死循环失败，DeepSeek 14 分 16 秒完成
• 归因公允：云端满血版 Qwen 能完成复杂任务——翻车大概率是 3-bit 量化的锅
• 内存结论：128G 选 DeepSeek 2.4-bit；256G 上 4-bit；M5 Ultra 512GB / 1.2TB/s → 满血版 384B 完整装进个人电脑
⏱️ 时间线：
00:00 开场：官方吹的，和实测的不一样
01:07 认识它：86GB 的当红模型
02:07 跑分：全面碾压
02:54 实战一：同一个任务，它反而更慢
04:34 实战二：复杂任务，死循环
07:23 结论：内存决定论 + 未来已来
08:59 预告：云端国模三强对决
🔧 涉及概念：Qwen 3.8 Flash、DeepSeek V4 Flash、3-bit 量化、2.4-bit 量化、oMLX、MLX、PI-Agent、MTP、prefill/decode、Claude Opus 4.6、SWE-bench Pro、JobBench、Mac Studio、M5 Ultra、Token 自由
🔗 相关链接：
• 范凯说AI 会员网站：https://fankaishuo.ai
#Qwen38Flash #Qwen38 #本地AI #本地部署 #量化 #oMLX #DeepSeek #模型评测 #MacStudio
