Qwen3.8-27B 上 Cerebras：最好的小模型按了快进键

Cerebras 把 Qwen3.8-27B 加进了公开推理目录，每秒约 1500 个 token，上下文最高 128k，Hacker News 上冲到 346 分。这个组合比任何一半都重要：这可能是今年最好的小尺寸开放模型——Terminal-Bench 73 分，OSWorld 84.3，发布时我们写过（https://clauday.com/zh/article/8b274557-da71-45bd-b97d-d323c43534bd）——现在跑在了晶圆级芯片的速度上。

工程细节经得起推敲，这在"超快推理"的宣传里并不常见。Cerebras 说公开端点跑的是原版未裁剪权重；量化只在权重存储层做而且是选择性的，敏感层保持全精度，激活、注意力、KV 缓存完全不动。也就是说，你读到的 Terminal-Bench 分数，就是你实际调用的那个模型。

为什么速度才是新闻：对聊天来说，1500 token/s 是杂技；对 agent 来说，这是 40 分钟自主任务和 4 分钟的区别。Agent 循环是串行的——思考、调工具、读结果、再思考——延迟在每一步上复利。一个打分接近中档前沿模型、又流得这么快的 27B，比一个更聪明但让你干等的模型，更适合当 agent 的底座。

模型目录在 https://inference-docs.cerebras.ai/models/overview。