Ling-3.0-flash 是另一个在 qwen3.8 27b 之前值得测试的潜在模型
摘要
Ling-3.0-flash 是一个新模型，作者测试后发现它能修复 Qwen3.6-27b 无法修复的棘手软件错误，速度与 DeepSeek V4 flash 相近。其发布时间已推迟到 8 月 6 日。
我用一些棘手的 bug 测试了 Ling-3.0-flash，它修复了 qwen3.6-27b 无法修复的 bug。这个模型的速度比 deepseek v4 flash 快，但几乎和（旧版）deepseek v4 flash 处于同一水平。注意：棘手的 bug 指的是那些没有“错误消息”的 bug，而是软件的意外行为。大多数带有错误消息的 bug 很容易修复，因为它们已经在训练数据中。但对于没有错误消息的意外行为，修复起来更难。这意味着它必须对根本原因做出假设，然后创建日志来追踪值并进行验证。这考验了它的思考能力、在长对话中的一致性以及自我纠正能力，而这些正是大多数中小型模型所欠缺的。我发这个帖子是因为我希望 llamacpp 能支持它，因为我知道之前的版本在 llamacpp 中仍然不受支持（如果我错了请纠正我）。附注：你可以通过 openrouter 免费 API 测试它。在我的测试中，我在 kilo code 中使用它。实际上，它本应在今天发布，但他们把发布时间推迟到了 8 月 6 日。
相似文章
Qwen 3.8 27b 对比 Deepseek Flash
这篇文章对比了开源AI模型Qwen 3.8 (27B) 和 Deepseek Flash，讨论了基准测试，并寻求用户经验以评估它们的性能。
z-lab/Qwen3.6-27B-DFlash
本文介绍 Qwen3.6-27B-DFlash，这是专为 DFlash 设计的草稿模型。DFlash 是一种新型推测解码方法，利用块扩散技术加速推理速度。文章提供了 vLLM 和 SGLang 的安装说明，以便与目标模型 Qwen3.6-27B 实现并行草稿生成。
incoai/Qwen3.8-27B-DFlash2
DFlash 2 是一个用于投机解码的块扩散草稿模型，可提升 Qwen3.8-27B 语言模型的推理速度，在基准测试中提供更高的接受长度和吞吐量。
用 Ling 3.1 Flash 上手 12 小时
作者抢先体验了 Ling 3.1 Flash——一款拥有 560B 参数、25B 激活参数的 MoE 模型，即将发布。他用这款模型打造了一件复杂的乐器，并期待正式发布后大家会用它做出什么。
z-lab/Qwen3.8-27B-DFlash2
介绍了 DFlash 2，一种用于与 Qwen3.8-27B 模型进行投机解码的块扩散草稿器，在基准测试中展示了改进的接受长度和吞吐量。