【更新了秦始皇骑北极熊】qwen3.8 27b 鹈鹕骑车测试结果惊人

佬您的卡？？真有实力，模型也是。坐等各路大神测试这个小模型

我没有佬的实力，佬使用什么推理工具部署的，我只能 nvfp4 了

那几个神仙今晚应该都睡了了，有想测试的问题可以贴上来，明天估计 L 站又要爆炸了

未免有点夸张。顺便，这是我今天用qwen3.6 35B测的

熟悉的千问，Qwen3.8 Max自己能达到这水平不？

这是 27B 模型能达到的效果吗？这也太神了吧！

效果看上去真的不错啊，4张A800是真有实力

大佬，大佬，测试一个秦始皇骑北极熊那个动图，试试看

真王朝了吗难道，感觉每次千问的小模型能力都不赖

如果不是刷题那真牛了，要不然测一个魔方呢```
你是一名精通图形学算法与 Web 交互的前端专家。请仅用一个 HTML 文件，基于 Three.js (ES Modules) 实现一个物理级高保真、支持自然手势的 3x3 魔方。
一、 交付规范
单文件架构：HTML/CSS/JS 必须合并在一个文件中。
依赖管理：必须通过 importmap 从 unpkg 或 cdn.skypack 引入 Three.js 及其 OrbitControls、Tween.js。
零素材依赖：禁止加载任何外部图片/贴图，所有材质纹理必须使用 HTML5 Canvas API 程序化动态生成。
二、 视觉与物理标准
模型构建：
场景需包含 27 个独立的小方块（Cubies）。
物理间隙：小方块之间必须保留微小的物理间距（Spacing），不可紧贴。
倒角质感：通过 Canvas 绘制带有圆角矩形（Rounded Rect）的贴纸纹理，模拟真实魔方的塑料黑边与贴纸高光效果。
光影环境：
必须开启 ShadowMap。
配置环境光（Ambient）与平行光（Directional），确保魔方有清晰的立体感和阴影投射。
三、 核心逻辑考点（数据结构与变换）
禁止维护复杂的 3D 状态数组，请使用基于"空间位置"的动态计算方案：
动态层级筛选：
不要写死索引。当需要旋转某一层时，遍历所有方块，根据其在世界坐标系（World Position）下的 x, y, z 值与阈值（Epsilon）来判断它是否属于当前旋转层。
Pivot 变换机制（关键考点）：
实现旋转时，必须创建一个临时的 Pivot（轴心对象）。
核心API：使用 pivot.attach(object) 将选中的方块挂载到轴心，旋转轴心，动画结束后使用 scene.attach(object) 将方块放回场景。
作用：利用 attach 自动计算世界矩阵变换，避免手动处理复杂的四元数乘法。
坐标清洗：
每次旋转结束后，必须对所有方块的位置（Position）和旋转（Rotation）进行 Math.round() 取整处理，消除浮点数累积误差，防止魔方"散架"。
四、 交互系统考点（算法重难点）
这是区分初级与高级开发者的核心点，请实现类似原生 App 的自然手势体验：
操作分离：
左键拖拽：旋转魔方的某一层。
右键拖拽：旋转视角（OrbitControls）。
基于投影向量的手势识别算法：
射线检测：点击时获取被点击方块的"表面法线（Face Normal）“。
意图判断：
根据法线，锁定潜在的两个旋转轴（例如点击前面，潜在轴为 X 或 Y）。
将这两个 3D 轴的向量投影（Project）到 2D 屏幕空间。
计算用户鼠标滑动的 2D 向量与这两个投影向量的点积（Dot Product），选择匹配度最高的轴作为旋转轴。
方向修正与实时跟随：
实现1:1 实时跟手：鼠标移动多少像素，魔方层转动对应角度。
符号修正：通过叉乘（Cross Product）或投影符号判断，确保无论从魔方正面、背面还是顶面操作，鼠标向右划动始终对应"向右转"的视觉逻辑（解决方向反转 bug）。
磁吸效果：
松开鼠标后，自动计算最近的 90 度倍数，使用 Tween.js 播放回弹动画并对齐网格。
五、 代码质量
代码需包含清晰的注释，解释"手势投影算法"和"Pivot 挂载逻辑”。
具备 Scramble（打乱）和 Reset（重置）功能按钮。

哥能说下你用的A几百的卡，满血部署的吗？多少显存部的。。

这tm是8岁？。。。 27b！？

表现效果不错，难道不是高分低能模型，而是有实力的

80GB 其实单卡就能跑，理论上两卡会快一点点，配置直接拿的之前 qwen3.6 的，换个模型就能跑

引擎 vllm/vllm-openai:v0.24.0 (架构没换能用就没更新)```
--tensor-parallel-size 2
--max-model-len 262144
--gpu-memory-utilization 0.95
--reasoning-parser qwen3
--enable-auto-tool-choice
--tool-call-parser qwen3_coder
--enable-prefix-caching
--enable-prompt-tokens-details
--enable-log-requests
--enable-chunked-prefill
```Available KV cache memory: 44.43 GiB

GPU KV cache size: 1,426,801 tokens

Maximum concurrency for 262,144 tokens per request: 5.44x

FP8 之前 3.6 的时候试过单卡 48GB 就能跑 256k 上下文，等非量化的测的差不多了我再测测 FP8 的

搞一个秦始皇骑熊试一试，看看真的假的

在跑了，密集模型跑起来很慢，这个看上去和之前 kimi k3 一样，思维链巨长 ^-^

这也太厉害了吧， 27B的模型这么夸张么，我一直以为这个规模就是一个QA模型，没法干agent的活，佬你的context是多少？

稠密模型是这样的，而且本地跑，等待好消息