Qwen3.8-27B 本地部署教學：16GB 顯卡怎麼選，llama.cpp 接 Hermes Agent

by Rain Chu | 8 月 19, 2026 | AI, GGUF, QWEN, 模型

Qwen3.8-27B 把文字、圖片、影片、程式設計與 Agent 工作流放進同一個稠密模型，對想把 AI 留在本機的人來說，這是一個能力和硬體成本相對平衡的新選擇。

16GB 顯卡不要直接選 Q4_K_M，因為 15.9 GiB 只是主模型檔案，還沒有算約 0.86 GiB 的視覺投影模型、KV Cache 與執行環境。比較實際的選擇是 Q3_K_M 或 UD-Q3_K_XL，再從 8K 上下文開始測試。8GB 顯卡雖然可以用極低位元量化搭配系統記憶體卸載，但不等於 27B 多模態模型能完整放進 8GB 顯示記憶體。

Qwen3.8-27B 是什麼

Qwen3.8-27B 官方模型採用 Apache 2.0 授權，是一個 27B 參數的稠密視覺語言模型，它不是只會聊天的純文字模型，而是原生理解圖片與影片，也把程式設計、專業工作、研究和長時間 Agent 任務列為主要能力。

• 27B 稠密模型，64 層，Hidden Dimension 為 5120
• 原生支援圖片與影片理解
• 原生上下文長度 262,144 tokens，可透過 YaRN 延伸到 1,000,000 tokens
• 支援思考與非思考模式，也能用 reasoning_effort 調整推理深度
• 訓練時加入多步 MTP，執行環境支援時可用於推測解碼

如果你正在比較本地模型，建議先看站內的Qwen 3.6 的 27B、35B、MXFP8 與 NVFP4 比較，Qwen3.8-27B 延續 27B 稠密模型的定位，但多模態、Agent 執行和思考控制都更完整。

MTP 和 noMTP 差在哪裡

MTP 是 Multi-Token Prediction，一般自迴歸模型每次產生一個 token，MTP 會另外預測後續多個候選 token，再由主模型驗證，推理框架支援推測解碼時，可以減少逐 token 等待的成本，提升生成速度。

Qwen3.8-27B 的官方架構包含 MTP，Unsloth 的 Qwen3.8 指南也提供 MTP 量化版本，noMTP 通常是社群為了相容性或降低額外負擔而移除 MTP 預測頭的版本，你的 llama.cpp 太舊、載入失敗，或記憶體非常緊時，可以把 noMTP 當作相容性選項。新版推理環境能正常使用 MTP 時，則優先保留。

16GB 顯卡該下載哪一個 GGUF

Q4_K_M 的檔案約 15.9 GiB，看起來很接近 16GB，但視覺功能還需要 mmproj-F16.gguf，檔案約 0.86 GiB，再加上 KV Cache 後，16GB 顯卡通常沒有足夠餘裕。若只跑文字、上下文很短，而且願意部分卸載到系統記憶體，IQ4_XS 可能可以啟動，但這不是我會給一般使用者的預設建議。

量化位元越低，檔案越小，但指令遵循、長文本穩定性、程式正確率和視覺判斷都可能下降。16GB 使用者如果重視穩定性，有時候選較小參數模型的 4-bit 或 8-bit，會比硬塞 27B 的 2-bit 更實用。

用 llama.cpp 在本機啟動

個人電腦要跑 GGUF，llama.cpp 仍然是很直接的底座。Windows 使用者可以從 llama.cpp Releases 下載對應版本，NVIDIA 顯卡選 CUDA，AMD 顯卡可用 Vulkan，沒有獨立顯卡則選 CPU 版本，框架定位和差異可以延伸閱讀vLLM、SGLang、llama.cpp、MLX 與 Ollama 比較。

一 下載主模型與視覺投影模型

pip install -U "huggingface_hub[cli]"

hf download unsloth/Qwen3.8-27B-GGUF \
  Qwen3.8-27B-Q3_K_M.gguf \
  mmproj-F16.gguf \
  --local-dir Qwen3.8-27B-GGUF

24GB 顯卡可以把 Q3_K_M 換成 Q4_K_M。只處理文字時可以先不載入 mmproj，等基本對話穩定後再加入視覺功能。

二 啟動 OpenAI 相容端點

llama-server \
  --model Qwen3.8-27B-GGUF/Qwen3.8-27B-Q3_K_M.gguf \
  --mmproj Qwen3.8-27B-GGUF/mmproj-F16.gguf \
  --host 127.0.0.1 \
  --port 8080 \
  --ctx-size 8192 \
  --n-gpu-layers 99 \
  --jinja \
  --chat-template-kwargs '{"reasoning_effort":"medium"}'

Windows 請把執行檔改成 llama-server.exe。若出現記憶體不足，先把上下文從 8192 降到 4096，再考慮換更小的量化。不要一開始就把 262K 全開，長上下文的 KV Cache 會快速增加記憶體需求。

三 測試 API

curl http://127.0.0.1:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"Qwen3.8-27B","messages":[{"role":"user","content":"請用繁體中文列出三個本地部署注意事項"}]}'

能收到 JSON 回應，就代表本地端點已經可以交給其他工具使用，想把開發環境完全留在本機，也可以參考Claude Code 搭配 LM Studio 與 Ollama 的零 API 成本環境。

接到 Hermes Agent

llama-server 啟動後，可以在 Hermes Agent 的模型提供方加入本地自訂端點，Base URL 填入 http://127.0.0.1:8080/v1，如果介面要求 API Key，可以填一個只供本機識別的非空字串，模型清單出現 Qwen3.8-27B 後，就能把它用在網站製作、檔案處理、程式生成與瀏覽器檢查等 Agent 任務。

本地模型接 Agent 的價值在於資料不用先送到外部 API，也能降低大量反覆呼叫的成本。不過模型一旦拿到終端機、瀏覽器和檔案權限，風險也會跟著放大。Hermes 的代理層與 LINE 整合可以延伸閱讀Hermes Proxy 與 Hermes Agent 支援 LINE。

程式、視覺與 Agent 能力怎麼看

一個單檔 HTML 飛行遊戲可以同時產生畫面、操作、儀表與聲音，代表 27B 模型已經能完成有一定複雜度的前端原型，圖片計數測試也能辨識出 25 根筷子，並區分 6 根彩色與 19 根銀色，接到 Agent 後，還能建立帶搜尋、排序與模型卡片的網站，再開啟瀏覽器檢查介面。

這些結果適合當作能力檢查，不適合直接當成通用 benchmark，單一提示、單一圖片與單一硬體都可能讓結果偏高或偏低。真正要採用前，應該用自己的程式庫、文件、圖片和 Agent 權限做一組固定測試，記錄成功率、速度與記憶體峰值。

無審查版本不是官方安全模式

所謂無審查或 Uncensored 版本通常是社群修改、微調或去除拒答傾向的衍生模型，不是 Qwen 官方提供的安全開關，它比較少拒絕，不代表答案更正確，也不代表可以放心交給有系統權限的 Agent。

• 先在沒有正式帳密與重要檔案的環境測試
• 工具採用允許清單，不要直接給完整終端機與管理員權限
• 寫檔、執行命令、付款與對外發布都要保留人工確認
• 本地 API 預設只綁定 127.0.0.1，不要直接暴露到網際網路
• 保存工具呼叫紀錄，發生異常時能回溯

如果用途只是寫作或私人角色扮演，可以把衍生模型放在沒有工具權限的聊天環境。需要操作檔案、瀏覽器或伺服器時，優先使用官方模型並限制權限，通常會更穩妥。

我的選擇建議

16GB 顯卡從 Q3_K_M、8K 上下文和官方版本開始。24GB 顯卡可選 Q4_K_M，並保留足夠空間給 mmproj 與 KV Cache。50 系列 Blackwell 顯卡如果要做正式服務，可以研究 NVFP4 與 vLLM。一般個人使用者則先用 GGUF 和 llama.cpp，把模型穩定跑起來，再決定是否需要 Hermes Agent、長上下文或 MTP。

Qwen3.8-27B 的重點不是單純追求更大模型，而是把多模態、程式能力和 Agent 執行放進個人可負擔的硬體範圍。選對量化、控制上下文、限制工具權限，才是本地部署真正能長期使用的關鍵。

FAQ

MTP 一定比較快嗎

只有推理框架正確支援推測解碼時才會發揮效果。框架版本、硬體與批次大小都會影響實際速度，不能只看檔名判斷。

可以用 Ollama 或 LM Studio 嗎

可以，只要版本已支援 Qwen3.8 架構與對應 GGUF。想控制 MTP、mmproj、KV Cache 與細部參數時，llama.cpp 通常更透明。

本地模型接 Hermes Agent 安全嗎

模型資料可以留在本機，但工具權限仍然需要管理。使用 127.0.0.1、工具允許清單、人工確認與執行紀錄，可以大幅降低風險。

參考資料

• Qwen3.8-27B 官方模型卡
• Unsloth Qwen3.8-27B GGUF
• Unsloth Qwen3.8 本地部署指南
• llama.cpp